یکی از چالشهای اصلی مدلهای زبانی چندوجهی (MLLM) که به صورت عامل (Agent) عمل میکنند، تأخیر زیاد در چرخههای استدلال و استفاده از ابزارهاست که اصطلاحاً به آن «عمق عاملی» گفته میشود.
محققان در دستاورد جدید خود، فریمورک «SpecEyes» را معرفی کردهاند که با استفاده از یک مدل سبکوزن به عنوان «برنامهریز حدسزن» (Speculative Planner)، مسیر اجرای مدل بزرگتر را پیشبینی میکند. این کار باعث میشود:
✅ کاهش چشمگیر تأخیر در پاسخدهی
✅ افزایش سرعت اجرا تا ۳.۳۵ برابر نسبت به مدلهای فعلی
✅ بهبود دقت پاسخها تا ۶.۷ درصد!
این نوآوری راه را برای استفاده بهینهتر از هوش مصنوعی در محیطهای کاری شلوغ و پروژههای پیچیده هموارتر میکند.
منبع: arXiv Computer Vision