محققان با معرفی فریمورک جدید «Ouroboros-Spatial» قدم بزرگی برای حل یکی از چالشهای اصلی مدلهای بینایی-زبانی (MLLM) برداشتهاند: «استدلال فضایی».
تکنیک جالب این متد، ایجاد یک چرخه بسته (Closed-loop) است که در آن مدل همزمان نقش طراح سوال و پاسخدهنده را بازی میکند. در واقع با این روش، هوش مصنوعی یاد میگیرد که سوالات را بر اساس میزان پیشرفت خودش سخت یا آسان کند. این یعنی:
✅ کاهش دادههای بیمصرف و تکراری
✅ آموزش بسیار بهینهتر نسبت به روشهای سنتی
✅ بهبود چشمگیر در عملکرد مدلهایی مثل Qwen3-VL
این نوآوری نشان میدهد که در آینده، مدلهای هوش مصنوعی میتوانند با «خودآگاهی» نسبت به سطح توانمندی خود، دادههای آموزشیشان را مدیریت کنند.
منبع: arXiv AI