محققان در تازهترین دستاورد خود، مدل جدیدی به نام MM-R2 را برای بهبود سیستمهای «بازیابی اطلاعات چندوجهی» (mRAG) معرفی کردهاند. این مدل قبل از هرگونه جستوجو، با یک لایه استدلالی مشخص میکند که دقیقاً چه چیزی را و از کجا جستوجو کند.
این یعنی برخلاف سیستمهای فعلی که اغلب در درک هدف کاربر دچار سردرگمی میشوند، MM-R2 با تحلیل دقیق تصویر و متن، دقت پاسخدهی را به شدت بالا برده و مسیرهای بازیابی را قابلفهمتر کرده است. 🚀
منبع: arXiv Computer Vision