محققان در مقالهای جدید، تکنیک نوآورانهای به نام «تقطیر هدایتشده برجستگی بصری» (VSSD) معرفی کردند. این روش برای بهبود توانایی مدلهای هوش مصنوعی چندوجهی در استدلالهای گامبهگام طراحی شده است.
مشکل اصلی مدلهای فعلی این است که در مواجهه با تصاویر مشابه یا متنهای یکسان در ورودیهای مختلف، دچار سردرگمی میشوند و جزئیات ظریف را نادیده میگیرند. متد VSSD با استفاده از نقشههای توجه (Attention Maps) و تولید تصاویر اصلاحشده، به مدل کمک میکند تا ویژگیهای کلیدی را بهتر درک کند و در نهایت پاسخهای دقیقتری در حوزههای علمی ارائه دهد.
این تحقیق نشان میدهد که چگونه میتوان با تکنیکهای پیشرفته، دقت استدلال مدلهای کوچکتر را بدون نیاز به افزایش بیرویه منابع محاسباتی بالا برد.
🔗 مطالعه بیشتر و دسترسی به کد در گیتهاب:
https://github.com/BGWH123/VSSD
منبع: arXiv AI