محققان در مطالعه جدیدی به بررسی این پرداختهاند که وقتی مدلهای بزرگ زبانی چندوجهی (MLLM) را با هم ترکیب میکنیم، چه دانشی واقعاً از یک مدل به مدل دیگر منتقل میشود؟
این تیم با معرفی متدولوژی CDPI، نشان دادند که در فرآیند ترکیب مدلها، «استدلالهای سطح بالا» بیشترین بهره را میبرند، در حالی که تواناییهای ادراکی مدلها تقریباً دستنخورده باقی میماند. این یافتهها به ما کمک میکند تا بهتر بفهمیم چطور مدلهای کوچکتر میتوانند بدون آموزش مجدد، هوشمندتر شوند! 🚀
منبع: arXiv Computer Vision