محققان در مقاله جدیدی از روشی به نام GDO (Goal-Driven Data Optimization) رونمایی کردند که تحولی در آموزش مدلهای چندوجهی (Multimodal) ایجاد کرده است. 🧠💻
مشکل اصلی در آموزش این مدلها، حجم عظیم دادههای متناقض و هزینههای بالای پردازشی است. روش GDO با انتخاب هوشمندانه زیرمجموعههای آموزشی برای اهداف خاص، باعث شده تا مدلها با تعداد دادههای بسیار کمتر، به دقت بالاتری نسبت به روشهای سنتی برسند.
نتایج این تحقیق روی مدل Qwen3-VL نشان میدهد که با کاهش چشمگیر تعداد نمونههای آموزشی، سرعت همگرایی مدل نه تنها افزایش یافته، بلکه دقت عملکرد در بنچمارکهای ویدئویی نیز رشد قابل توجهی داشته است. این گام بزرگی برای کاهش هزینههای سنگین آموزش مدلهای بزرگ است! 📈
🔗 لینک گیتهاب پروژه برای علاقهمندان به دنیای تحقیق و توسعه:
https://github.com/rujiewu/GDO
منبع: arXiv Computer Vision