تا امروز فکر میکردیم مدلهای هوش مصنوعی برای یادگیری باید فقط با متنها آموزش ببینند، اما یک پژوهش جدید این فرضیه را به چالش کشیده است!
محققان نشان دادند که «پیشآموزش بصری» (Visual Pretraining) روی اسناد، نمودارها و فرمولها، بسیار موثرتر از تبدیل آنها به متن ساده است. در واقع، هوش مصنوعی با دیدن مستقیم تصاویر و ساختار صفحات، خیلی بهتر از قبل مفاهیم پیچیده را درک میکند. این یعنی مسیری جدید برای ساخت مدلهای هوشمندتر و کارآمدتر باز شده که به جای خواندن، «دیدن» را در اولویت قرار میدهند.
منبع: arXiv:2607.09657
منبع: arXiv AI