محققان در یک پیشرفت هیجانانگیز، پارادایم جدیدی به نام MentalThink معرفی کردهاند که به مدلهای زبانی چندوجهی (MLLM) قدرت «تصویرسازی ذهنی» میدهد. این مدل با استفاده از کدهای SVG، محیطی شبیه به یک دفترچه نقاشی ترسیم میکند تا بتواند مسائل پیچیده هندسی و فضایی را بهتر درک و تحلیل کند.
این مدل با ترکیب یادگیری تقویتشده و آموزش نظارتشده، حالا میتواند مثل انسان، فرضیات فضاییاش را ترسیم، بازبینی و اصلاح کند. نتیجه؟ جهشی بزرگ در دقت استدلالهای تصویری و درک محیطهای سهبعدی! 🧠✨
منبع: arXiv AI