محققان در یک پیشرفت جدید، سیستم «VizRAG» را معرفی کردهاند که دنیای RAG (بازیابی اطلاعات تقویتشده) را متحول میکند. تا پیش از این، اکثر سیستمهای RAG فقط بر متن متکی بودند، اما VizRAG با استفاده از «هایپرگرافهای بصری»، به مدلهای هوش مصنوعی اجازه میدهد روابط پیچیده بین دادهها را نه فقط به صورت متنی، بلکه به صورت ساختارهای بصری درک کنند. این یعنی دقت بالاتر و فهم عمیقتر برای مدلهای زبانی چندوجهی (MLLM).
این نوآوری گام بزرگی برای هوشمندتر کردن حافظه مدلهای هوش مصنوعی است. نظر شما چیست؟ آیا هوش بصری میتواند RAGها را به سطح بعدی ببرد؟
منبع: arXiv NLP