مدلهای زبانی چندوجهی (MLLM) معمولاً برای هر سوالی، یک مسیر فکری ثابت را طی میکنند که گاهی باعث هدررفت انرژی و زمان میشود. محققان در پژوهش جدیدی، فریمورک «Switch-Reasoner» را معرفی کردهاند که یاد میگیرد چه زمانی واقعاً نیاز به «فکر کردن» (استدلال) است و چه زمانی میتواند پاسخ را مستقیم ارائه دهد.
ویژگیهای کلیدی این مدل:
✅ افزایش بهرهوری و سرعت در وظایف چندگانه
✅ کاهش محاسبات غیرضروری بدون افت دقت
✅ استفاده از یادگیری تقویتی برای تصمیمگیری هوشمندانه بین حالت مستقیم و استدلالی
این نوآوری گامی بزرگ به سمت مدلهای هوش مصنوعی «بهینهتر» و «سریعتر» است که منابع سیستم را هوشمندانهتر مدیریت میکنند. ⚡️
منبع: arXiv Computer Vision