تا به حال فکر کردهاید که اگر یک مدل هوش مصنوعی بخواهد مسائل دشوار فیزیک را که در آنها نمودار و تصاویر نقش اصلی را دارند حل کند، چه اتفاقی میافتد؟ معمولاً مدلها در درک تصاویرِ فیزیک ضعف دارند.
تیم برنده مسابقات AI4Math امسال با معرفی «SeePhys Pro» این چالش را شکست داد! آنها از یک سیستم دو مرحلهای خلاقانه استفاده کردند:
۱. استخراج اطلاعات بصری: تبدیل محتوای تصاویرِ مسائل به متنِ قابل فهم برای مدل.
۲. استدلال چندعاملی: استفاده از سه مدل مختلف که با هم «مناظره» میکنند تا به دقیقترین پاسخ برسند.
این رویکرد باعث شد دقت مدل از ۶۴٪ به ۸۰٪ برسد و رتبه اول را در این مسابقات کسب کند. باز هم شاهد قدرتِ ترکیب استدلال منطقی و درک بصری هستیم! 🎯✨
منبع: arXiv Machine Learning