محققان در یک پیشرفت جدید، متد BUS (مخفف Brain-Inspired Unsupervised Self-Reflection) را معرفی کردهاند که به مدلهای بینایی-زبانی (VLM) اجازه میدهد بدون نیاز به دادههای برچسبگذاری شده، قدرت استدلال خود را به شکل چشمگیری افزایش دهند.
این روش که از مکانیسم «پیشبینی معکوس» در مغز انسان الهام گرفته، به مدل کمک میکند تا خودش را اصلاح و بازنگری کند. نتیجه؟ عملکرد بهتر در تحلیل تصاویر پیچیده بدون هزینههای سنگینِ جمعآوری دادههای آموزشی! 📸✨
این نوآوری بهویژه برای توسعهدهندگانی که به دنبال ارتقای مدلهای بینایی با روشهای کارآمدتر هستند، یک گام رو به جلو محسوب میشود.
منبع: arXiv Computer Vision