في عالم الذكاء الاصطناعي، تلعب نماذج الرؤية-اللغة (Vision-Language Models) دورًا محوريًا في استرجاع المعلومات متعددة الوسائط. ومع ذلك، تواجه هذه النماذج تحديات كبيرة بسبب التكاليف المرتفعة في مرحلة الاستدلال، مما يقيد قدرتها على تقييم مشاهد مرشحة صغيرة محليًا فقط. ولحل هذه المشكلة، تم اقتراح نظام جديد يُدعى AMBER (Adaptive Multi-view Budgeted Elo Reranking).

AMBER يعد بمثابة إطار عمل ديناميكي لإعادة التصنيف، حيث يركز على تخصيص الموارد بشكل أمثل من خلال استخدام ميزانية متعددة العروض. يعالج النظام نتائج نماذج الرؤية-اللغة المجزأة كما لو أنها دورات محلية، مما يمكّنه من الحفاظ على حالة تصنيف خفيفة الوزن من خلال تحديثات Elo المستمرة.

هذه التقنية تتيح بناء مشاهد مرشحة بفوضى درجات عالية، بالإضافة إلى جدولة الاستعلامات لتعظيم المعلومات المتوقعة المكتسبة. ومن المثير للاهتمام أن كل تحديث لـ Elo يتوافق مع خطوة صعود تدريجية عشوائية على احتمالية لوجستية، حيث يقدم النظام دافعًا نظريًا للمسار المعني بمستوى استعلام.

أثبتت التجارب التي أجريت على مجموعات بيانات CIRR، CIRCO، وPhotoBench أن AMBER يتفوق على أساليب إعادة تصنيف VLM متعددة الاستدعاءات الأخرى بالإجمال، حتى في حالة ميزانية أقل. والأهم من ذلك أن الشيفرة الخاصة بالنظام متاحة للجمهور عبر GitHub، مما يمكّن المطورين والباحثين من استكشاف هذا الابتكار بشكل مباشر.