تسعى الأبحاث الحديثة في الذكاء الاصطناعي إلى تطوير نماذج قادرة على التعامل مع المشكلات المعقدة بكفاءة وفعالية. في هذا السياق، نقدم نموذج "أثينا" الحديث، الذي يُعرف بأنه نموذج مكافأة العمليات متعددة الأبعاد (Multimodal Process Reward Model) مصمم خصيصًا لتقييم درجة المكافأة لكل خطوة في حل المشكلات المعقدة.

تتطلب النماذج التقليدية عالية الأداء استثمارات زمنية ومالية ضخمة، خاصة بسبب الحاجة إلى تصنيفات خطوة بخطوة. وغالبًا ما تؤدي الطرق الأوتوماتيكية الشائعة، مثل تقدير مونت كارلو، إلى نتائج غير دقيقة بتكاليف حسابية عالية. لذا، تأتينا "أثينا" بحل مبتكر يعتمد على تحقيق الاتساق في التنبؤات بين النماذج الضعيفة والضعيفة التقليدية لتسهيل تحديد التسميات الصحيحة.

لقد أثبتت "أثينا" فعاليتها البارزة في العديد من السيناريوهات والمعايير بفضل استخدام 5000 عينة فقط، مما يُظهر قدرة خارقة على تعزيز الأداء. باستخدام نموذج Qwen2.5-VL-7B كالنموذج السياساتي، تمكّنت "أثينا" من تحسين الأداء بفارق 10.2 نقطة على WeMath و7.1 نقطة على MathVista خلال وقت الاختبار.

بالإضافة إلى ذلك، حققت "أثينا" نتائج مذهلة في VisualProcessBench بتسجيلها نقطة تفوق على النموذج السابق بمعدل 3.9 نقطة في F1-score، مما يبرهن على قدرتها القوية على تقييم دقة خطوات التفكير بدقة.

وعلاوة على ذلك، أطلقت "أثينا" نموذج "أثينا-7B" الذي يتفوق بوضوح على النماذج السابقة بتوجيهيته الجديدة في تحسين المكافآت. من الواضح أن "أثينا" تمثل قفزة نوعية في مجال نماذج التفكير المنطقي متعدد الأبعاد، مما قد يفتح آفاقًا جديدة للبحث والتطوير في الذكاء الاصطناعي.