في خطوة تبحث عن تعزيز قدرات نماذج فيديو اللغة (VLM)، تم تقديم معيار CycliST الجديد، الذي يعد بشيء مميز في تقييم قدرة هذه النماذج على التفكير النصي عبر التحولات الدورية. تم تصميم CycliST ليكون مرجعية جديدة تجمع بين التعقيد والواقعية في محاكاة العمليات الحياتية من خلال توليد مقاطع فيديو اصطناعية ذات أنماط حركية دورية.

تشتمل قاعدة البيانات على مشاهد غنية بالهيكل وتقدم تقييمًا متدرجًا لمدى قدرة النماذج على التعامل مع الاختلافات في عدد الأجسام الدورية، وزيادة التعقيد في المشاهد، وتغيرات الإضاءة. تحدي CycliST يفصل تلك القدرات عن النماذج الحالية، وإجراء الاختبارات أظهر قصور هذه النماذج في التعرف على الديناميات الدورية مثل الحركة الخطية والدائرية.

تكشف التحليلات الدقيقة أن نماذج VLM الحالية تواجه صعوبة في فهم الأنماط الدورية، وعلى الرغم من حجمها أو هيكلها، إلا أنه لا توجد نموذج يحقق أداءً موحدًا عبر جميع المهام. يقدم CycliST فرصة للتحدي، مما يفتح الباب أمام تطوير نماذج التفكير البصري القادرة على التفاعل مع الأنماط الدورية بشكل أفضل وأعمق من النماذج الحالية.