تعتبر نماذج اللغات الكبيرة متعددة الوسائط (MLLMs) من التطورات الرائدة في مجال الذكاء الاصطناعي، حيث تتمتع بقدرات مذهلة في فهم المهام المرتبطة بالنصوص والصور. لكن برغم هذه القدرات، يتم استخدام هذه النماذج كحلول ‘صفرية’ لمهام جديدة بطريقة غير واضحة. يُظهر البحث الجديد كيفية تجاوز هذه القيود من خلال تقديم ما يسمى في الدراسة بـ 'قناة المنطق الصريح'، والتي تعمل بالتوازي مع النموذج الأسود (black-box model) لتعزيز الفهم الشفاف لسلوكيات النماذج.

تتضمن قناة المنطق الصريح عمليات استدلال منطقية واضحة، مستخدمة نماذج لغوية كبيرة (LLM) ونماذج رؤية توزيع (VFM)، مما يسمح بإجراء استدلالات موضوعية، افتراضية وعلاقية باستخدام أدلة بصرية واضحة. ويتم تقديم معدل التوافق (Consistency Rate - CR) كأداة للتحقق من دقة النماذج واختيار الأنسب منها حتى بدون وجود بيانات توضيحية.

تُظهر التجارب التي أجريت على مهام تمثيلية في الفهم البصري واللغوي (VLC) أن قناة المنطق الصريح قادرة على تحسين الأداء في المهام الصفرية بشكل ملحوظ، مما يعزز من موثوقية وشفافية نماذج اللغات الكبيرة. من خلال هذه الابتكارات، تتحسن قدرة هذه النماذج على تفسير سلوكها، مما يزيد من الثقة في استخدامها في تطبيقات متعددة. لقد أظهرت التقييمات المنهجية فعالية قناة المنطق الصريح ومعدل التوافق كأدوات حيوية لتحسين النماذج.