في عالم الذكاء الاصطناعي، يبقى دقة الإجابات المرتبطة بالتفكير المكاني مسألة محورية. وعندما تتباين الإطارات المرجعية (Reference Frames) والدلائل البصرية (Visual Evidence)، كيف يمكن أن نضمن الاستمرار في الحصول على إجابات صحيحة؟ في سياق هذه التساؤلات، يسرنا الإعلان عن إطلاق معيار Frame Evidence، الذي يعد تطوراً هاماً في هذا المجال.

يتضمن هذا المعيار الجديد 320 ثلاثي مرجعي و960 سؤال خيار متعدد باللغة الصينية، مما يوفر قاعدة بيانات غنية لفهم كيفية تأثير الإطارات المرجعية والدلائل البصرية على النتائج.

يتألف أحد الأسر من مقارنة ثلاث إطارات مرجعية ثابتة عبر صور معينة، بينما تركز الأخرى على كيفية تأثير حذف الصور المرفقة بالتعليقات التحليلية على دقة الإجابة. يعتمد المعيار على مقاييس مشتركة تتطلب الحصول على إجابات صحيحة عبر جميع الإطارات الثلاثة وأنماط الدلائل المدعومة.

عند تطبيق هذه الطرق على 288 سؤالاً محجوزاً، تم تحقيق دقة بنسبة 50% باستخدام طريقة GPT ثلاثية الاستخدام، ولكن لم تتجاوز أفضل مجموعة من الإطارات الثلاثة 10.42%. على الرغم من توفر تحسينات بديلة، مثل تكيف الموجهات الخاصة بالمهام، لم تؤدِ لمزيد من تحسين الدقة في الإجابات المرتبطة بالأدلة.

المثير للاهتمام أن التحكم في المدخلات يُظهر الأماكن التي تدعم فيها الصور النجاح المتطابق، بينما تكشف الاختبارات المتكررة عن عدم استقرار الإجابات بالرغم من وجود نتائج مشابهة. يعد معيار Frame Evidence بمثابة نقلة نوعية في استيعاب الفروق الدقيقة في عمليات التفكير المكاني، مما يمهد الطريق لمزيد من الأبحاث والتطورات في هذا المجال.