في عالم النماذج اللغوية البصرية (Vision-Language Models)، يشهد البحث تقدمًا مثيرًا من خلال تقنيات جديدة تمهد الطريق لتحقيق أداء أعلى وكفاءة أكبر. ومن بين هذه التقنيات، تأتي تقنية اختيار الرموز المتعامدة الجشع (Greedy Orthogonal Token Selection - GOTS)، والتي تعد ثورة في طريقة معالجة الرموز البصرية.

تعمل تقنيات GOTS على تقليل عدد الرموز المرئية المطلوبة لتحسين أدائها من خلال تحقيق تكامل بين الرموز المختارة. ففي الوقت الذي تعتمد فيه النماذج التقليدية على تقييم الأهمية بناءً على عدة معايير مثل العلاقة بين الرموز وتنوعها، تتميز GOTS بنهج فريد يعتمد على اختيار الرموز وفقًا لتكاملها.

تتيح هذه الطريقة للمستخدمين تحسين الاستنتاج وتقليل تكاليف العمليات المعقدة التي تتطلبها معالجة آلاف الرموز البصرية. وقد أظهرت النتائج التجريبية أن GOTS تحقق زيادة ملحوظة في الاحتفاظ بالأداء مقارنة بأفضل المعايير المتاحة، كما أثبتت تجارب OCRBench أن هذه التقنية تخفض من زمن بدء الاستجابة في النماذج.

الابتكار ليس فقط في الأداء، ولكن أيضًا في كيفية فهم وتحليل الكفاءة النسبية للرموز، مما يقدم مقدمة جديدة تفتح آفاقًا لمزيد من التطورات في مجال الذكاء الاصطناعي.

إذا كنت مهتمًا بالتفاصيل الكاملة، يمكنك الاطلاع على الرمز المصدري المتاح على GitHub.