في ظل التقدم السريع الذي تشهده نماذج اللغة متعددة الوسائط (MLLMs)، تعد قضايا عدم الصدق مثل الهلاوس البصرية وفبركة المحتوى والأخطاء في التفكير تمثل تحديات كبيرة. إذ إن هذه المشكلات تؤثر بشكل كبير على موثوقية هذه النماذج وفائدتها العملية. للاستجابة لهذه التحديات، تم اعتماد أساليب توافق قائمة على تفضيلات البشر مثل تحسين التفضيلات المباشرة (DPO).

ومع ذلك، غالبًا ما تتكرر أخطاء التفكير عبر المراحل، حيث قد تُعزى أخطاء الإجابات النهائية إلى أخطاء في مراحل التأسيس الأولية. تعتبر هذه المشكلة تحديًا كبيرًا، حيث أن إشراف الـ DPO القياسي يتم تطبيقه على مستوى الإجابة النهائية، مما يترك مراحل الإعداد الأولية دون إشراف مباشر.

لذا، جاء الابتكار مع تحسين تفضيلات السياق المترابط (Groc-PO)، وهو إطار مبتكر لتحسين تفضيلات MLLMs. يتضمن هذا الإطار أيضًا مجموعة بيانات تحسين تفضيلات السياق المترابط (GCPD)، التي تنظم عينات التفضيلات متعددة المراحل حول مراحل التأسيس الكائن، والتأسيس السياقي، والتفكير المبني على السياق.

من خلال تقديم إشراف تفضيل أكثر وضوحًا عبر مراحل متعددة، يعزز Groc-PO من القدرة على التفكير المعتمد على السياق ويقلل من أخطاء المرحلة المتكررة. تُظهر التجارب الشاملة أن Groc-PO يتفوق في الأداء مقارنةً بـ DPO القياسي وغيرها من الأسس القوية، مما يدعم قيمة الإشراف المترابط الموثوق في تحسين reasoning متعدد الوسائط.