في العالم المتطور لنماذج الذكاء الاصطناعي، أصبح الوصول إلى بيانات مرئية دقيقة أحد التحديات الرئيسية. وقد أطلق فريق HALDETECT نظامه الجديد ضمن فعالية ImageEval 2026، الذي يهدف إلى كشف الهلاوس البصرية لدي نماذج التعلم العميق. يعتمد النظام على تقنية QLoRA (Quantized Low-Rank Adaptation) ويستخدم نموذج Qwen2.5-VL-7B-Instruct.

تتميز المهمة بتعقيدها حيث ينبغي على النظام الاختيار بين صورة وثلاثة بيانات ثقافية معقولة، حيث يجب تحديد البيان القائم على الصورة بدقة. ومن خلال إطار عمل يعتمد على القرار التبايني، يقوم HALDETECT بإطلاق الإجابة قبل تقديم التفسير، مع التركيز على الألوان، القوام، الشكل، والسياق.

حقق الفريق المركز الثالث من بين ثمانية فرق، وضربت النتائج المنشودة، حيث بلغ استقرار التباين 0.035 على مجموعة الاختبار المكونة من 1000 عنصر. تشير التجارب إلى أن ترتيب الإجابة قد يكون له تأثير أكبر من حجم النموذج نفسه، مما يعكس أهمية أساليب التكيف على طرق الطلب التقليدية.

بالإضافة إلى ذلك، أكدت التحليلات الاستعادية للفحص الذهبي الذي تم إصداره على فوائد QLoRA مقارنة بأفضل النماذج المعتمدة على الطلب، على الرغم من الفجوات الصغيرة بين النماذج المعدلة. في النهاية، فإن الـ35 خطأ المتبقي كانت تتعلق بالدلالات الثقافية والتمييز بين العناصر والمواد، مما يعكس التحديات المستمرة في هذا المجال.