في أحدث الأبحاث المتعلقة بنماذج الرؤية-اللغة، تقدم طريقة جديدة تعرف بـ LOWN، والتي تعني "Look Only When Needed"، وهي تهدف إلى تحسين الكفاءة أثناء عملية فك التشفير. تُظهر البيانات أن نماذج الرؤية-اللغة التقليدية تقوم بمعالجة مدخلاتها بالكامل في كل خطوة من خطوات إزالة الضجيج، مما يتسبب في إهدار الكثير من الموارد عند تكرار معالجة نفس الصورة.

بينما تعتمد الطرق التقليدية على تقليل عدد الرموز المرئية، فإنها تفقد المعلومات الهامة أثناء هذه العملية. ومع ذلك، تم الكشف عن أن إزالة الصورة لا تغير من دقة النماذج سوى في 22.8% من الخطوات. وبالتالي، تصل طريقة LOWN إلى حل مبتكر، حيث تقرر كل خطوة ما إذا كان هناك حاجة لمعالجة الصورة وكيفية كشف الرموز التي تحتاج إلى ذلك.

من خلال التنبؤ بالرموز المحجوبة دون الحاجة للصورة، تقوم LOWN بتقليل حجم البيانات التي تتم معالجتها، مما يحقق تحولًا كبيرًا في كفاءة الأداء. وللتأكد من دقة النتائج، تعتمد LOWN على توافق التنبؤات، مما يعني أن العدد المحدد من الرموز يُكشف فقط إذا كانت هناك حاجة حقيقية، ما يساعد على تقليل استهلاك الطاقة والموارد.

تُظهر النتائج أن LOWN تُحافظ على 99.6% من درجات نموذج LLaDA-V على عشر اختبارات مع تقليل متوسط FLOPs في فك التشفير بنسبة 35.3%. هذا الابتكار لا يتطلب تدريبًا أو ضبط عتبة، مما يحسن من الاستخدامات العملية للنموذج.

يمكنك زيارة الصفحة الرسمية للمشروع للاطلاع على الكود والمزيد من المعلومات عن هذا الابتكار الرائع والأبحاث المصاحبة له.

ما مدى تأثير هذه التطورات الجديدة في نماذج الذكاء الاصطناعي على مشاريع المستقبل؟ شاركونا آرائكم في التعليقات!