في عالم الذكاء الاصطناعي المتطور، ظهرت نماذج التفكير المتعددة الوسائط (M-CoT) كأداة فعّالة لحل المهام المعقدة، لكنها ت_واجه تحديات كبيرة تتعلق بتكاليف الحوسبة وضغط ذاكرة التخزين المؤقت. للحد من هذه التكاليف، تم اقتراح تقنية جديدة تُعرف بتحسين تفضيل التباين بين الوسائط (MCPO).

تتضمن MCPO منهجية ذات مرحلتين لمعالجة سلاسل التفكير الطويلة، حيث تركز في المرحلة الأولى على تقليل الطول. تقدم التقنية خوارزمية جديدة تُعرف باسم حسم المعلومات المتبادلة العادية عبر الوسائط (NCMI)، التي تقوم بتحديد وإزالة خطوات التفكير المستقلة بصريًا، مما يقلل من المحتوى المتكرّر والخداع.

في المرحلة الثانية، يجري تعديل النموذج بشكل مُراقب لتحقيق تهيئة تتناسب مع المجال، متبوعة بتحسين باستخدام فقدان تفضيل المسار الطولي المتحكم به غير المتماثل. هذه التقنية تعزز الاستقرار في التوافق بين الوسائط، مما يؤدي إلى انتظام في الأداء عبر السياقات المختلفة.

أظهرت التجارب التي أُجريت على نماذج أساسية مثل Qwen3-VL-Thinking أن اختراع MCPO يمكنه تقليل طول سلسلة التفكير بنسبة تصل إلى 69.5%، مما يتيح تسريع استدلال يصل إلى 3.34 مرة، كل ذلك مع الحفاظ على مستوى دقة مرتفع.

هذا الإنجاز الكبير يفتح آفاقًا جديدة لتطبيقات الذكاء الاصطناعي، مما يزيد من إنتاجية النماذج وعوامل نجاحها في المستقبل.