في عالم الذكاء الاصطناعي المتطور، يبرز مفهوم جديد يسمى MentalThink، الذي يقدم بديلاً مبتكرًا للتفكير التصوري باستخدام نماذج تعددية الأنماط (Multimodal LLMs). يتمحور جوهر هذا النظام حول عملية تُعرف باسم think-with-SVG، حيث يتعلم النموذج توليد وتحليل رموز الرسومات المتجهة القابلة للتنفيذ (SVG) كتمثيل بصري وسيط لفهم منطقي متعدد الأبعاد.

يهدف MentalThink إلى تحسين قدرات نماذج الذكاء الاصطناعي في التفكير المكاني من خلال إنشاء تخطيطات متجهة هيكلية، مما يمكّن النموذج من توسيع الفرضيات المكانية وفحصها بدقة عبر عملية تحديد-rendering الحتمية. بذلك، يتمكن من تقليد العمليات العقلية البشرية في تكوين الصور الذهنية.

يعتمد هذا النظام على إطار تدريب ثنائي المرحلة، يجمع بين تعديل دقيق تحت إشراف (Supervised Fine-Tuning - SFT) لتحسين توافق الرموز المتجهة، وتعلم تعزيز متعدد الجولات (Reinforcement Learning - RL) لتحفيز الفحص، والمراجعة، والتنقيح للفرضيات البصرية الوسيطة.

أظهرت التقييمات المكثفة أن MentalThink يحقق أداءً فائقًا في اختبارات الفهم المكاني والاستدلال، حيث حصل على 55.1% على معيار VSIBench و76.0% على معيار MindCube. هذه النتائج تؤكد أن الرسومات المتجهة القابلة للتنفيذ توفر بيئة بصرية قابلة للتحقق لأخذ وجهات نظر ديناميكية، والتفكير البصري، وإنشاء مشاهد تركيبية بشكل فعال.