تشهد نماذج اللغات متعددة الأنماط (Multimodal Large Language Models) تطورات كبيرة تتطلب التفكير العميق في كيفية معالجة المعلومات المتنوعة. تعتمد الأساليب التقليدية في التعلم المعزز على تخصيص ميزة واحدة لجميع الرموز في الاستجابة، مما يؤدي إلى قصور في معالجة المعلومات الحسية في مثل هذه النماذج.

لحل هذه المشكلة، تم تقديم نهج جديد يسمى تحسين السياسات متعددة الفروع (Multi-Branch Policy Optimization - MBPO)، الذي يعتمد على إطار عمل قائم على الشجرة. هذا الإطار يمكن النماذج من إنشاء أشجار تفكير على الحدود بين القرارات البصرية واللغوية، مما يتيح للفروع الشقيقة استكشاف فرضيات بصرية متنوعة.

علاوة على ذلك، يقدم البحث أيضًا مخزن إعادة تشغيل زمني لإعادة استخدام الأجزاء المفيدة والتحكم في التقادم في السياسات، مما يعزز من كفاءة التعلم ويحقق نتائج أفضل على معايير متعددة الأنماط. وقد أظهر تنفيذ هذا النهج تفوقه على أساليب الأساس التقليدية، مما يعكس تحسين جودة إشارة التعلم وكفاءة التحسين.

للاستزادة، يمكنك الاطلاع على الكود البرمجي المتاح للعامة عبر الرابط [https://github.com/ShuaiLyu0110/MBPO]. ما رأيكم في هذه التطورات الجديدة؟ شاركونا آراءكم في التعليقات!