في عالم الذكاء الاصطناعي، تحظى نماذج تحويل النص إلى صورة (Text-to-Image Models) باهتمام متزايد، وذلك لقدرتها على خلق صور مذهلة تعكس النصوص بدقة. لكن، هناك عائق رئيسي يتسبب في عدم تطابق العديد من هذه الصور مع الفهم الفيزيائي الأساسي، مما يعرّض النتائج لتحديات كبيرة.

مع عدم كفاية المعايير الحالية التي تعتمد على أوصاف عامة، تمكّنت OmniPhys من الخروج بفكرة رائدة: تقديم معيار مخصص يتضمن 1,551 عينة مستندة إلى رسم بياني للمعرفة الفيزيائية (Physical Knowledge Graph). من خلال الربط بين محاكاة PhET والمناهج الدراسية القياسية، استطاعت OmniPhys أن تُرسخ مسار معرفة واقعياً يُتيح إجراء اختبارات تشخيصية عبر بروتوكول تحقق مزدوج.

لكن الأمر لا يتوقف عند هذا الحد. فقد تم تقديم إطار عمل مبتكر يسمى OmniPrompt، الذي يعامل التوافق الفيزيائي كمشكلة تحسين منفصلة. يتجمع في هذا الإطار صور عشوائية ضمن حاوية تغذية لكل استفسار، ويستفيد من ملاحظات مستمرة لتحسين الأداء التدريجي للنموذج.

تُظهر التقييمات التي أُجريت على 12 نموذجاً تمثل نماذج تحويل النص إلى صورة أنه هُناك قيود فيزيائية شاملة تؤثر عليها. ودون اللجوء إلى تعقيدات غير ضرورية، استطاعت OmniPrompt أن تعزز من تماسك النتائج الفيزيائية على نماذج متنوعة، مما يثبت كفاءة السياسات المتطورة التي طورها الباحثون. للمزيد من التفاصيل، يمكنكم زيارة الرابط المتاح للحصول على الكود والبيانات.