في عالم متسارع يتسم بالتغيرات التكنولوجية السريعة، تبرز الحاجة إلى تقييم تفضيلات الصور الشخصية بدقة. لقد عالج الباحثون هذه الحاجة عبر تقديم طريقة جديدة تُعرف "تقييم تفضيلات الصور بالاعتماد على الاستدلال". هذه الطريقة تعتمد على تحليل مجموعة صغيرة من الصور المرجعية لفهم تفضيلات المستخدم بدلاً من الاعتماد على بيانات ضخمة وعامّة.

تتسم الأساليب التقليدية بتركيزها على تقييم التفضيلات العامة، وغالبًا ما تلجأ إلى نماذج ضخمة للتعامل مع مهام تربط النص بالصور. لكن، تكمن المشكلة الكبرى في تخصيص التفضيلات، حيث تعد البيانات الخاصة بالمستخدمين نادرة ولا يمكن توسيعها بسهولة. لذا، يبتكر الباحثون ملفًا شائعًا للتفضيلات يمكن أن يكون جسرًا بين مختلف المستخدمين، مما يسمح بالاستفادة من بيانات المستخدمين الكبيرة في تدريب نماذج التقييم.

يعتمد نظام التقييم الجديد على إطار عمل مهيكِل، يبدأ بتوقع ملف التفضيلات الخاص بالمستخدم من الصور المرجعية، ثم يقدم تقييمات متعددة الأبعاد توضح مدى تناسب الصور المرشحة مع تفضيلات المستخدم. ولتعزيز هذه العملية، تم إنشاء مجموعة بيانات كبيرة تحمل أسلوب "سلسلة التفكير" المعنية بتقييم التفضيلات، مما يضمن الإشراف الواضح على استدلال المنطقي.

علاوة على ذلك، تم تطبيق استراتيجية تدريب من مرحلتين، تشمل مرحلة أولية تعزّز قدرات النموذج في الاستدلال المنطقي، تليها مرحلة تعزيز التعلم. وهذا يساعد النموذج على استكشاف مسارات تقييم أكثر منطقية. بالإضافة إلى ذلك، تم اقتراح مكافأة التنبؤ المدركة للتشابه لتشجيع توقع أفضل لملف التفضيلات وهذا يسهل استكشاف التقييمات الأكثر ملاءمة.

تظهر التجارب الواسعة تفوق الطريقة الجديدة التي عالجت تحديات معقدة في تخصيص التفضيلات، مما يبشر بمستقبل مشرق في هذا المجال.