في تطور مثير في مجال الذكاء الاصطناعي، تم تقديم PhysMRV، وهو إطار عمل مبتكر لاسترجاع الذاكرة والتحقق من التوافق الفيزيائي، يهدف إلى حل مشكلة موثوقية نماذج الفيديو-لغة (Video-Language Models) في فهم التفاعلات الفيزيائية. بالرغم من الإنجازات الرائعة التي حققتها هذه النماذج في فهم الفيديو والإجابة على الأسئلة البصرية، لا تزال تواجه صعوبات في التفكير المنطقي الفيزيائي.

تتمثل المشكلة الرئيسية في عدم قدرتها على استنتاج العلاقات بين الأجسام والديناميات السببية والمبادئ الفيزيائية الأساسية. وفي هذا السياق، يظهر PhysMRV كحل مبتكر، حيث يوفر نموذجاً بدون تدريب قائم على مبدأ استرجاع الذاكرة والتحقق في التفكير الفيزيائي.

بدلاً من استرجاع مقاطع الفيديو المتشابهة بشكل دلالي كمحتوى إضافي، يقوم PhysMRV بتحويل مقاطع الفيديو التدريبية إلى بنك ذاكرة هيكلي لمعرفة فيزيائية من ثلاثة مستويات متكاملة. تتضمن هذه المستويات: أوصاف المشهد التي تلتقط السياق البصري، ورسوم بيانية للأحداث الفيزيائية التي تصور التفاعلات بين الأجسام والهيكل السببي، وملخصات القواعد الفيزيائية التي تُعنى بتكثيف المبادئ الفيزيائية القابلة لإعادة الاستخدام.

خلال مرحلة الاستدلال، يسترجع PhysMRV الذكريات الفيزيائية ذات الصلة ويعتمد على الأدلة الهيكلية الفيزيائية لتوجيه نموذج VLM ثابت في التحقق من التوافق الفيزيائي، دون الحاجة إلى ضبط دقيق أو تحديثات للمعلمات.

أظهرت النتائج التجريبية أن PhysMRV يعزز التوافق الفيزيائي بشكل متسق عبر نماذج VLM مختلفة ومعايير تقييم متنوعة، مما يثبت فعالية الذكريات الهيكلية كوسيلة لتحسين الاستدلال الفيزيائي بشكل كبير.