في عالم الذكاء الاصطناعي المتقدم، تعتبر نماذج الرؤية-اللغة (Vision-Language Models) من أهم الابتكارات. لكن، كما كان متوقعًا، واجهت هذه النماذج تحديات خطيرة بسبب عدم استقرارها في مواجهة التهديدات الخارجية، مثل التشويشات العدائية.

مؤخراً، قرر فريق من الباحثين تحسين تلك النماذج عبر تقديم تقنية جديدة تحمل اسم "التوجيه القائم على الاستقرار والملاءمة في ضبط الوقت" (Stability and Suitability-guided Test-time Prompt Tuning أو SS-TPT).

تقوم هذه التقنية بتحليل نوعية كل وجه مضاف من خلال قياسين أساسيين: الاستقرار، الذي يقيس مدى ثبات التنبؤات عند تطبيق تغييرات طفيفة، والملاءمة، الذي يقيم كثافة ميزات الفضاء بين الوجوه.

باستخدام هذه المؤشرات، تمكنت SS-TPT من تحسين الأداء بشكل ملحوظ، مما أسفر عن نتائج أفضل في التعامل مع مجموعة متنوعة من التحديات. هذه الابتكارات لا تضمن فقط فعالية مُحسنة ضد التهديدات، بل تُظهر أيضاً قدرة هذه النماذج على العمل بشكل عام في مختلف السيناريوهات.

أثبتت التجارب أن SS-TPT تتفوق على الأساليب الحديثة السابقة، مُحققَة توازناً مثاليًا بين القوة والسرعة، مما يدعو للتفاؤل بمستقبل الأمن في الذكاء الاصطناعي. يمكنكم الاطلاع على الكود المصدر لهذه التقنية الرائعة على GitHub.