أحد الحلول المثيرة التي تم اقتراحها هو إطار STAR-Pro (Stage-Wise Adaptive Token Reduction with Progressive Refinement)، الذي يقدم نهجًا تدريجياً في تقليل الرموز التصويرية دون الحاجة إلى إجراء عمليات تدريب إضافية.
STAR-Pro؟ ">كيف يعمل STAR-Pro؟
يعتمد الإطار على مرحلتين رئيسيتين:
- **المرحلة التكيفية**: تستخدم تقنية QR المحورية لإنشاء مجموعة مرشحة تغطي الميزات بشكل أكبر مما هو مطلوب.
- **المرحلة التقدمية**: تركز على تتبع الانتباه بين النصوص والصور عبر طبقات المفكك، حيث يتم تقليل الرموز بناءً على الأهمية المتغيرة لهذه الطبقات.
تظهر التجارب أن STAR-Pro يمكنه تقليل الرموز التصويرية بنسبة مذهلة تصل إلى 90.5%، مع الاحتفاظ بنسبة 92.7% من الأداء الأساسي، فضلاً عن تحقيق تسريع في سرعة الاستدلال بمقدار 2.24 مرة.
هذه الابتكارات تعد خطوة كبيرة نحو زيادة كفاءة نماذج الذكاء الاصطناعي وتجعلها أكثر قابلية لتطبيقات متنوعة. إذ تؤكد النتائج أهمية الحفاظ على التغطية الواسعة للمعلومات البصرية خلال عمليات الدمج متعددة الأنماط، مما يعمل على تعزيز فعالية النماذج في معالجة البيانات المعقدة.
إذا كنت مهتمًا بالتكنولوجيا المستقبلية في الذكاء الاصطناعي، فإن STAR-Pro يمثل فرصة مثيرة لمزيد من الاكتشافات.