في عالم الذكاء الاصطناعي، تعد تكنولوجيا اختبار الوقت (Test-Time Scaling) واحدة من أبرز التقنيات التي تُستخدم لتعزيز التفكير المنطقي في نماذج اللغات الكبيرة (Large Language Models). لكن، هل يمكن لهذه التكنولوجيا أن تحقق ذات الفوائد في نماذج الرؤية اللغوية الصغيرة (Visual Language Models)؟ هذا السؤال يبقى بدون إجابة حتى الآن.

في دراسة جديدة، تم النظر في استخدام TTS على نموذج EXAMS-V، وهو معيار متعدد اللغات لاختبارات الخيارات المتعددة. تم مقارنة تقنيات مثل التناسق الذاتي (Self-Consistency) مع طريقة الوصف ثم التفكير (Describe-Then-Reason) باستخدام البحث بالتحكم القائم على PRM، واثنين من مختارات ما بعد العملية عبر نماذج Qwen2.5-VL-7B-Instruct وQwen3.5-4B.

لقد أظهر البحث أن الشروط التي تُستخدم في تكنولوجيا TTS تلعب دورًا هامًا، بعيدًا عن تقنيات البحث أو التحقق المستخدمة. العامل الأكثر تأثيرًا كان قابلية تحليل البيانات (Parseability): حيث أن تنسيق الطلبات المبكر ترك العديد من سلاسل التفكير تعمل بشكل صحيح ولكنها لم تقم بتقديم إجابة محددة. ومن خلال استخدام أسلوب Cue للإجابة خطوة إصلاح موجه، تمت إزالة معظم هذه القصور.

كما أن رفع حد التكامل من 1000 إلى 2000 رمز أدى إلى استعادة 3.7% من الأداء، بينما زادت عدد السلاسل من 8 إلى 16 أضافت فقط 0.15%. يكشف البحث عن أن الحالات المدعومة بشكل جيد من تكنولوجيا الاختبار توفر المزيد من الفائدة، وذلك بدلاً من استخدام طرق معقدة مثل البحث بالتحكم. في نهاية الدراسة، كانت أعلى درجة تحقيق لنموذجنا تصل إلى 84.1% على مجموعة اختبارات ImageCLEF لعام 2026، مما جعله يحتل المركز الأول في قائمة المتصدرين لاختبارات الرؤية اللغوية.

إذا كنت مهتمًا بالتطورات الأخيرة في مجال الذكاء الاصطناعي، أو لديك رؤى حول كيفية الاستفادة من هذه التقنيات الجديدة، ما رأيك في هذا التطور؟ شاركونا في التعليقات.