تتجه الأبحاث في مجال فهم الفيديو إلى آفاق جديدة، حيث ننتقل من تحليل السياقات المغلقة نحو استكشاف الأدلة المفتوحة. أدى ذلك إلى ظهور نموذج جديد يعرف ببحث الفيديو العميق (Video Deep Research - VDR). ومع ذلك، تواجه الوكالات البحثية متعددة الوسائط تحديات، حيث تركز في الغالب على الصور الثابتة، مما يترك معلومات بصرية حيوية دون الاستفادة منها.

لمعالجة هذه القضايا، يُقدم VideoSearcher، وهو إطار عمل مغلق يحتوي على قدرة على التفكير متقدم، يدمج تقنيات نموذج الرؤية اللغوية مع أدوات متعددة لتحسين تجربة بحث الفيديو العميق. يقوم VideoSearcher بتوحيد عمليات التوطين الزمني، والتركيز المكاني، والبحث متعدد الوسائط ضمن مسار تفكير واحد، مما يمكن الوكالات من تثبيت الأدلة البصرية تدريجياً، واسترجاع المعلومات ذات الصلة، وتوليف الإجابات بطريقة ديناميكية.

لتحسين مسارات التفكير المعتمدة على المعرفة، تم ابتكار خوارزمية جديدة تُعرف باسم تحسين سياسة التسلسل ثنائي الفروع (Bi-branch Sequence Policy Optimization - BiSPO)، التي تفصل بين تحسين استدعاء الأدوات ودقة الإجابة. تُعد هذه التصميمات بمثابة إشارات تعلم مستقرة لكل من التفكير القائم على الأدلة واستخدام الأدوات بشكل هادف.

علاوة على ذلك، تم إنشاء VideoSearch-QA، وهو المعيار الأول المصمم لتقييم المعلومات والبحث في الفيديو من منظور عالمي مفتوح. تظهر النتائج التجريبية الشاملة أن VideoSearcher يتفوق بشكل ملحوظ على المعايير السابقة المعتمدة على الوكالات المفتوحة في مجموعة متنوعة من المعايير المرتبطة بالبحث وفهم الوسائط المتعددة. كيف ترون هذا التطور الجديد في عالم الذكاء الاصطناعي؟ ابقوا معنا لمزيد من الأخبار المثيرة!