استكشاف حدود الوصول البصرية في نماذج التفكير المسبق للذكاء الاصطناعي!

في عالم الذكاء الاصطناعي، تتقدم نماذج اللغة والرؤية (Vision-Language Models) بخطوات سريعة، مما يجعل من الضروري فهم سلوكها. شهدت الأبحاث الأخيرة نقلة نوعية من خلال تقنية Chain-of-Thought (CoT) المعروفة بأنها تعتبر استراتيجية فعالة في تحديد الفعالية أداء هذه النماذج.

فقد اتضح أن هذا الأسلوب لا يقتصر على تحسين الأداء عبر الوصول المستمر إلى رموز الصور، بل إنه يمتد ليشمل حسابات تعتمد على المعلومات المستخلصة من الحالات المخفية للصورة. تقدم الدراسة الجديدة مفهومًا مبتكرًا يُعرف باسم حدود الوصول البصرية (Visual Access Boundary) وتفحص كيفية تأثيرها على دقة المهام.

استخدم الباحثون آلية تسمى Visual Access Sweep لتقييم كيف يمكن أن يؤثر تداخل الوصول في أداء النماذج المختلفة، بما في ذلك Qwen2.5-VL وInternVL3. تظهر النتائج أن تقنيات CoT، رغم توليدها لتسلسلات أطول، تحتفظ بحدود وصول بصرية محدودة، حيث يتباين ذلك بين نموذج وآخر.

ومع ذلك، كان للأداء الموثوق في قراءات السمات المرئية تأثير كبير، مما يوحي بأن الحدود ليست دائماً قابلة للتجاوز. في مواقف معينة، يمكن أن تحسن CoT من قدرة النموذج على عد السمات عندما يتم تقديم السمات الصحيحة كنصوص، بينما يمكن أن تكون السمات الصعبة متاحة فقط في حالات مخفية معقدة.

تشير هذه النتائج إلى أن الفجوة تكمن في قدرة النماذج على التعامل مع المعلومات أكثر من كونها مرتبطة بقدرتها على الوصول إلى الصور نفسها.