Kini o ṣẹlẹ
Awọn oniwadi ṣe afihan PUMA, tabi Iṣọkan Iṣọkan Multimodal Iṣọkan, ipilẹ ala ti a ṣe lati ṣe idanwo awọn eto AI multimodal lori awọn iṣẹ ṣiṣe kan pato ti aṣa ati ede. Iwe naa ṣe iṣiro iṣowo, iwuwo-ìmọ ati awọn eto amọja kekere kọja ọrọ, awọn aworan, ohun ati awọn iwe aṣẹ ọlọrọ oju.
Orisun naa jẹ iwe-tẹlẹ arXiv ti a fi silẹ ni Oṣu Kẹjọ Ọjọ 22, Ọdun 2026. O ṣafihan PUMA, eyiti o duro fun Iṣayẹwo Multimodal Iṣọkan Polish, gẹgẹbi ipilẹ fun oye multimodal ti ilẹ ti aṣa. Awọn oniwadi ṣe apejuwe awọn iṣẹ-ṣiṣe 900 ti a ṣe ni ọwọ ti a pinnu lati ṣe idanwo bi awọn eto AI ṣe n ṣakoso aṣa aṣa ati ede Polandii. Apẹrẹ ala jẹ apẹrẹ fun awọn ọna ṣiṣe ti o ṣe ilana diẹ sii ju ọrọ lọ, ti n ṣe afihan idojukọ iwe naa lori apapọ lilo ede, awọn aworan, ohun ati awọn iwe aṣẹ ọlọrọ oju.
Gẹgẹbi áljẹbrà iwe naa, PUMA ṣe iṣiro oye aṣa mejeeji ati awọn ọgbọn multimodal ilowo. Awọn ọna kika iṣẹ-ṣiṣe ti a ṣe akojọ pẹlu ọrọ, awọn aworan, ohun ati awọn iwe aṣẹ ọlọrọ oju. Eyi jẹ ki ala-ilẹ naa gbooro ju idanwo ti iran ọrọ lasan tabi idahun ibeere aworan nikan. Orisun naa ko pese awọn iṣẹ-ṣiṣe kọọkan, awọn apẹẹrẹ ti awọn ohun elo aṣa Polandii, awọn ilana asọye, tabi didenukole iye awọn iṣẹ-ṣiṣe ti o jẹ ti ilana kọọkan.
Awọn oniwadi naa sọ pe wọn ṣe iṣiro awọn awoṣe iṣowo aala, awọn awoṣe iwuwo-ìmọ ati awọn eto kekere pataki. Abajade wọn ti a royin jẹ iṣẹ aiṣedeede: awọn awoṣe iṣowo ti o ga julọ ṣaṣeyọri awọn ikun giga lori idahun ibeere wiwo, lakoko ti ọpọlọpọ awọn awoṣe n tiraka pẹlu ohun idiju tabi oye iwe. Orisun ṣe afihan eyi bi wiwa lati inu igbelewọn iwe, kii ṣe bii ipo ijẹrisi ominira ti awọn eto ti o kan. Ko lorukọ awọn awoṣe tabi fun awọn nọmba nọmba ninu ọrọ ti a pese.
Iwe naa sọ pe awọn oniwadi n ṣii-orisun ilana igbelewọn wọn lati ṣe atilẹyin iwadii multimodal AI ti agbegbe. Orisun ti a pese ko ṣe idanimọ ibi ipamọ ọtọtọ, pato iwe-aṣẹ ilana, tabi ṣe alaye boya pipe data ati awọn irinṣẹ igbelewọn ti wa ni iraye si ni gbangba. O ṣe idanimọ iwe naa gẹgẹbi ẹya ọkan ti ifisilẹ arXiv ati awọn ọna asopọ si iwe funrararẹ, ṣugbọn ko funni ni ẹri ti atunyẹwo ẹlẹgbẹ, imuṣiṣẹ ni eto iṣelọpọ, tabi isọdọmọ nipasẹ awọn oluyẹwo ita.
Awọn alaye orisun: arxiv.org ↗
Kini idi ti o ṣe pataki
Ala-ilẹ n ṣalaye aafo ilowo ninu igbelewọn AI: awọn ọna ṣiṣe ti o ṣiṣẹ daradara lori awọn idanwo ti a lo lọpọlọpọ le tun tiraka pẹlu awọn itọkasi aṣa agbegbe, ọrọ-ọrọ-ede kan pato, ohun, tabi awọn iwe idiju. PUMA nfunni ni ilana agbegbe ti o le jẹ ki awọn ailagbara wọnyẹn rọrun lati wiwọn.
Multimodal AI nigbagbogbo ni iṣiro pẹlu awọn ipilẹ ti o tẹnumọ awọn agbara gbogbogbo, ṣugbọn orisun jiyan pe aṣa ati ọrọ ede nilo igbelewọn ifọkansi diẹ sii. Eto kan le ṣe idanimọ awọn nkan tabi dahun awọn ibeere wiwo gbooro lakoko ti o nsọnu itumọ ti itọkasi agbegbe, tumọ apẹẹrẹ ohun ti ko tọ, tabi kuna lati yọ alaye jade lati inu iwe idiju oju. Idi ti PUMA ti sọ ni lati ṣafihan awọn iyatọ wọnyẹn ni eto Polish dipo ṣiṣe itọju iṣẹ ṣiṣe ni ede Gẹẹsi tabi awọn idanwo jeneriki ti aṣa bi ẹri ti o to ti oye gbooro.
Aafo ti a royin laarin idahun ibeere wiwo ati ohun idiju diẹ sii tabi awọn iṣẹ ṣiṣe iwe jẹ pataki ni iṣe nitori awọn olumulo gidi nigbagbogbo ba pade awọn igbewọle adalu. Eto ti a lo fun eto-ẹkọ, alaye ti gbogbo eniyan, iṣẹ ile ifi nkan pamosi tabi atilẹyin alabara le nilo lati darapo ede pọ pẹlu awọn aworan, awọn gbigbasilẹ ati awọn ohun elo ti a ṣe eto tabi ojuran. Orisun naa ko beere pe PUMA jẹri pe awọn ọna ṣiṣe wọnyi ko ni aabo tabi aiṣe lilo. O ṣe afihan pe iṣẹ ṣiṣe to lagbara ni agbegbe multimodal kan ko yẹ ki o ro pe o gbe lọ laifọwọyi si awọn ọna kika miiran.
Ifisi ti iṣowo, iwuwo-ìmọ ati awọn ọna ṣiṣe amọja ti o kere le jẹ ki ala-ilẹ wulo fun ifiwera oriṣiriṣi iwọle ati awọn yiyan imuṣiṣẹ. Awọn ọna ṣiṣe iwuwo ṣiṣi le rọrun lati ṣayẹwo tabi ṣe deede, lakoko ti awọn ọna ṣiṣe ti o kere ju le dara julọ fun awọn agbegbe ihamọ; sibẹsibẹ, orisun ti a pese ko ṣe ijabọ bi awọn iṣowo yẹn ṣe kan awọn abajade. Iye lafiwe yoo dale lori boya awọn iṣẹ-ṣiṣe, awọn ofin igbelewọn ati awọn ipo igbelewọn jẹ ṣiṣafihan to fun awọn oniwadi miiran lati tun ṣe.
A culturally grounded can also broaden who is represented in AI quality measurement. Ti igbelewọn ba dojukọ awọn ede ti o ni agbara ati awọn eto aṣa ti o ni ipoduduro pupọ, awọn ailagbara ti o kan awọn agbegbe miiran le wa kere si han. PUMA jẹ pataki nipa ede Polandi ati aṣa, nitorinaa awọn ipinnu taara rẹ ni opin si apẹrẹ ala ati awọn abajade. Itumọ ti o gbooro jẹ ọna-ọna: o ṣafihan apẹẹrẹ ti o nipọn ti iṣiro awọn ọna ṣiṣe multimodal lodi si agbegbe agbegbe dipo ki o ro pe iṣẹ ṣiṣe ala-gbogbo gba iriri gbogbo olumulo.
Ibaraẹnisọrọ Mechanism: Bii O Ṣe Nṣiṣẹ Lootọ
Ṣawari imọ-ẹrọ abẹlẹ lẹhin idagbasoke yii ni ibaraenisọrọ.
Which component of an AI application is the machine-learning model itself?
Kini lati wo tókàn
Iwe naa ṣe ijabọ awọn iyatọ iṣẹ ṣiṣe gbooro, ṣugbọn áljẹbrà rẹ ko pese awọn orukọ awoṣe, awọn ipele ipele-ṣiṣe, awọn apẹẹrẹ, tabi afọwọsi ominira. Ṣiṣayẹwo ọjọ iwaju yẹ ki o dojukọ apẹrẹ ala-kikun, agbegbe data, atunṣe, iwe-aṣẹ, ati boya awọn abajade waye kọja awọn eto tuntun ati awọn aaye aṣa miiran.
Ibeere akọkọ ni kini PUMA ṣe iwọn ni ipele iṣẹ-ṣiṣe. Afoyemọ naa sọ pe ala ni awọn iṣẹ ṣiṣe ọwọ 900, ṣugbọn orisun ti a pese ko ṣe afihan pinpin wọn kọja ọrọ, awọn aworan, ohun ati awọn iwe aṣẹ, tabi ko ṣe apejuwe awọn ẹka aṣa ti o ṣojuuṣe. Awọn oluka yẹ ki o wa taxonomy iṣẹ-ṣiṣe ni kikun, awọn apẹẹrẹ, awọn itọnisọna asọye ati eyikeyi ẹri pe ala-ilẹ ṣe iyatọ imọ-otitọ lati itumọ ti aṣa.
Ifiwewe awoṣe ti a royin tun nilo alaye diẹ sii. Orisun naa sọ pe awọn awoṣe iṣowo aala, awọn awoṣe iwuwo-ìmọ ati awọn eto amọja ti o kere ju ni a ṣe ayẹwo, ṣugbọn ko ṣe idanimọ wọn tabi pese awọn ikun, awọn aaye igbẹkẹle, awọn ifilọlẹ, awọn eto eto tabi awọn ipo ohun elo. Without those details, the result can establish that the authors observed a performance gap in their evaluation, but it cannot establish a durable league table or show whether differences came from model capability, configuration, access constraints or task familiarity.
Atunse yoo dale lori ilana orisun ṣiṣi ti a ṣe ileri ati wiwa ti awọn ohun elo ala. Orisun naa sọ pe ilana igbelewọn ti wa ni ṣiṣi, ṣugbọn ko ṣe pato ibi ipamọ kan, iwe-aṣẹ, awọn ihamọ pinpin data tabi boya diẹ ninu awọn ohun elo ifarabalẹ ni idaduro. Awọn alaye yẹn ṣe pataki fun ṣayẹwo ominira. Wọn yoo tun pinnu boya awọn oniwadi le tun ṣe igbelewọn, ṣayẹwo igbelewọn, idanwo fun iyapa iwe asọye ati ṣe afiwe awọn awoṣe nigbamii labẹ awọn ipo kanna.
Awọn iṣeduro iwe naa yẹ ki o tun ni idanwo ju ala-ilẹ Polandii akọkọ. Iṣẹ atẹle le ṣe ayẹwo boya ilana kanna yoo han ni awọn ede miiran ati awọn eto aṣa, boya awọn awoṣe dara si lẹhin isọdi ti a fojusi, ati boya iṣẹ ṣiṣe lori PUMA ṣe asọtẹlẹ aṣeyọri ninu awọn iṣẹ ṣiṣe olumulo gidi. Orisun ti a pese ko ṣe ijabọ awọn abajade ipilẹ eniyan, ẹda ita, idanwo gigun tabi ẹri pe awọn ikun ala ṣe tumọ si awọn abajade to dara julọ fun eniyan. Awọn yẹn jẹ awọn aimọ ti o nilari dipo awọn ipari ti o le fa lati inu áljẹbrà.