التدريب متعدد الوسائط يمنح نماذج النصوص قدرات بصرية خفية

نشر فريق بقيادة تشي تشانغ ورقة بحثية في 11 Nov 2026، أظهر فيها أن النماذج اللغوية المدربة على الصور والنصوص تطوّر «محورًا بصريًا» خفيًا تستخدمه في الاستدلال النصي البحت. وفي النموذج Chameleon‑7B ذي الـ7 مليارات من المعلمات، أدى تعطيل هذا المحور إلى خفض الدقة في مهمة التنقل من معيار BIG‑Bench Hard بمقدار 27.6 نقطة مئوية، مع تحسن طفيف في الأداء في اختبارات المنطق الرمزي. ويظهر هذا التأثير في طبقات محددة، كما يساعد في مهام تدوير الأشكال ذهنيًا وتبديل المنظور.