# التدريب متعدد الوسائط يمنح نماذج النصوص قدرات بصرية خفية

> يُظهر باحثون أن التدريب على الصور واللغة يعيد تشكيل طريقة حل النماذج اللغوية للمهام المكانية، حتى عند تزويدها بالنصوص وحدها.

Oossa · 2026-11-13 · https://oossa.com/ar/multimodal-training-gives-text-only-models-hidden-visual-reasoning-abilities

تاريخ الحدث: 2026-11-11

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.

## الحقائق

- يفقد Chameleon‑7B مقدار 27.6 نقطة مئوية من الدقة في مهمة التنقل من BIG‑Bench Hard عند تعطيل محوره البصري
- أُرسلت الورقة في 11 Nov 2026 (الأربعاء، 11 Nov 2026 02:44:10 UTC)

## لماذا يهم

تُظهر النتائج أن التدريب على الرؤية واللغة يمكن أن يعزز الاستدلال المكاني لدى الذكاء الاصطناعي الذي يتعامل مع النصوص وحدها، ما يوجّه تصميم النماذج مستقبلًا.

## المصادر والمراجع

1. [Emergent Vision-Shaped Thinking in Text-Only Reasoning through Multimodal Training](https://arxiv.org/abs/2611.14942) – arXiv, 2026-11-13

آخر تحديث: 2026-11-13