शोधकर्ताओं ने Loud and Clear (LoC) नाम की एक विधि पेश की है, जो AI सिस्टम को दस्तावेज़ों से जुड़े सवालों के जवाब देने के लिए खोजे गए पन्नों में मौजूद साक्ष्य का इस्तेमाल करने में मदद करती है। इसमें पन्नों की बेहतर रिज़ॉल्यूशन वाली तस्वीरों को सवाल से संबंधित हिस्सों के टेक्स्ट के साथ जोड़ा जाता है। इसके लिए अतिरिक्त प्रशिक्षण या सही जवाबों के एनोटेशन की जरूरत नहीं पड़ती।
शोधपत्र में बताए गए परीक्षणों में LoC ने तीन बेंचमार्क पर आठ पुराने तरीकों से बेहतर प्रदर्शन किया। SciEGQA पर इसने ColQwen3 से 8.88 अंक अधिक हासिल किए। लेखकों ने यह भी पाया कि दृश्य टोकन की संख्या बढ़ाने से सटीकता बेहतर हुई, भले ही सही पन्ने पहले ही खोजे जा चुके हों।
यह क्यों मायने रखता है
दस्तावेज़ों से जवाब देने वाले सिस्टम बनाने वाली टीमों के लिए, ये नतीजे बताते हैं कि मॉडल को खोजे गए पन्ने बेहतर ढंग से दिखाने से मदद मिल सकती है—भले ही खोज प्रक्रिया सही पन्ने पहले ही ढूंढ़ चुकी हो। हालांकि, शोधपत्र यह साबित नहीं करता कि LoC वास्तविक दुनिया में इस्तेमाल के दौरान कितना कारगर होगा।
