عيوب التخطيط

التقييم المحدد مقابل غير المحدد

لماذا يفشل التقييم الذاتي لنموذج الذكاء الاصطناعي في الجودة البصرية

يقدم بحث جديد مفهوم 'التمييز' كمتغير رئيسي يحكم محورًا ثالثًا لحساب زمن الاختبار: التوسع التفاعلي. وتظهر النتائج أن أداة محددة تقيس التخطيط الفعلي تتفوق على تقييم VLM عبر لقطة الشاشة، حيث تصلح 73-74% من العيوب في الوضعيات البصرية بينما لا يرى المقياس القياسي شيئًا.

2026-07-31