نموذج ChartNet من معهد ماساتشوستس للتكنولوجيا: تعليم الذكاء الاصطناعي فهم الرسوم البيانية باستخدام قاعدة بيانات بمليون عينة
IBM
Alibaba/Qwen
Google/DeepMind
OpenAI
Hugging Face
قدم معهد ماساتشوستس للتكنولوجيا (MIT) ومختبرات آي بي إم للأبحاث (IBM Research) نموذج ChartNet، وهي قاعدة بيانات متعددة الوسائط تحتوي على 1.7 مليون مثال لتدريب الذكاء الاصطناعي على فهم الرسوم البيانية. النماذج الصغيرة المعدلة باستخدام ChartNet تنافس أو تتفوق على النماذج الكبيرة مثل GPT-4o في مهام فهم الرسوم البيانية.
ابتكر باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) وشركة آي بي إم ريسيرش (IBM Research) مجموعة بيانات ChartNet، وهي مجموعة بيانات متعددة الوسائط واسعة النطاق لفهم الرسوم البيانية. تحتوي المجموعة على 1.7 مليون مثال تم إنشاؤها من 150 ألف رسم بياني فريد، وذلك من خلال استعادة كود بايثون (Python) وتطبيق تحسينات لإنشاء تصورات متنوعة باستخدام ست مكتبات (Matplotlib وSeaborn وPlotly وVega-Altair وPygal وPlotnine) و24 نوعًا من الرسوم البيانية. تدعم مجموعة البيانات مهامًا متعددة: تحويل الرسم البياني إلى كود، وتحويل الرسم البياني إلى جدول، وتحويل الرسم البياني إلى نص، والإجابة عن الأسئلة المتعلقة بالرسوم البيانية مع التفكير التسلسلي. تتضمن مراقبة الجودة تصفية تلقائية (بنسبة نجاح تنفيذ كود تبلغ 77%) والتحقق اليدوي من 3157 رسمًا بيانيًا عشوائيًا. يؤدي الضبط الدقيق لنماذج الرؤية اللغوية الصغيرة (مثل Granite-Vision-3.3-2B) على ChartNet إلى نتائج تنافس GPT-4o أو تتجاوزها في عدة معايير قياسية. تتضمن مجموعة البيانات أيضًا مجموعة فرعية للسلامة تحتوي على 7600 مثال تغطي مواضيع حساسة.
المصدر: Habr — хаб NLP —
الأصلي