Çok modlu büyük dil modelleri (MLLM'ler), görüntülerdeki nesnelerin 2D yönelimini belirleme konusunda ciddi zorluklar yaşıyor. Yeni bir araştırma, bu sorunun kaynağını araştırarak görsel kodlayıcıların rolünü inceliyor. CLIP ve SigLIP gibi yaygın kullanılan kodlayıcıların, geometrik akıl yürütme yerine görüntü-metin anlamsal hizalama için eğitilmiş olmasının bu başarısızlığın temel nedeni olabileceği hipotezi test ediliyor. Araştırmacılar, LLaVA OneVision ve Qwen2.5-VL gibi modellerden elde edilen kodlayıcı temsillerinin rotasyon bilgisini koruyup korumadığını ölçmek için kontrollü deneysel protokoller tasarlıyor.

Himalaya'nın zorlu koşullarında yaşayan yaklar ve Tibet antilopları, tıp dünyasına beklenmedik bir umut ışığı sunuyor. Bilim insanları, bu hayvanların düşük oksijen ortamlarında hayatta kalmalarını sağlayan genetik mutasyonun, sinir liflerini koruyan miyelin kılıfını da onarabildiğini keşfetti. Bu bulgu, multipl skleroz ve serebral palsi gibi sinir sistemi hastalıklarının tedavisinde devrim yaratabilir. Miyelin kılıfının zarar görmesi, sinir iletimini bozarak ciddi nörolojik sorunlara yol açar. Araştırmacılar, yüksek irtifa hayvanlarının bu koruyucu mekanizmasını anlayarak, insan beyninin kendini onarma kapasitesini artırmanın yollarını arıyor.

Görme-dil modelleri (VLM'ler) hala uzamsal anlama ve bakış açısı tanıma gibi görsel algı görevlerinde zorlanıyor. Araştırmacılar, doğal görüntü veri setlerinin düşük seviyeli görsel beceriler için sınırlı denetim sağladığını ve hedeflenmiş sentetik denetimin bu zayıflıkları giderebileceğini öne sürüyor.