Yapay zeka alanında görsel anlayış ve dil işleme yeteneklerini birleştiren modellerin geliştirilmesi için kaliteli veri setlerine duyulan ihtiyaç giderek artıyor. Bu ihtiyaca yanıt olarak geliştirilen AutoVQA-G sistemi, görsel soru-cevap veri setlerinin üretiminde devrim niteliğinde bir yaklaşım sunuyor.
Sistem, iki temel soruna odaklanarak tasarlandı. İlki, mevcut otomatik yöntemlerde görülen model halüsinasyonlarından kaynaklanan tutarsız veri kalitesi. İkincisi ise basit sezgisel kurallara dayanan kırılgan doğrulama mekanizmaları. AutoVQA-G bu sorunları, kendini sürekli iyileştiren özerk bir çerçeve ile çözüyor.
Sistemin kalbi, Tutarlılık Değerlendirme modülünde yatıyor. Bu modül, Zincir-Düşünce mantığını kullanarak görsel doğrulamayı ayrıntılı bir şekilde gerçekleştiriyor. Elde edilen geri bildirimler, hafıza destekli Prompt Optimizasyon ajanı tarafından analiz ediliyor ve başarısız örneklerden çıkarılan derslerle üretim komutları sürekli iyileştiriliyor.
Araştırma sonuçları, AutoVQA-G'nin ürettiği veri setlerinin görsel temellendirilme açısından üstün doğruluk gösterdiğini ortaya koyuyor. Bu gelişme, görsel-dil modellerinin eğitiminde insan müdahalesine olan bağımlılığı önemli ölçüde azaltarak, daha büyük ölçekli ve tutarlı veri setlerinin üretilmesini mümkün kılıyor.