Yapay zeka dünyasında 'büyük her zaman daha iyi' anlayışına meydan okuyan yeni bir çalışma ortaya çıktı. Araştırmacılar, görsel ve metin verilerini aynı anda işleyebilen kompakt bir model geliştirerek, küçük sistemlerin büyük rakiplerini nasıl geçebileceğini gösterdi.
SmoGVLM olarak adlandırılan bu sistem, graf sinir ağları teknolojisini kullanarak yapılandırılmış bilgiyi görsel ve metinsel verilerle harmanlıyor. Geleneksel büyük görsel-dil modelleri sıklıkla halüsinasyon sorunu yaşar ve bilgi yoğun akıl yürütme görevlerinde zayıf kalırken, bu yeni yaklaşım bu sorunlara çözüm sunuyor.
Araştırma ekibi, 1,3 milyar parametreli küçük modellerden 13 milyar parametreli büyük modellere kadar geniş bir yelpazede testler gerçekleştirdi. Sonuçlar oldukça çarpıcı: küçük modeller yüzde 16'ya varan performans artışı gösterirken, kendilerinden çok daha büyük modelleri bile geride bırakmayı başardı.
Bu gelişme, yapay zeka modellerinin verimliliği konusunda yeni bir perspektif sunuyor. Daha az hesaplama gücü gerektiren küçük modellerin, doğru tekniklerle büyük sistemlerden daha başarılı olabileceği kanıtlanmış oluyor.