Yapay zeka sistemlerinin grafik kullanıcı arayüzlerinde belirli öğeleri bulması için kullanılan çok adımlı yakınlaştırma yöntemlerinde önemli bir keşif yapıldı. Araştırmacılar, bu sistemlerin işlem sırasında ürettiği ara verilerin, sonucun güvenilirliğini ölçmek için kullanılabileceğini gösterdi.
Geleneksel yaklaşımlarda, yapay zeka sistemleri önce genel bir görünüm elde ediyor, sonra hedef bölgeye yakınlaştırarak daha hassas sonuçlar elde ediyor. Bu süreçte oluşan ara tahminler genellikle koordinat dönüşümünden sonra atılıyordu. Yeni çalışma, bu ara verilerin aslında değerli bilgiler içerdiğini ortaya koydu.
'Zoom tutarlılığı' olarak adlandırılan bu yöntem, sistemin ikinci adımdaki tahmini ile kırpma merkezı arasındaki mesafeyi ölçüyor. Bu geometrik ölçüm, farklı yapay zeka mimarilerinde ortak bir koordinat sisteminde çalıştığı için, modeller arası karşılaştırma yapmaya olanak tanıyor.
KV-Ground-8B ve Qwen3.5-27B modellerinde yapılan deneylerde, zoom tutarlılığının tahmin doğruluğuyla istatistiksel olarak anlamlı korelasyon gösterdiği kanıtlandı. Bu yöntem, ek hesaplama maliyeti gerektirmeden sistem güvenilirliğini artırabilir ve farklı uygulama kategorilerinde tutarlı sonuçlar veriyor.