ImagingBench يكشف نقاط ضعف Gemini وGPT وQwen في المهام الفيزيائية لمعالجة الصور
ابتكر باحثون معيار ImagingBench، وهو مجموعة اختبارات تضم 20 مهمة في التصوير الحوسبي ومعالجة الصور، لتقييم قدرات نماذج الذكاء الاصطناعي الحديثة. وأظهرت الاختبارات أن Gemini وGPT-5 وQwen تتخلف بفارق كبير عن الأساليب المتخصصة في مهام computational sensing (الاستشعار الحوسبي)، مثل الهولوغرافيا والتصوير بلا عدسات (lensless) وتقنية time-of-flight، رغم قدراتها الدلالية القوية.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.AI؛ بتحرير Hamidun News
قدّم باحثون ImagingBench، وهو معيار منهجي لتقييم قدرات النماذج اللغوية البصرية (VLM) والذكاء الاصطناعي الوكيلي (agentic AI) في مهام التصوير الحوسبي ومعالجة الصور. ويضم المعيار 20 مهمة موزعة على خمس فئات: البصريات الشعاعية والبصريات الموجية، ومعالجة إشارات الصور، وإعادة البناء العكسي، وcomputational sensing (الاستشعار الحوسبي)، والمعايرة.
ماذا أظهر المعيار
شملت الاختبارات أنظمة متعددة الوسائط رائدة، مملوكة ومفتوحة المصدر، من بينها Gemini 3.1 وGPT-5 وQwen. وأظهرت النتائج أن النماذج الوكيلية تتخلف باستمرار عن الأساليب المتخصصة. ويبرز الفارق بوضوح خاص في مهام computational sensing، مثل التصوير بلا عدسات (lensless)، وإعادة البناء القائمة على الأحداث (event-based)، والتصوير بتقنية time-of-flight، والهولوغرافيا.
- يضم المعيار 20 مهمة في التصوير الحوسبي
- شملت الاختبارات Gemini وGPT-5 وQwen ونماذج VLM أخرى
- لم يحقق التوجيه الوكيلي (Planner) سوى تحسينات متواضعة
- جاءت النتائج مقنعة بصريًا لكنها غير دقيقة فيزيائيًا
الفجوة بين الدلالة والفيزياء
كثيرًا ما تنتج النماذج نتائج مقبولة بصريًا وتبدو سليمة للعين البشرية، لكنها تسجّل جودة منخفضة عند فحصها بمقاييس تعتمد على صورة مرجعية (reference-based). ويكشف ذلك عن فجوة كبيرة بين قدرة النماذج على التعامل مع المهام البصرية الدلالية (ما الذي تراه) والتصوير المبني على أسس فيزيائية (كيف تعمل الأنظمة الفيزيائية).
خطط التطوير
يوفر ImagingBench بيئة اختبار موحدة لقياس التقدم في الذكاء الاصطناعي الوكيلي في مجال التصوير الحوسبي. ويتيح ذلك للباحثين تتبع تحسّن قدرة نماذج LLM الحديثة على فهم المسائل الفيزيائية وحلّها بشكل منهجي، بخلاف المسائل الدلالية البحتة.
ماذا يعني ذلك
تُظهر النتائج أن نماذج LLM الحالية تؤدي جيدًا في المهام البصرية الدلالية، لكنها لا تزال غير مهيأة بما يكفي للمسائل المبنية على أسس فيزيائية. ويفتح ذلك آفاقًا جديدة لتحسين النماذج، ويشير إلى الحاجة إلى أساليب متخصصة في التصوير الحوسبي، حتى في عصر وكلاء الذكاء الاصطناعي العامين.
- 28 أكتوبر 2026ضبط Gemma 26B على MacBook بذاكرة 24 غيغابايت: مساعد يعمل دون اتصال يحقق 703 من 766
- 28 أكتوبر 2026Cognition تطلق FrontierCode 2.0: أفضل نتيجة لا تتجاوز 45,5%
- 28 أكتوبر 202612 أداة لاختبار الاختراق ضد Juice Shop: أفضل وكيل AI اكتشف 5 ثغرات من أصل 116
- 28 أكتوبر 2026Google تطلق Gemini 4 Argon: دولاران لكل مليون رمز والمركز الأول في Vals Index
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ماذا أظهر المعيار؟
شملت الاختبارات أنظمة متعددة الوسائط رائدة، مملوكة ومفتوحة المصدر، من بينها Gemini 3.1 وGPT-5 وQwen. وأظهرت النتائج أن النماذج الوكيلية تتخلف باستمرار عن الأساليب المتخصصة. ويبرز الفارق بوضوح خاص في مهام computational sensing، مثل التصوير بلا عدسات (lensless)، وإعادة البناء القائمة على الأحداث (event-based)، والتصوير بتقنية time-of-flight، والهولوغرافيا. يضم المعيار 20 مهمة في التصوير الحوسبي شملت الاختبارات Gemini وGPT-5 وQwen ونماذج VLM أخرى لم يحقق التوجيه الوكيلي (Planner) سوى تحسينات متواضعة جاءت النتائج مقنعة بصريًا لكنها غير دقيقة فيزيائيًا
ما أبرز التفاصيل حول الفجوة بين الدلالة والفيزياء؟
كثيرًا ما تنتج النماذج نتائج مقبولة بصريًا وتبدو سليمة للعين البشرية، لكنها تسجّل جودة منخفضة عند فحصها بمقاييس تعتمد على صورة مرجعية (reference-based). ويكشف ذلك عن فجوة كبيرة بين قدرة النماذج على التعامل مع المهام البصرية الدلالية (ما الذي تراه) والتصوير المبني على أسس فيزيائية (كيف تعمل الأنظمة الفيزيائية).
ما أبرز التفاصيل حول خطط التطوير؟
يوفر ImagingBench بيئة اختبار موحدة لقياس التقدم في الذكاء الاصطناعي الوكيلي في مجال التصوير الحوسبي. ويتيح ذلك للباحثين تتبع تحسّن قدرة نماذج LLM الحديثة على فهم المسائل الفيزيائية وحلّها بشكل منهجي، بخلاف المسائل الدلالية البحتة.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.