يقدم الباحثون GenRecal، وهو إطار عمل لتقطير الأغراض العامة ينقل المعرفة من نماذج الرؤية واللغة الكبيرة (VLM) إلى نظائرها الأصغر والأكثر كفاءة. تتناول الطريقة تحدي معماريات VLM غير المتجانسة باستخدام مُعيد معايرة لمحاذاة وتكييف تمثيلات الميزات عبر أنواع النماذج المختلفة.
- يتيح GenRecal نقل المعرفة بفعالية بين نماذج VLM المبنية على LLMs مختلفة بأنواع رموز، وأحجام مفردات، وترتيبات فهارس متباينة.
- تُظهر التجارب المكثفة على العديد من معايير الاختبار الصعبة أن GenRecal يحسن بشكل كبير أداء الأساس.
- تتفوق النماذج الصغيرة المُقطَّرة في النهاية على نماذج VLM الكبيرة مفتوحة ومغلقة المصدر.
يتيح هذا الإطار نشر قدرات الرؤية واللغة عالية الأداء على الأجهزة ذات الموارد المحدودة من خلال التغلب على القيود المعمارية الكامنة في طرق التقطير السابقة.