AI এবং বিশ্বের কঠিন সমস্যাগুলো · জীবনবিজ্ঞান · arXiv · 2026-10-19

কার্টুন চলচ্চিত্রের সামাজিক ও আবেগীয় বোঝাপড়ার জন্য মস্তিষ্ক-সামঞ্জস্যপূর্ণ মাল্টিমডাল LLM

মূল শিরোনাম: Brain-Aligned Multimodal LLMs for Social and Emotional Understanding of Cartoon Movies

মাল্টিমোডাল বৃহৎ ভাষা মডেল বড় পরিসরে সামাজিক ও আবেগীয় বিষয়বস্তুতে টীকা যোগ করতে পারে, কিন্তু মানুষের বিচারের সঙ্গে তাদের মিল এবং মস্তিষ্কের প্রতিক্রিয়া পূর্বাভাসে তাদের উপযোগিতা যাচাই করা প্রয়োজন ছিল। লেখকেরা তিনটি ছোট কার্টুন চলচ্চিত্রে থিওরি অব মাইন্ড ও আবেগীয় ভ্যালেন্সের ধারাবাহিক মানব রেটিংয়ের সঙ্গে ডিফিউশন-ভিত্তিক ও অটোরিগ্রেসিভ মডেলের তুলনা করেছেন। মডেলের রেটিং মানুষের সময়ভিত্তিক পরিবর্তনের কিছু দিক ধারণ করেছে, যেখানে থিওরি অব মাইন্ডের চেয়ে ভ্যালেন্সে মিল বেশি ছিল; আর একটি চলচ্চিত্রে মানব রেটিংয়ের চেয়ে মডেল রেটিং দ্বারা মস্তিষ্কের বেশি অঞ্চল উল্লেখযোগ্যভাবে এনকোড হয়েছে, তবে দুটির মধ্যে অধিক্রমণ সীমিত ছিল।

মূল লেখা পড়ুন ↗

সব আইটেম →