Bir tikilinin insanlar tərəfindən gözəl, təsirli, mürəkkəb və ya ətraf mühitlə uyğun hesab edilməsi yalnız tikilinin fiziki xüsusiyyətlərindən qaynaqlanmır. Qiymətləndirmə həmçinin müşahidəçinin keçmiş təcrübələri, peşəsi, memarlıq bilikləri, şəxsi üstünlükləri və əvvəllər gördüyü tikililərlə apardığı müqayisələrlə formalaşır. Bu tədqiqat şəhər simvolik tikililərinin estetik qiymətləndirilməsini Böyük Dil Modellərindən (Large Language Models; LLM) istifadə edən çoxagentli sistemlə hesablamağa çalışır.

Vaka kimi Pekin Milli Stadionu, geniş yayılmış adı ilə Bird's Nest istifadə edilmişdir. Sistem üç ixtisaslaşmış süni intellekt agentindən ibarətdir. Visual Perception Agent (VPA) tikilinin fiziki xüsusiyyətlərini görüntülərdən obyektiv mətn təsvirlərinə çevirir. Behavioral Fitting Agent (BFA) istifadəçinin demoqrafik xüsusiyyətlərindən və keçmiş üstünlüklərindən istifadə edərək davranış profili yaradır. Fusion & Reasoning Agent (FRA) isə vizual faktları istifadəçi profili ilə birləşdirərək estetik balları proqnozlaşdırır.

Tədqiqatın əsas yeniliyi olan Comparative Case-based Cognitive Schema (CCCS) fərdin digər dörd stadion barədə real qiymətləndirmələrini koqnitiv istinad kimi istifadə edir. CCCS olmadan modellər əsasən cəmiyyətin orta estetik meylinə yaxınlaşır və fərdi fərqləri zəif izləyir. Müqayisəli üstünlük tarixçəsi əlavə edildikdə modellərin fərdi variasiyanı izləyən Pearson korrelyasiyaları nəzərəçarpacaq dərəcədə yüksəlir.

Təkmilləşdirilmiş sistemdə ən yüksək ümumi relaxed accuracy dəyəri %82,07, MAE isə 0,887 kimi bildirilmişdir. Lakin relaxed accuracy 1–5 ballıq Likert şkalasında proqnozun real istifadəçi balından ±1 bal məsafədə qalmasını doğru hesab edir. Buna görə bu göstərici birəbir sinif dəqiqliyi kimi şərh edilməməlidir.

Şəhər estetikası niyə yalnız tikilinin özü ilə izah edilə bilməz?

Memarlar və şəhərsalma mütəxəssisləri tikilini forma, nisbət, daşıyıcı sistem, fasad kompozisiyası və ya ətraf mühitlə əlaqə baxımından qiymətləndirə bilərlər. Adi istifadəçi isə eyni tikiliyə daha intuitiv yanaşa bilər: “xoş”, “soyuq”, “təsirli”, “mürəkkəb”, “yad” və ya “ətraf mühitlə uyğun” kimi emosional və koqnitiv reaksiyalar verə bilər.

Tədqiqat bu fərqi layihəçilərlə istifadəçilər arasında koqnitiv boşluq kimi nəzərdən keçirir. Ənənəvi Post-Occupancy Evaluation (POE; istifadədən sonrakı qiymətləndirmə) sorğuları bu boşluğu ölçə bilər; lakin böyük nümunə toplamaq vaxt və xərc tələb edir və layihə tamamlandıqdan sonra aparıldıqları üçün nəticələr əsasən geriyə dönük qalır.

Tədqiqatçıların məqsədi insan rəyini aradan qaldırmaq deyil, məhdud real insan məlumatını LLM əsaslı simulyasiyalarla genişləndirərək layihələndirmə mərhələsində daha erkən istifadə oluna biləcək qiymətləndirmə sistemi yaratmaqdır.

Estetik Qiymətləndirmə Hansı 12 Ölçüdə Aparılır?

Tədqiqat estetik reaksiyanı yeddi formal, üç abstrakt və iki emosional dəyişəndən ibarət 12 ölçülü struktur kimi modelləşdirir.

Real insan məlumatı necə toplanmışdır?

Sorğu yalnız Bird's Nest-i fiziki olaraq ziyarət etmiş şəxslərə tətbiq olunmuşdur. Məlumat toplama 2026-cı ilin fevralında tamamlanmış və etibarsız cavablar çıxarıldıqdan sonra 1.201 iştirakçı qalmışdır.

İştirakçıların %82,4-ü stadionu ən azı iki dəfə ziyarət etdiyinə görə məlumat dəsti ilk dəfə görən turistlərdən daha çox tikiliyə müəyyən dərəcədə bələd olan istifadəçiləri təmsil edir.

Bununla yanaşı, %91,2-lik incəsənət/memarlıq keçmişi göstəricisi çox yüksəkdir. Buna görə tədqiqat nəticələrinin əlavə doğrulama olmadan “orta ümumi ictimai rəy” kimi qiymətləndirilməsi uyğun deyil.

Likert qiymətləndirməsi

İstifadəçilər ümumi estetik məmnuniyyətlərini və 12 ayrı estetik ölçünü:

1 = tamamilə məmnun deyil

ilə

5 = tamamilə məmnun

arasında qiymətləndirmişdir.

İstifadəçinin vizual xüsusiyyətləri hansı sırada əhəmiyyətli saydığını ədədi çəkiyə çevirmək üçün Linear Rank Weighting tətbiq edilmişdir:

\[ W=\frac{M-r+1}{M} \]

Burada \(M\) bir kateqoriyadakı ümumi göstərici sayını, \(r\) isə istifadəçinin həmin xüsusiyyətə verdiyi sıralamanı göstərir.

CCCS Nədir və Fərdi Üstünlüyü Necə Yaxalamağa Çalışır?

Comparative Case-based Cognitive Schema şəxsin Bird's Nest qiymətləndirməsini yalnız demoqrafik xüsusiyyətlərindən proqnozlaşdırmaq əvəzinə, əvvəllər başqa stadionlara verdiyi real balları şəxsi estetik yaddaş kimi istifadə edir.

Dörd müqayisəli tikili

Bird's Nest-ə əlavə olaraq dörd Çin stadionu istifadə edilmişdir:

• Chengdu Fenghuangshan Sports Park Football Stadium
• Shanghai Pudong Football Stadium
• Xi'an Olympic Sports Center Stadium
• Quzhou Stadium

Bu tikililər xüsusilə fərqli forma, material, tekstura, qapalılıq və ətraf mühitlə əlaqə xüsusiyyətlərinə malik olduqları üçün seçilmişdir.

Məsələn, Bird's Nest mənbədə xaotik hörülmüş polad grid və monumental miqyasla; Quzhou Stadium isə topoqrafik, landşaftla inteqrasiya olunan və orqanik memarlıq kimi təsvir edilir. Beləliklə, istifadəçinin hansı vizual xüsusiyyətlərə müsbət və ya mənfi reaksiya verdiyi müqayisəli nümunələrdən çıxarıla bilər.

Vizual stimulların standartlaşdırılması

Hər tikili üçün iki görüntü istifadə edilmişdir:

• makro miqyaslı hava görünüşü,
• fasad və material detalını göstərən yaxın görünüş.

Məqsəd yalnız ümumi silueti deyil, mikro miqyasda tekstura və tektonik xüsusiyyətləri də qiymətləndirmə sisteminə daxil etməkdir.

Üç Süni İntellekt Agenti Hansı Tapşırıqları Yerinə Yetirir?

1. Visual Perception Agent — VPA

VPA stadion görüntüsünü birbaşa “gözəl/çirkin” kimi qiymətləndirmir. Onun vəzifəsi görüntünü obyektiv fiziki təsvirlərə çevirməkdir.

Məsələn:

“exposed, unpainted Q460 steel”

kimi fiziki material təsviri yarada bilər.

Agentin 10 vizual ölçüdə yaratdığı təsvirlər 20 sözdən az saxlanmış və subyektiv emosional sifətlərdən istifadə etməsi prompt vasitəsilə məhdudlaşdırılmışdır.

2. Behavioral Fitting Agent — BFA

BFA istifadəçinin estetik davranış profilini yaradır.

Əvvəlcə cins, yaş, peşə və oxşar demoqrafik xüsusiyyətlər əsasında uyğun namizədləri filtrləyir. Sonra istifadəçilərin xüsusiyyət-çəki vektorları arasında kosinus oxşarlığı hesablanır.

Hədəf istifadəçiyə ən çox bənzəyən:

\[ K=20 \]

nəfərlik qrup seçilir.

Bu qrupun orta qiymətləndirməsi Social Baseline, yəni sosial başlanğıc balı olur.

CCCS aktiv olduqda istifadəçinin dörd müqayisəli stadiona verdiyi əvvəlki cavablar da profilə əlavə edilir. Beləliklə sistem yalnız “bu yaş qrupundakı insanlar nə düşünür?” sualını deyil, “bu konkret şəxs keçmişdə hansı tip memarlığı bəyənib?” sualını da nəzərə alır.

3. Fusion & Reasoning Agent — FRA

FRA VPA-dan gələn obyektiv tikili xüsusiyyətləri ilə BFA-nın istifadəçi modelini birləşdirir.

Əsas məntiq:

1. K=20 qonşudan sosial başlanğıc balı yarat.
2. Hədəf tikilinin fiziki xüsusiyyətlərini VPA-dan al.
3. İstifadəçinin keçmiş müsbət/mənfi üstünlüklərinə bax.
4. Xüsusiyyətlər müsbət üstünlüklə uyğun gəlirsə balı yüksəlt.
5. Mənfi üstünlüklə uyğun gəlirsə aşağı sal.
6. Keçmiş üstünlüklə uyğunluq yoxdursa sosial baseline-a qayıt.

Bu yanaşma modelin kontekst olmadıqda sərbəst şəkildə estetik əsaslandırma yaratmasını məhdudlaşdırmaq üçün hazırlanmışdır.

Niyə eyni proqnoz beş dəfə işlədilir?

LLM çıxışları temperatur və token nümunələməsi səbəbindən stokastikdir. Buna görə FRA hər istifadəçi–tikili cütü üçün eyni tapşırığı:

\[ N=5 \]

dəfə müstəqil işlədir.

Yekun bal beş proqnozun ədədi ortasıdır.

Mənbə bunu Ensemble Averaging Strategy kimi adlandırır.

Tədqiqatın Metodu və Nəticələri

Sorğunun daxili tutarlılığı

Bu nəticələr istifadə olunan 12 dəyişənli qiymətləndirmə alətinin mənbə məlumat dəsti daxilində yüksək daxili tutarlılığını dəstəkləyir.

Niyə on fərqli LLM sınaqdan keçirildi?

Sistemin tək bir baza modelindən asılı olub-olmadığını görmək üçün həm mülkiyyətçi, həm də open-weights kateqoriyasındakı on fərqli LLM eyni ümumi agent strukturu altında qiymətləndirilmişdir.

Mənbədə araşdırılanlar arasında GPT-5.1, GPT-5.2, GPT-4.1, Gemini 2.5 Flash, Gemini 3 Flash, Claude 4.5, GLM 4.7, Qwen 3, Llama 3.3 və DeepSeek vardır.

Bütün modellər rəsmi bulud API-ləri vasitəsilə, eyni tapşırıq strukturu altında işlədilmiş və reasoning temperature:

\[ T=0,7 \]

kimi təyin edilmişdir. Çıxışlar məcburi JSON formatı ilə məhdudlaşdırılmışdır.

Relaxed Accuracy dəqiq olaraq nə deməkdir?

Tədqiqatın əsas dəqiqlik metriyi:

\[ |Pred-True|\le1 \]

şərtidir.

Məsələn, real istifadəçi balı 4-dürsə:

• 3 → relaxed baxımından doğru,
• 4 → relaxed və exact doğru,
• 5 → relaxed baxımından doğru,
• 1 və ya 2 → relaxed səhv

sayılır.

Buna görə relaxed accuracy dəyərləri qiymətləndirilərkən 5 kateqoriyalı şkalanın ±1 tolerantlığı mütləq nəzərə alınmalıdır.

Müqayisəli üstünlük olmadan baza performansı

CCCS istifadə edilmədikdə ən yüksək ümumi relaxed accuracy:

GPT-5.1: %80,43

kimi bildirilmişdir.

Mənbə bütün modellərin proqnozların əksəriyyətini düzgün Likert balının ±1 bölgəsində saxlaya bildiyini, lakin fərdi şəxsiyyət/üstünlük fərqlərini tutmaqda çətinlik çəkdiyini göstərir.

Sistem harada daha uğurludur?

Baza sistem xüsusilə:

• ətraf mühitə uyğunluq,
• xoşluq,
• material

kimi daha ümumi qavrayış ölçülərində güclüdür.

Bunun əksinə:

• dekorasiya və detallar,
• təsirlilik

ən mühüm proqnoz darboğazlarıdır.

Tədqiqatçılar bunu demoqrafik etiketlərin mikro-vizual üstünlükləri və yüksək oyanma ehtiva edən emosiyaları izah etməkdə yetərsiz qalması ilə əlaqələndirirlər.

CCCS Əlavə Edildikdə Nə Dəyişdi?

Müqayisəli tikili tarixçəsi əlavə edildikdə yalnız ümumi dəqiqlikdə deyil, modellərin fərdi istifadəçi fərqlərini izləmə qabiliyyətində də daha nəzərəçarpacaq dəyişiklik müşahidə edilmişdir.

Bu nəticələrin kritik məqamı budur: relaxed accuracy baza sistemdə artıq təxminən %80 səviyyəsindədir. CCCS-nin əsas təsiri ümumi dəqiqlikdə bir neçə ballıq artımdan daha çox insanların bir-birindən fərqli bal vermə meyllərini daha yaxşı izləməsidir.

Regression to the mean nədir?

Baza vəziyyətində modellərin Pearson korrelyasiya əmsallarının çoxu 0,05-dən aşağı qalır. Bu, modelin istifadəçilərin fərdi dalğalanmalarını izləmək əvəzinə təhlükəsiz şəkildə qrupun orta balına yaxın proqnoz verməsi ilə uyğun gəlir.

CCCS əlavə edildikdə bütün on modeldə korrelyasiya artmışdır. Mənbədə bəzi artımlar:

\[ \Delta r=+0,138\; \text{ile}\; +0,272 \]

intervalına çatır.

Buna görə tədqiqatın öz terminologiyasında CCCS modelin “regression to the mean” meylini azaldır.

Hər model CCCS-dən eyni dərəcədə faydalanır?

Xeyr.

Baza mərhələsində GPT-5.1 təxminən %80,4 ilə birinci yerdə olduğu halda, CCCS əlavə edildikdə təxminən -0,7 faiz bəndi geriləmişdir.

Gemini 3 Flash isə təxminən:

+4,3 faiz bəndi

qazanaraq %82,1 ətrafında birinci yerə yüksəlmişdir.

Mənbə bunu müxtəlif LLM arxitekturalarının yüksək ölçülü kontekstual üstünlük məlumatından istifadə etmə qabiliyyətlərindəki fərqlərlə əlaqələndirir. Lakin qapalı model arxitekturalarına görə bunun daxili mexanizmi birbaşa müşahidə edilməmişdir.

Ölçü üzrə CCCS təsiri

Təkmilləşdirilmiş sistemdə Gemini 3 Flash:

Forma, mürəkkəblik və miqyas/nisbət kimi memarlıq morfologiyası dəyişənlərində bəzi modellərin Pearson korrelyasiyaları 0,35-i keçmişdir. Bu, formal üstünlüyün müqayisəli tikililər arasında müəyyən dərəcədə ötürülə bildiyini göstərir.

Əvvəlki zəif sahələrdə nə baş verdi?

Dekorasiya və detallar:

Claude 4.5-in relaxed accuracy dəyəri CCCS-dən sonra %77,2-yə yüksəlmiş; artım:

\[ +8,7\;\text{yüzde puanı} \]

kimi bildirilmişdir.

Qwen 3 həmin ölçüdə %80,1-ə çatmış və RMSE dəyəri 1,283-ə enmişdir.

Təsirlilik:

Relaxed accuracy təxminən %74,7-yə yüksəlmiş; RMSE:

\[ 1,591\rightarrow1,392 \]

kimi azalmışdır.

Beşli Ensemble Həqiqətən Fərq Yaradırmı?

Mənbədə eyni LLM proqnozunun beş dəfə müstəqil işə salınıb ortalamasının alınması səhv variasiyasını azaltmışdır; lakin yaxşılaşma böyük sıçrayış deyil, kiçik, amma ardıcıl stabilləşmə səviyyəsindədir.

Mənbə üç təmsilçi modeldə relaxed accuracy artımının təxminən 1,3–1,4 faiz bəndi səviyyəsində olduğunu bildirir.

Bu nəticə ensemble-ın informasiya məzmununu dəyişdirməkdən daha çox tək LLM çağırışındakı nümunələmə səs-küyünü azaldan variasiya nəzarəti texnikası olduğunu göstərir.

Bu Sistem Real İctimai İştirakın Yerini Tuta Bilərmi?

Tədqiqat insan məlumatının tamamilə çıxarıldığı sistem göstərmir. Əksinə, CCCS-nin işləyə bilməsi üçün real insanların Bird's Nest və müqayisəli tikililər barədə keçmiş qiymətləndirmələrinə ehtiyac vardır. Buna görə metod ictimai iştirakın yerini tutan müstəqil “virtual cəmiyyət” sistemindən daha çox, məhdud real insan məlumatını hesablama yolu ilə genişləndirməyə çalışan simulyasiya yanaşmasıdır.

Bu fərq xüsusilə vacibdir; çünki modelin ən güclü təkmilləşməsi insanların əvvəllər verdiyi real müqayisəli ballardan gəlir.

Tədqiqatın dəstəklədiyi nəticələr

• LLM əsaslı üçagentli arxitektura 12 ölçülü şəhər estetik qiymətləndirməsini strukturlaşdırılmış şəkildə yarada bilir.
• Demoqrafik və xüsusiyyət-çəki məlumatları ümumi estetik konsensusun təxmini səviyyəsini proqnozlaşdırmaq üçün istifadə oluna bilər.
• Yalnız demoqrafik məlumat istifadə edildikdə fərdi fərq korrelyasiyası aşağıdır.
• Müqayisəli keçmiş üstünlüklər CCCS vasitəsilə əlavə edildikdə sınaqdan keçirilən bütün modellərdə Pearson korrelyasiyası yüksəlmişdir.
• Bəzi LLM-lər CCCS kontekstindən digərlərindən daha çox faydalanmışdır.
• N=5 ensemble ortalaması tək işə salınma variasiyasını və səhv ölçülərini kiçik, amma ardıcıl şəkildə azaltmışdır.
• Mikro-vizual detallar və təsirlilik kimi yüksək fərdi variasiyalı ölçülər ümumi demoqrafiya ilə proqnozlaşdırılması daha çətin xüsusiyyətlərdir.

Tədqiqatın dəstəkləmədiyi nəticələr

• %82,07 nəticəsi birəbir düzgün estetik bal nisbəti deyil; ±1 Likert tolerantlı relaxed accuracy dəyəridir.
• Sistem bütün şəhər əhalisinin estetik üstünlüklərini təmsil etdiyini sübut etmir.
• %91,2 incəsənət/memarlıq keçmişinə malik nümunə ümumi əhalinin tipik paylanması kimi qəbul edilə bilməz.
• Bird's Nest nəticələri məhəllə küçələrinə, yaşayış fasadlarına, parklara və ya kiçik miqyaslı gündəlik şəhər məkanlarına birbaşa ümumiləşdirilə bilməz.
• Modelin fərqli mədəniyyətlərdə və ya ölkələrdə eyni estetik üstünlük strukturunu proqnozlaşdırdığı göstərilməyib.
• PDF-də açıq şəkildə ayrılmış müstəqil xarici istifadəçi test dəsti və ya sahədənkənar doğrulama bildirilməyib.
• Pearson korrelyasiyalarındakı artım vacibdir, lakin 0,317 səviyyəsi fərdi estetik üstünlüklərin böyük hissəsinin izah olunduğu mənasına gəlmir.
• LLM-in verdiyi əsaslandırmanın insan zehnindəki real koqnitiv proseslə eyni olduğu sübut edilməyib.
• Modelin daxili çəkiləri və real qərar mexanizmi qapalı olduğuna görə agent izahları tam mexanistik interpretasiya deyil.

Elmi mənası

Tədqiqatın ən dəyərli tərəfi “AI insanlardan daha yaxşı estetik qərar verirmi?” sualını verməməsi; bunun əvəzinə insan estetik qiymətləndirməsində iki ayrı strukturu ayırmağa çalışmasıdır:

ictimai estetik konsensus və fərdi estetik ayrışma.

Demoqrafiya əsaslı sistem birinci strukturu müəyyən dərəcədə tutduğu halda, şəxsə aid keçmiş müqayisələr ikinci struktur üçün əlavə məlumat verir.

Bu, tikili mühitin qiymətləndirilməsi baxımından mühüm metodoloji məqama işarə edir: şəxsin estetik üstünlüyünü yalnız onun kim olduğu deyil, əvvəllər hansı məkanları bəyəndiyi və hansı xüsusiyyətlərə necə reaksiya verdiyi də müəyyən edir.

CCCS-nin əsas ideyası bu keçmiş təcrübəni maşının istifadə edə biləcəyi kontekstual istinad sisteminə çevirməkdir.

Bununla yanaşı, metod hazırkı mərhələdə real ictimai iştirakı əvəz edən doğrulanmış qərar sistemi deyil. Tədqiqat bir simvolik tikili, müəyyən nümunə və müəyyən LLM versiyaları üzərində aparılmış eksperimental hesablama qiymətləndirmə çərçivəsidir.

Mənbə və Metod Qeydi

Özgün iş: Simulating Aesthetic Consensus and Divergence in Urban Landmarks: An LLM-based Multi-Agent System for Built Environment Evaluation

Müəlliflər: Yuxuan Li, Ting Zhang, Weimin Zhuang

Məsul müəllif: Weimin Zhuang

Qurumlar: School of Architecture, Tsinghua University; School of Computer Science, Peking University, Beijing, China.

Mənbə növü: Hakim rəyindən keçməmiş preprint tədqiqat məqaləsi.

Platforma: SSRN.

SSRN Abstract ID: 6907642.

DOI: 10.2139/ssrn.6907642.

SSRN təqdimetmə tarixi: 9 iyun 2026.

Vaka tədqiqatı: Beijing National Stadium — Bird's Nest.

Sorğu: 1.201 etibarlı iştirakçı; məlumat toplama 2026-cı ilin fevralı.

Müqayisəli vakalar: Chengdu Fenghuangshan Sports Park Football Stadium, Shanghai Pudong Football Stadium, Xi'an Olympic Sports Center Stadium və Quzhou Stadium.

Əsas arxitektura: Visual Perception Agent + Behavioral Fitting Agent + Fusion & Reasoning Agent.

Fərdiləşdirmə mexanizmi: Comparative Case-based Cognitive Schema (CCCS).

Peer Neighborhood: K=20.

LLM inference temperaturu: 0,7.

Ensemble: Hər istifadəçi–tikili qiymətləndirməsində N=5 müstəqil çıxarım.

Əsas performans metriyi: Relaxed Accuracy, |Pred−True|≤1.

Baza sistemin ən yüksək relaxed accuracy dəyəri: GPT-5.1 — %80,43.

CCCS sistemində ən yüksək bildirilən ümumi nəticə: Gemini 3 Flash — %82,07 relaxed accuracy, MAE 0,887.

Maliyyələşdirmə: Beijing Natural Science Foundation, QY24288.

Maraqlar toqquşması: Müəlliflər məlum maliyyə marağı və ya şəxsi münasibət bildirmir.

Müəllif töhfələri: Yuxuan Li — konseptuallaşdırma, məlumat kurasiyası, formal analiz, tədqiqat, metod, proqram təminatı, doğrulama, vizuallaşdırma və yazı; Ting Zhang — metod və proqram təminatı; Weimin Zhuang — konseptuallaşdırma, metod, layihə idarəetməsi, resurslar, nəzarət, doğrulama və mətnin nəzərdən keçirilməsi.

Generativ AI bəyanatı: Müəlliflər məqalənin hazırlanmasında oxunaqlılığı və dil redaktəsini yaxşılaşdırmaq məqsədilə ChatGPT və Gemini istifadə etdiklərini; çıxışları özləri nəzərdən keçirərək məzmun məsuliyyətini üzərlərinə götürdüklərini bildirirlər.

Əsas mənbədaxili məhdudiyyətlər: Görüntüdən mətnə çevrilmədə mikro-vizual informasiya itkisi; tək monumental tikili konteksti; LLM-lərin mədəni/coğrafi qərəzləri; daxili qərar mexanizminin qara qutu xarakteri.

Verianla metodoloji xəbərdarlığı: Nümunənin %91,2-sinin incəsənət/memarlıq keçmişi bildirməsi və PDF-də açıq müstəqil xarici istifadəçi test protokolunun göstərilməməsi səbəbindən nəticələr ümumi əhali üçün xarici doğrulama kimi şərh edilməməlidir.

Görsel istifadə qeydi: Mənbənin Bird's Nest və digər stadion fotoşəkilləri, çoxagentli arxitektura fiqurları, radar/heatmap/scatter qrafiklərinin orijinal kompozisiyaları birbaşa yenidən istifadə edilməməlidir. Bildirilən metod əlaqələri və ədədi dəyərlərdən tamamilə yeni Verianla vizualları hazırlana bilər.