दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

संभाव्यता परिदृश्यों की तीक्ष्णता के माध्यम से जनरेटिव मॉडल में स्मरणशक्ति को समझना और कम करना

Created by
  • Haebom

लेखक

डोंगजे जियोन, डुयुन किम, अल्बर्ट नं

रूपरेखा

यह शोधपत्र लॉग प्रायिकता घनत्व की तीक्ष्णता का उपयोग करके विसरण मॉडलों में स्मरण परिघटनाओं के विश्लेषण हेतु एक ज्यामितीय ढाँचा प्रस्तुत करता है। हम पहले प्रस्तावित अंक अंतर-आधारित स्मरण मीट्रिक्स की प्रभावशीलता को गणितीय रूप से प्रमाणित करते हैं और एक नवीन स्मरण मीट्रिक प्रस्तावित करते हैं जो अव्यक्त विसरण मॉडलों में छवि निर्माण के प्रारंभिक चरणों में तीक्ष्णता को पकड़ती है, और संभावित स्मरण परिघटनाओं की प्रारंभिक जानकारी प्रदान करती है। इस मीट्रिक का लाभ उठाते हुए, हम एक शमन रणनीति विकसित करते हैं जो तीक्ष्णता-जागरूक नियमन पद का उपयोग करके निर्माण प्रक्रिया में प्रारंभिक शोर को अनुकूलित करती है।

Takeaways, Limitations

Takeaways:
प्रसार मॉडल की स्मरण घटना का विश्लेषण करने के लिए एक नया ज्यामितीय ढांचा प्रस्तुत किया गया है।
मौजूदा स्कोर अंतर-आधारित स्मरण मीट्रिक का गणितीय औचित्य।
छवि निर्माण के प्रारंभिक चरणों में स्मरण की घटना को पकड़ने के लिए एक नया मीट्रिक प्रस्तावित किया गया है।
स्मरण शक्ति की कमी को दूर करने के लिए एक नई रणनीति प्रस्तुत की गई है।
Limitations:
प्रस्तावित ढांचे और संकेतकों की सामान्यता निर्धारित करने के लिए आगे अनुसंधान की आवश्यकता है।
प्रस्तावित शमन रणनीति के प्रदर्शन का मूल्यांकन करने के लिए अधिक व्यापक प्रयोगों की आवश्यकता है।
संभवतः कुछ प्रकार के प्रसार मॉडल तक सीमित।
👍