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।
इस पत्र में, हम एक पूर्व-प्रशिक्षित प्रतिवर्ती जनरेशन (PRG) फ्रेमवर्क का प्रस्ताव करते हैं जो पूर्व-प्रशिक्षित निरंतर जनरेटिव मॉडल की जनरेशन प्रक्रिया को उलट कर अप्रशिक्षित अभ्यावेदन निकालता है, जिसे विभेदक कार्यों में पूरी तरह से नहीं खोजा गया है। PRG पूर्व-प्रशिक्षित जनरेटिव मॉडल की उच्च क्षमता का लाभ उठाकर एक मजबूत और सामान्यीकृत फीचर एक्सट्रैक्टर का निर्माण करता है, जबकि विशिष्ट उप-कार्यों के अनुरूप फीचर पदानुक्रमों के लचीले चयन की अनुमति देता है। यह विभिन्न बेंचमार्क पर मौजूदा तरीकों से बेहतर प्रदर्शन करता है, 64x64 रिज़ॉल्यूशन पर इमेजनेट पर 78% की शीर्ष-1 सटीकता प्राप्त करता है, जो जनरेटिव मॉडल-आधारित विधियों के बीच अत्याधुनिक प्रदर्शन है। इसके अलावा, हम विभिन्न एब्लेशन अध्ययनों और आउट-ऑफ-डिस्ट्रीब्यूशन मूल्यांकनों के माध्यम से अपने दृष्टिकोण की प्रभावशीलता को सत्यापित करते हैं।
