यह शोधपत्र MaCP (न्यूनतम किन्तु शक्तिशाली अनुकूली कोसाइन प्रक्षेपण) प्रस्तुत करता है, जो बड़े पैमाने के आधार मॉडलों के सूक्ष्म-समायोजन हेतु एक नवीन अनुकूली विधि है। MaCP का उद्देश्य न्यूनतम मापदंडों और मेमोरी का उपयोग करते हुए उत्कृष्ट प्रदर्शन प्राप्त करना है। यह मॉडल की दक्षता और सटीकता दोनों में सुधार के लिए कोसाइन प्रक्षेपण के उत्कृष्ट ऊर्जा संपीडन और विसहसंबंध गुणों का लाभ उठाने के विचार पर आधारित है। विशेष रूप से, हम निम्न-आयामी अनुकूलन से भार परिवर्तनों को असतत कोसाइन स्थान में प्रक्षेपित करते हैं, भार परिवर्तनों को असतत कोसाइन स्पेक्ट्रम के विभिन्न स्तरों में विभाजित करते हैं, और फिर प्रत्येक विभाजन से सबसे महत्वपूर्ण आवृत्ति घटकों का चयन करते हैं। एकविध कार्यों (जैसे, प्राकृतिक भाषा समझ, प्राकृतिक भाषा निर्माण, पाठ सारांश) और बहुविध कार्यों (जैसे, छवि वर्गीकरण, वीडियो समझ) की एक विस्तृत श्रृंखला पर प्रयोगों के माध्यम से, हम प्रदर्शित करते हैं कि MaCP मौजूदा विकल्पों की तुलना में लगातार बेहतर सटीकता, उल्लेखनीय रूप से कम गणनात्मक जटिलता और कम मेमोरी आवश्यकताएँ प्रदान करता है।
