[공지사항]을 빙자한 안부와 근황 
Show more

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।

MATE: LLM - एक्सेसिबिलिटी अनुप्रयोगों के लिए संचालित बहु-एजेंट अनुवाद वातावरण

Created by
  • Haebom

लेखक

एलेक्जेंडर अल्गाज़िनोव, मैट लैंग, पॉल लाबान

रूपरेखा

इस लेख में, हम सुगम्यता संबंधी समस्याओं के समाधान हेतु एक मल्टीमॉडल सुलभ मल्टी-एजेंट सिस्टम (MATE) प्रस्तुत करते हैं। MATE विभिन्न प्रकार की विकलांगताओं वाले उपयोगकर्ताओं को उनकी आवश्यकताओं के अनुसार मोडल परिवर्तन करके डिजिटल परिवेशों के साथ सहभागिता करने में मदद करता है, जैसे कि दृष्टिबाधित लोगों के लिए छवियों को वाक् में परिवर्तित करना। यह LLM API कॉल से लेकर कस्टम मशीन लर्निंग क्लासिफायर तक, विभिन्न मॉडलों का समर्थन करता है, और स्थानीय निष्पादन के माध्यम से गोपनीयता और सुरक्षा बनाए रखता है। इसके अलावा, यह ModCon-Task-Identifier मॉडल के माध्यम से उपयोगकर्ता इनपुट से सटीक मोडल परिवर्तन कार्यों को निकालता है, और स्वास्थ्य सेवाओं जैसी संस्थागत तकनीकों के साथ एकीकरण करके रीयल-टाइम सहायता प्रदान करता है। हमने कोड और डेटा को GitHub पर उपलब्ध कराकर उन्हें सुलभ बनाया है।

____T48031_____, ____T48032_____

Takeaways:
विभिन्न प्रकार की विकलांगताओं वाले उपयोगकर्ताओं के लिए व्यापक सुगम्यता सहायता प्रदान करना।
अनुकूलित मोडल संक्रमण के माध्यम से डिजिटल पर्यावरण पहुंच में सुधार करना।
एलएलएम एपीआई और कस्टम एमएल मॉडल समर्थन के माध्यम से लचीलापन।
स्थानीय निष्पादन के माध्यम से बढ़ी हुई गोपनीयता और सुरक्षा।
संस्थागत प्रौद्योगिकियों के साथ एकीकरण के माध्यम से वास्तविक समय समर्थन की संभावना।
खुले स्रोत प्रकटीकरण के माध्यम से अनुसंधान और विकास में भागीदारी का विस्तार करना।
मॉडकॉन-टास्क-आइडेंटिफायर मॉडल का उत्कृष्ट प्रदर्शन सटीक कार्य पहचान को सक्षम बनाता है।
Limitations:
वास्तविक दुनिया के वातावरण में व्यापक परीक्षण और सत्यापन की आवश्यकता है।
विभिन्न प्रकार की विकलांगताओं और उपयोगकर्ता आवश्यकताओं के लिए अतिरिक्त मॉडल विकास और सुधार की आवश्यकता है।
मॉडकॉन-टास्क-आइडेंटिफायर मॉडल का प्रदर्शन उपयोगकर्ता-परिभाषित डेटासेट पर निर्भर हो सकता है।
सिस्टम की मापनीयता और संभावित प्रदर्शन गिरावट पर आगे अनुसंधान की आवश्यकता है।
👍