ऑर्केस्ट्रेटेड टेस्ट-टाइम स्केलिंग के माध्यम से टेक्स्ट-टू-एसक्यूएल को आगे बढ़ाना

पेंगफाई वांग और 9 अन्य लेखकों द्वारा ऑर्केस्ट्रेटेड टेस्ट-टाइम स्केलिंग के माध्यम से एजेंट-स्केल-एसक्यूएल: एडवांसिंग टेक्स्ट-टू-एसक्यूएल शीर्षक वाले पेपर का एक पीडीएफ देखें।

पीडीएफ देखें
एचटीएमएल (प्रयोगात्मक)

अमूर्त:अत्याधुनिक (SOTA) टेक्स्ट-टू-एसक्यूएल विधियाँ अभी भी बर्ड जैसे चुनौतीपूर्ण बेंचमार्क पर मानव विशेषज्ञों से काफी पीछे रहती हैं। वर्तमान दृष्टिकोण जो टेस्ट-टाइम स्केलिंग का पता लगाते हैं, एक ऑर्केस्ट्रेटेड रणनीति का अभाव है और मॉडल की आंतरिक तर्क प्रक्रिया की उपेक्षा करते हैं। इस अंतर को पाटने के लिए, हम एजेंटर-स्केल-एसक्यूएल, एक उपन्यास फ्रेमवर्क का परिचय देते हैं, जो प्रदर्शन में सुधार के लिए स्केलेबल कम्प्यूटेशन का लाभ उठाते हैं। एजेंटार-स्केल-एसक्यूएल एक ऑर्केस्ट्रेटेड टेस्ट-टाइम स्केलिंग रणनीति को लागू करता है जो कि तीन अलग-अलग दृष्टिकोणों को जोड़ती है: i) आरएल-संवर्धित आंतरिक तर्क के माध्यम से आंतरिक स्केलिंग, ii) पुनरावृत्त शोधन के माध्यम से अनुक्रमिक स्केलिंग, और III) विविध संश्लेषण और टूर्नामेंट चयन का उपयोग करके समानांतर स्केलिंग। एजेंट-स्केल-एसक्यूएल एक सामान्य-उद्देश्य ढांचा है जिसे नए डेटाबेस और अधिक शक्तिशाली भाषा मॉडल के लिए आसान अनुकूलन के लिए डिज़ाइन किया गया है। व्यापक प्रयोगों से पता चलता है कि एजेंट-स्केल-एसक्यूएल बर्ड बेंचमार्क पर एसओटीए प्रदर्शन को प्राप्त करता है, परीक्षण सेट पर 81.67% निष्पादन सटीकता तक पहुंचता है और आधिकारिक लीडरबोर्ड पर पहले रैंकिंग करता है, मानव-स्तर के प्रदर्शन की ओर एक प्रभावी मार्ग का प्रदर्शन करता है।