मॉडल-संचालित दोषरहित संपीड़न में संभावनाओं को सिंक्रनाइज़ करना

arXiv:2601.10678v1 घोषणा प्रकार: नया सार: दोषरहित डेटा संपीड़न के क्षेत्र में यह सर्वविदित है कि संभाव्य अगले-प्रतीक भविष्यवाणी का उपयोग प्रतीकों के अनुक्रमों को संपीड़ित करने के लिए किया जा सकता है। गहरे तंत्रिका नेटवर्क डेटा में समृद्ध निर्भरता को पकड़ने में सक्षम हैं, इन संभावनाओं का अनुमान लगाने का एक शक्तिशाली साधन प्रदान करते हैं और इसलिए अधिक प्रभावी संपीड़न एल्गोरिदम की ओर एक रास्ता प्रदान करते हैं। हालाँकि, कंप्रेसर और डीकंप्रेसर दोनों की भविष्यवाणियाँ बिल्कुल मेल खाने वाली होनी चाहिए; यहां तक ​​कि छोटे गैर-नियतात्मक अंतर (जो अक्सर हार्डवेयर, सॉफ्टवेयर या गणना क्रम के कारण सीखे गए मॉडल के साथ होते हैं) भी कैस्केडिंग डिकोडिंग विफलताओं का कारण बन सकते हैं। इस पेपर में, हम मॉडल-संचालित संपीड़न में भविष्यवाणी बेमेल की समस्या को औपचारिक रूप देते हैं, और संभाव्यता मिलान अंतराल कोडिंग (पीएमएटीआईसी) पेश करते हैं, एक मॉडल-अज्ञेयवादी एल्गोरिथ्म जो कम ओवरहेड के साथ सीमित भविष्यवाणी बेमेल को सहन करता है। PMATIC अनुमानित संभावनाओं के साथ काम करता है, जो इसे मॉडल-संचालित संपीड़न टूल में अंकगणितीय एनकोडर के लिए ड्रॉप-इन प्रतिस्थापन के रूप में संगत बनाता है। हम PMATIC के लिए सैद्धांतिक शुद्धता और प्रदर्शन सीमाएं दिखाते हैं, और पाठ डेटा पर इन परिणामों को मान्य करते हैं। ये परिणाम इस बात की पुष्टि करते हैं कि, जब एक उन्नत भविष्यवाणी मॉडल को जोड़ा जाता है, तो पीएमएटीआईसी मानक आधुनिक संपीड़न उपकरणों से बेहतर प्रदर्शन करने वाली संपीड़न दरों को प्राप्त करते हुए बेमेल भविष्यवाणी के लिए मजबूत होता है।