समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

आईटी हाउस् इत्यनेन सितम्बर् ३ दिनाङ्के ज्ञापितं यत् गूगल एआइ शोधकर्तृभिः अद्यैव कार्डबेन्च् बेन्चमार्कं प्रारब्धम्, यत् मुख्यतया कार्डिनलिटी अनुमानं ज्ञातुं प्रणालीमूल्यांकनरूपरेखायाः आवश्यकतां पूरयति।

cardbench बेन्चमार्क एकः व्यापकः मूल्याङ्कनरूपरेखा अस्ति यस्मिन् 20 भिन्न-भिन्न-वास्तविक-दुनिया-दत्तांशकोषेषु सहस्राणि प्रश्नाः समाविष्टाः सन्ति, यत् पूर्वस्य कस्यापि बेन्चमार्कस्य महत्त्वपूर्णतया अतिक्रान्तम् अस्ति

परियोजना पृष्ठभूमि

कार्डिनलिटी अनुमानं (ce) सम्बन्धात्मकदत्तांशकोशानां प्रश्नप्रदर्शनस्य अनुकूलनस्य कुञ्जी अस्ति अस्मिन् मध्यवर्तीपरिणामानां संख्यायाः पूर्वानुमानं भवति यत् आँकडाधारप्रश्ना प्रत्यागमिष्यति, तथा च प्रश्नानुकूलकस्य निष्पादनयोजनायाः चयनं प्रत्यक्षतया प्रभावितं करोति

कुशल-संयोजन-अनुक्रमस्य चयनार्थं, अनुक्रमणिकानां उपयोगः करणीयः वा इति निर्णयार्थं, उत्तम-संयोजन-विधि-चयनार्थं च सटीकं विसर्जन-अनुमानं महत्त्वपूर्णं भवति ।

एतेषां निर्णयानां प्रश्ननिष्पादनसमये समग्रदत्तांशकोशप्रदर्शने च महत्त्वपूर्णः प्रभावः भवितुम् अर्हति । अशुद्धानुमानेन दुर्बलनिष्पादनयोजनानि भवितुं शक्नुवन्ति येन कार्यप्रदर्शनं महत्त्वपूर्णतया न्यूनीकरोति, कदाचित् परिमाणस्य क्रमेण ।

आधुनिकदत्तांशकोशप्रणालीषु व्यापकरूपेण प्रयुक्ताः कार्डिनलिटी-अनुमान-प्रविधयः अनुमानात्मक-विधिषु सरलीकृत-प्रतिरूपेषु च अवलम्बन्ते, यथा एकरूपदत्तांशं स्वतन्त्रस्तम्भान् च कल्पयितुं

यद्यपि एताः पद्धतयः गणनादृष्ट्या कुशलाः सन्ति तथापि तेषां प्रायः सटीकं कार्डिनलिटी-पूर्वसूचना आवश्यकी भवति, विशेषतः बहुविधसारणीः, फ़िल्टरः च सम्मिलिताः जटिलाः प्रश्नाः

नवीनतमाः दत्तांशसञ्चालिताः पद्धतयः प्रश्नान् निष्पादयित्वा सारणीषु अन्तः च मध्ये च दत्तांशवितरणस्य प्रतिरूपणं कर्तुं प्रयतन्ते, तस्मात् किञ्चित् उपरिभारं न्यूनीकरोति, परन्तु तदपि दत्तांशपरिवर्तने पुनः प्रशिक्षणस्य आवश्यकता भवति

एतासां प्रगतिषु अपि व्यापकमापदण्डानां अभावेन भिन्न-भिन्न-प्रतिमानानाम् तुलनां कर्तुं, भिन्न-भिन्न-दत्तांशसमूहेषु तेषां सामान्यीकरणीयतायाः मूल्याङ्कनं च कठिनं भवति

कार्डबेंच

कार्डबेन्च् विविधपरिस्थितौ विद्वान् कार्डिनलिटी मॉडल् इत्यस्य अधिकं व्यापकं मूल्याङ्कनं सक्षमं करोति । बेन्चमार्क त्रीणि प्रमुखसेटिंग्स् समर्थयति:

उदाहरणाधारितप्रतिमानाः अर्थात् एकस्मिन् दत्तांशसमूहे प्रशिक्षिताः;

शून्य-बिन्दु-प्रतिरूपं बहुषु दत्तांशसमूहेषु पूर्वप्रशिक्षितं भवति ततः अदृष्टदत्तांशसमूहे परीक्षणं भवति;

मॉडल् इत्यस्य सूक्ष्म-समायोजनं कुर्वन्तु अर्थात् पूर्वं प्रशिक्षयन्तु ततः लक्ष्यदत्तांशसमूहात् अल्पमात्रायां दत्तांशस्य उपयोगेन सूक्ष्म-समायोजनं कुर्वन्तु ।

बेन्चमार्क प्रशिक्षणदत्तांशस्य द्वौ समुच्चयौ प्रदाति: एकः बहुभिः फ़िल्टर-विधेयैः सह एकस्य सारणी-प्रश्नस्य कृते, अपरः च द्वौ सारणी-सहितं द्विचक्रीय-जोइन्-प्रश्नस्य कृते

बेन्चमार्क् मध्ये लघुदत्तांशसमूहेषु एकस्मिन् ९१२५ एक-सारणी-प्रश्नाः ८४५४ द्विचक्रीय-जोड-प्रश्नाः च सन्ति, येन मॉडल-मूल्यांकनार्थं दृढं चुनौतीपूर्णं च वातावरणं सुनिश्चितं भवति

उदाहरणार्थं, सूक्ष्म-समायोजित-ग्राफ-न्यूरल-जालस्य (gnn) मॉडलस्य द्विचक्रीय-जोड-प्रश्नेषु मध्यम-q-त्रुटिः १.३२, ९५ तमे प्रतिशतं च १२० भवति, यत् शून्य-बिन्दु-प्रतिरूपात् महत्त्वपूर्णतया उत्तमम् अस्ति परिणामानि दर्शयन्ति यत् पूर्वप्रशिक्षितस्य प्रतिरूपस्य सूक्ष्म-समायोजनेन ५०० प्रश्नानां कृते अपि तस्य कार्यक्षमतायाः महत्त्वपूर्णं सुधारः कर्तुं शक्यते । एतेन ते व्यावहारिकप्रयोगानाम् कृते सम्भवाः भवन्ति यत्र प्रशिक्षणदत्तांशः सीमितः भवति ।

सारांशेन, कार्डबेन्च् विद्वान् कार्डिनलिटी-अनुमानस्य महत्त्वपूर्णं प्रगतिम् प्रतिनिधियति । शोधकर्तारः विभिन्नानां सीई-प्रतिमानानाम् व्यवस्थितरूपेण मूल्याङ्कनं तुलनां च कर्तुं व्यापकं विविधं च मानदण्डं प्रदातुं अस्मिन् महत्त्वपूर्णक्षेत्रे अग्रे नवीनतायाः सुविधां कर्तुं शक्नुवन्ति।एतत् बेन्चमार्कं सूक्ष्म-समायोजन-प्रतिरूपं सक्षमं करोति येषां कृते न्यून-दत्तांशस्य प्रशिक्षणसमयस्य च आवश्यकता भवति,यत्र नूतनानां आदर्शानां प्रशिक्षणं बहु महत् भवति तत्र व्यावहारिकप्रयोगानाम् कृते व्यावहारिकं समाधानं प्रदाति ।