
 
 
 
 
 
 
 
 
 
 எழுத்தாளர்கள் : (1) Vishaal Udandarao, Tubingen AI Center, University of Tubingen, University of Cambridge, மற்றும் அதே பங்கு; (2) Ameya Prabhu, Tubingen AI Center, University of Tubingen, University of Oxford, மற்றும் அதே சேவை; (3) Adhiraj Ghosh, Tubingen AI Center, University of Tubingen; (4) Yash Sharma, Tubingen AI Center, University of Tubingen; 5) Philip H.S. Torr, University of Oxford; (6) Adel Bibi, University of Oxford; (7) Samuel Albanie, University of Cambridge and equal counseling, order decided by a coin flip; எஸ்எம்எம்எம்எம் எஸ்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எ (8) Matthias Bethge, Tubingen AI Center, University of Tubingen and equal advising, order decided by a coin flip. Authors: (1) Vishaal Udandarao, Tubingen AI Center, University of Tubingen, University of Cambridge, மற்றும் அதே பங்கு; (2) Ameya Prabhu, Tubingen AI Center, University of Tubingen, University of Oxford, மற்றும் அதே சேவை; (3) Adhiraj Ghosh, Tubingen AI Center, University of Tubingen; (4) Yash Sharma, Tubingen AI Center, University of Tubingen; 5) Philip H.S. Torr, University of Oxford; (6) Adel Bibi, University of Oxford; (7) Samuel Albanie, University of Cambridge and equal counseling, order decided by a coin flip; எஸ்எம்எம்எம்எம் எஸ்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எம்எ (8) Matthias Bethge, Tubingen AI Center, University of Tubingen and equal advising, order decided by a coin flip. வலதுபுறம் Table Abstract மற்றும் 1 - Introduction 2 Pre-Training Data and Quantification Frequency பற்றிய கருத்துக்கள் 3 Pre-Training Frequency & “Zero-Shot” Performance மற்றும் 3.1 Experimental Setup ஒப்பிடும் 3.2 முடிவு: Pre-training Frequency is Predictive of “Zero-Shot” Performance 4 Stress-Testing the Concept Frequency-Performance Scaling Trend and 4.1 Controling for Similar Samples in Pre-Training and Downstream Data (முடிவமைப்பு மற்றும் கீழே உள்ள தரவுகளில் அதே மாதிரி ஆய்வுகள்) 4.2 Testing Generalization to Purely Synthetic Concept and Data Distributions (பொதுவாக ஒலிப்பதிவுகள் மற்றும் தரவு விவரங்கள்) 5 Pre-Training Concept Frequencies அறிமுகம் 6 Responses to “உணர்ச்சியைக் காட்டிக் கொள்ளுங்கள்! 7 தொடர்புடைய வேலைகள் 8 முடிவுகள் & Open Problems, Recognitions, and References Part I Appendix A. Concept Frequency is Predictive of Performance Through Prompting Strategies (பொதுமொழி) B. Concept Frequency is Predictive of Performance Across Retrieval Metrics என்பதன் அடிப்படையில் C. Concept Frequency is Predictive of Performance for T2I மாதிரிகள் D. Concept Frequency is Predictive of Performance across Concepts only from Image and Text Domains என்பதன் பொருள் E. அறிவியல் விவரங்கள் Q. ஏன் மற்றும் எப்படி நாம் RAM ++ பயன்படுத்துகிறோம்? G. Misalignment Degree Results பற்றிய விவரங்கள் H. T2I மாதிரிகள்: மதிப்பீடு Next Topic: கதுவா: ஒரு குரூரமான குற்றம் எவ்வாறு அரசியல் மற்றும் மத சாயம் பூசப்பட்டு ஒற்றை பரிமாணமாக்கப்பட்டது abstract செய்திகள் ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] ஆளை விடுங்கள்.3) Like in some countries such as Dubai, is there a possibility in India too, that there will be no income tax, someday?பதில்: எண்பதுகளில் வருமான வரி ஒழிக்கப்படும் என்ற மாதிரி ஒரு எண்ணம் வந்தது. Generalization ஒப்பந்தம் ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்றும் கூறுகிறார்கள். ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] கவனித்துக் கொள்ளுங்கள் ! 1 அறிமுகம் CLIP [91] and Stable Diffusion [96] have revolutionized performance on downstream tasks—CLIP is now the de-facto standard for “zero-shot” image recognition [133, 72, 126, 48, 132] and image text retrieval [46, 64, 24, 117, 129], while Stable Diffusion is now the de-facto standard for “zero-shot” text-to-image (T2I) generation [93, 17, 96, 41]. இன்றைய multimodal மாதிரிகள் உண்மையில் “zero-shot” generalization செய்ய முடியுமா? இதனை சரிசெய்ய, நாங்கள் இரண்டு முக்கிய அம்சங்களைக் கொண்ட ஒப்பிடும் ஒரு ஒப்பிடும் அறிகுறிகளை நடத்தினோம்: (1) பல்வேறு கீழே உள்ள வேலைகளில் மாதிரிகளின் செயல்திறன், மற்றும் (2) தங்கள் முன்பே பயிற்சி தரவு தொகுதிகளில் சோதனை அறிகுறிகள் பெரும்பகுதி. நாங்கள் சேகரித்த ஒரு முழுமையான பட்டியலை 4,029 அறிகுறிகள்[1] 27 கீழே உள்ள வேலைகளில் அடைப்பு, பெறுதல், மற்றும் புகைப்படம் உருவாக்க, இந்த அறிகுறிகள் எதிராக செயல்திறன் மதிப்பீடு. எங்கள் அறிகுறிகள் ஐந்து பெரிய அளவிலான முன்பே பயிற்சி அறிகுறிகள் அறிகுறிகள், பல்வேறு அறிகுறிகுறிகள், தரவு கு   ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்றும் கூறுகிறார்கள். ஐயோ ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்றும் கூறுகிறார்கள். ஆளை விடுங்கள்.3) Like in some countries such as Dubai, is there a possibility in India too, that there will be no income tax, someday?பதில்: எண்பதுகளில் வருமான வரி ஒழிக்கப்படும் என்ற மாதிரி ஒரு எண்ணம் வந்தது. எங்கள் கண்காணிப்பில், நாங்கள் மேலும் pre-training data இல் சந்தித்த கருத்துக்களை வடிவமைக்க மற்றும் கண்டுபிடித்துள்ளோம்: ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] • Concept Distribution: முன்பே ஏற்றப்பட்ட (preloaded) Multi-Turbo மற்றும் Ultra Game Mode ஆகியவை உள்ளன.அதனால ஏற்ற (preloaded) Multi-Turbo மற்றும் Ultra Game Mode ஆகியவை உள்ளன. • Concept Correlation across Pretraining Datasets: ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] • Image-Text Misalignment between Concepts in Pretraining Data: ஆங்கிலத்தில் இதை Single Orgasm, Multiple Orgasm என்றும் கூறுகிறார்கள். ஒரு முதியவன் பாதாளங்களைத் தாண்டும் தன் மந்திரக்கோலால் சாய்த்தபடியிருக்கிறான் நாட்சத்திரங்களை. .............................................................................................................................................................................. இது எத்தனையாவது [...] “அதைக் கெடுத்து விடு!” பல்வேறு முந்தைய ஆய்வுகள் [91, 46, 82, 42, 83, 74] செயல்திறனை பாதிக்கும் முன் பயிற்சி தரவுகளின் அம்சத்தை ஆய்வு செய்தன. Mayilvahanan et al. [79] CLIP's performance is correlated with the similarity between training and test datasets. In other studies on specific areas such as question-answering [62] and numerical reasoning [94] in large language models, high train-test set similarity did not fully account for observed performance levels [127]. எங்கள் முழுமையான ஆய்வு பல முன் பயிற்சி படங்கள்-text data sets significantly adds to this line of work, by (1) showing that concept frequency determines zero-shot performance and (2) pointing the exponential need for training data as a fundamental issue for current large-scale multimodal models. We conclude that the 
 
 இந்த பதிவு CC BY 4.0 DEED License கீழ் archiv இல் கிடைக்கிறது. இந்த பதிவு CC BY 4.0 DEED License கீழ் archiv இல் கிடைக்கிறது. Archive இல் கிடைக்கும் [1] class categories for classification tasks, objects in the text captions for retrieval tasks, and objects in the text prompts for generating tasks, see Section 2 for more details on how we define concepts.

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

FEW SHOT .tech

இந்த ஆடியோ கதையின் அசல் மொழியில் தயாரிக்கப்பட்டது!

300GB of AI Research Reveals About the True Limits of “Zero-Shot” Intelligence – அறிவியல் அறிவியல்

About Author

கருத்துகள்

ஹேங் டேக்குகள்

இந்த கட்டுரையில் வழங்கப்பட்டது

Related Stories

Meet MongoDB: HackerNoon Company of the Week

The Messenger of Death

Meet Neo4j: HackerNoon Company of the Week

Meet Tailscale: HackerNoon Company of the Week

Meet MongoDB: HackerNoon Company of the Week

The Messenger of Death

Meet Neo4j: HackerNoon Company of the Week

Meet Tailscale: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps