Me ya faru
Tawagar masu bincike guda bakwai sun ƙaddamar da takardar arXiv da ke ba da shawarar daidaita saurin-tushen lada (RVM), hanya don daidaita yanayin watsawa ga abubuwan son ɗan adam ko takamaiman manufa. RVM yana sabunta filin saurin samfurin kai tsaye maimakon sake gina yuwuwar daga ɓata yanayin ko kusan yiwuwar ƙarshen ƙarshen.
Tushen ƙaddamarwar arXiv ce mai kwanan wata ga Agusta 24, 2026, mai take "Ƙara Ƙarfafa Koyo don Samfuran Yaduwa ta hanyar Daidaita Gudun." Marubutan sun gabatar da lada mai kyau a matsayin hanya don daidaita ƙirar yaduwa zuwa abubuwan da ɗan adam ke so da takamaiman manufofin ɗawainiya. Babban da'awarsu ita ce hanyoyin da ake da su suna aron injunan manufofin-gradient wanda aka ƙera don ƙira mai sarrafa kansa, yana haifar da ƙarin rikitarwa saboda ƙirar yaduwa ba sa samar da yuwuwar samfuran da aka samar.
Hanyar da aka tsara, daidaitaccen saurin tushen lada, an kwatanta shi da mara-wuri. Maimakon gina yuwuwar daga sauye-sauye na sauye-sauye ko kuma kusan yiwuwar ƙarshen ƙarshen tare da ƙananan iyaka, RVM yana aiki kai tsaye akan filin gudu. Dangane da ƙayyadaddun ƙayyadaddun takarda, sabuntawar yana ƙarfafa kwatancen da ke da alaƙa da tsararraki masu girma da lada kuma yana danne kwatance masu alaƙa da tsararraki masu ƙarancin lada.
RVM ya haɗa da wani zaɓi na zaɓi na anga wanda aka yi niyya don sarrafa tuƙi daga saurin tunani. Marubutan kuma sun ce tsarin zai iya dawo da hanyoyin daidaitawa na kwanan nan, gami da RAM da DiffusionNFT, a matsayin lokuta na musamman. Wannan ya sa shawarar ta zama tsarin haɗin kai da kuma sabon ƙa'idar sabuntawa, kodayake tushen da aka kawo bai bayyana ainihin abubuwan da aka samo ba ko yanayin da waɗannan daidaitattun ke riƙe.
Masu binciken sun ba da rahoton gwaje-gwaje a cikin manyan ayyuka daban-daban na yaduwa-samfurin lada-kyatattun ayyuka. Sun ce RVM ya kasance mai gasa tare da ko ƙetare hanyoyin tushen tushen manufofi-hanyoyin gradient yayin da ake buƙatar ƙarancin kuɗin horo. Don tsara bidiyo, sun bayar da rahoton cewa daidaitattun lada na zaɓi na iya samar da tsaftataccen gani amma kusan tsayayyen kayan aiki; suna gabatar da lada mai tsauri kuma sun ce ya inganta motsi yayin da kuma inganta aikin VBench gabaɗaya. Babu maki na lambobi, sunaye samfuri, kasafin horo ko teburin kwatanta da aka haɗa a cikin tushen da aka kawo.
Me ya sa yake da mahimmanci
Takardar ta bayar da hujjar cewa sabunta saurin saurin kai tsaye na iya sauƙaƙawa da rage farashin lada mai kyau don daidaita manyan hotuna da tsarin watsa bidiyo. Gwaje-gwajen bidiyon sa kuma sun gano ciniki cikin daidaitattun ladan fifiko: za su iya fifita kayan aikin tsabta na gani tare da ɗan motsi.
Idan da'awar takardar ta zama gabaɗaya, haɓaka daidaitaccen samfurin saurin yaɗawa na iya sa lada mai sauƙin daidaitawa don daidaitawa. Muhimmancin aiki ba kawai sabon aikin asara ba ne: hanyar ta yi niyya kan lissafin lissafi da na algorithm da ke da alaƙa da haɓakar tushen tushen manufa. Ƙananan farashin horarwa na iya sa zaɓi ko takamaiman ɗawainiya mafi dacewa ga ƙungiyoyi masu aiki tare da manyan hotuna da masu samar da bidiyo.
Takardar ta kuma mai da hankali kan zanen ladan da kanta. A cikin gwaje-gwajen bidiyo na marubutan, lada da ke jaddada tsaftar gani an bayar da rahoton cewa an fifita abubuwan da aka samu tare da ɗan motsi. Ana gabatar da ladan bin diddigin su a matsayin hanya don auna motsi da inganci, yayin da har yanzu inganta sakamakon VBench gabaɗayan takardar. Wannan yana misalta cewa haɓaka tsarin haɓakawa ya dogara ba kawai akan ƙa'idar sabuntawa ba har ma akan abin da tsarin ingantawa ake nema don ƙima.
Kalmomin anka na zaɓi yana da mahimmanci saboda haɓakar lada na iya kawar da samfuri daga halin tunani. Majiyar ta ce anga yana sarrafa ɓata daga saurin tunani, amma bai bayyana yadda wannan ikon ke shafar inganci, bambance-bambance, kwanciyar hankali ko haɗarin wuce gona da iri zuwa lada ba. Waɗannan cikakkun bayanai za su ƙayyade ko RVM yana da amfani don daidaitawa mai sarrafawa maimakon kawai don inganta ma'auni.
Sakamakon ya kasance da'awar bincike daga takarda arXiv ɗaya, ba shaida ba cewa horarwar-samfurin ya canza sosai. Abstract ɗin da aka kawo baya gano samfuran da aka gwada, saitin bayanai, girman lada, ƙididdige ajiyar kuɗi, bambancin ƙididdiga ko shari'ar gazawa. Hakanan baya tabbatar da ko hanyar tana aiki daidai da hotuna, bidiyo da sauran aikace-aikacen watsawa, ko fa'idodinta sun dogara da ƙirar lada ta musamman.
Ingantacciyar hanyar sadarwa: Yadda A zahiri yake Aiki
Bincika fasahar da ke bayan wannan ci gaban ta hanyar mu'amala.
Which component of an AI application is the machine-learning model itself?
Abin kallo na gaba
Babban tambayoyin shine ko farashin RVM da aka ruwaito da fa'idodin inganci suna riƙe a cikin gwaje-gwajen da aka sake bugawa na kansu, ayyukan lada, girman samfuri da ayyukan tsara, kuma ko hanyar zata iya guje wa ingantawa don kunkuntar lada ko yaudara. Tushen da aka kawo baya bayar da sakamako na lambobi, cikakkun bayanan aiwatarwa, ƙididdige kasafin kuɗi ko shaidar ingantaccen waje.
Ya kamata sakewa ya fara mayar da hankali kan kwatankwacin takarda tare da hanyoyin tushen tushen manufofin-gradient. Takaddun shaida masu fa'ida zasu haɗa da samfuri ɗaya da ɗawainiya a ƙarƙashin kasafin ƙididdige ƙididdiga, saboda "ƙananan farashin horo" yana da ma'ana kawai lokacin da lissafin ya haɗa da duk aikin horo da kimantawa. Tushen da aka kawo ba shi da ƙimar ƙima, don haka girman fa'idar da'awar ba a san shi ba.
Ƙirar lada ta cancanci ƙima daban daga sabunta saurin gudu. Marubutan sun ce, da zarar an sauƙaƙa sabuntawar saurin gudu, bambance-bambancen asara na da mahimmanci ƙasa da lada da ƙira. Wannan iƙirarin yana nuna cewa haɓakawa na iya dogara sosai kan yadda ake yiwa tsararraki masu girma da ƙaranci lakabi ko ƙima. Don haka gwaje-gwaje masu zaman kansu yakamata su bambanta ayyukan lada kuma su auna ko riba ta ci gaba fiye da manufofin da aka zaɓa na takarda.
Don tsara bidiyo, ya kamata masu kallo su bincika ko ladaran bin diddigi suna inganta motsi mai ma'ana ko ƙara haɓaka ganuwa kawai. Madogararsa ta ba da rahoton mafi kyawun motsi da ingantaccen sakamakon VBench gabaɗaya, amma baya samar da ma'aunin ƙididdiga ko bayyana yanayin gazawar. Ya kamata kimantawa ta bincika ingancin gani, daidaito na ɗan lokaci da bambance-bambance tare, gami da lokuta waɗanda motsin da ba a so ko ya ci karo da abun ciki da aka yi niyya.
Babban mahimmancin takardar zai dogara ne akan aiwatarwa da cikakkun bayanan tabbatarwa waɗanda ba a cikin tushen da aka kawo ba. Muhimman abubuwan da ba a san su ba sun haɗa da ainihin ma'aunin saurin gudu, saitunan anka, ƙira da ɗaukar hoto, tsawon lokacin horo, sake fasalin kwatancen da aka ruwaito, da ko RVM ya tsaya tsayin daka yayin da manufar lada ta canza. Takardun bin diddigin, lambar da aka fitar da kuma kwafi masu zaman kansu za su taimaka wajen tabbatar da ko shawarar wata hanya ce ta gaba ɗaya ko sakamakon da ke da alaƙa da gwaje-gwaje na musamman.