← नवीनतम पेपर
💻 computer science

Near OOD Detection for Vision-Language Prompt Learning with Contrastive Logit Score

यह शोध पत्र कॉन्ट्रास्टिव लॉजिट स्कोर (CLS) को प्रस्तुत करता है, जो एक नवीन पोस्ट-हॉक और प्लग-एंड-प्ले स्कोरिंग फंक्शन है जो बिना मॉडल पुनरप्रशिक्षण या संरचनात्मक संशोधनों के विजन-लैंग्वेज प्रॉम्प्ट लर्निंग विधियों के लिए नियर आउट-ऑफ-डिस्ट्रीब्यूशन डिटेक्शन को महत्वपूर्ण रूप से बढ़ाता है।

मूल लेखक: Myong Chol Jung, Joanna Dipnall, Belinda Gabbe, He Zhao

प्रकाशित 2026-04-14
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Myong Chol Jung, Joanna Dipnall, Belinda Gabbe, He Zhao

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास CLIP नाम का एक सुपर-स्मार्ट रोबोट असिस्टेंट है। इस रोबोट ने लाखों किताबें पढ़ी हैं और लाखों तस्वीरें देखी हैं। यह चीजों को पहचानने में माहिर है: अगर आप इसे बिल्ली की तस्वीर दिखाते हैं, तो यह जानता है कि वह बिल्ली है। अगर आप इसे कुत्ता दिखाते हैं, तो यह जानता है कि वह कुत्ता है।

हालाँकि, इसमें एक पेच है। यह रोबोट थोड़ा "लोगों को खुश करने वाला" (people pleaser) है। यदि आप इससे पूछते हैं, "क्या यह बिल्ली की फोटो है?" तो यह "हाँ" कह देगा, भले ही वह वास्तव में एक बहुत ही रोएदार कुत्ते की तस्वीर हो, सिर्फ इसलिए क्योंकि यह आपको एक जवाब देना चाहता है। इसे यह कहने में संघर्ष करना पड़ता है कि, "मुझे नहीं पता कि यह क्या है," खासकर जब वह अज्ञात चीज़ उस चीज़ के बहुत समान हो जिसे यह पहले से जानता है।

यही नियर आउट-ऑफ-डिस्ट्रीब्यूशन (Near OOD) डिटेक्शन की समस्या है। यह एक असली सेब और एक बहुत ही वास्तविक दिखने वाले मोम के सेब के बीच अंतर करने जैसा है। वे लगभग एक जैसे दिखते हैं, लेकिन एक असली है (इन-डिस्ट्रीब्यूशन) और दूसरा नकली (नियर ओओडी/Near OOD)। यदि आपका रोबोट कार चला रहा हो या बीमारी का निदान कर रहा हो, तो असली सेब को मोम के सेब के रूप में समझना खतरनाक हो सकता है।

वर्तमान समाधानों के साथ समस्या

वैज्ञानिकों ने रोबोट को फिर से प्रशिक्षित (retraining) करके या उसके ऊपर नए, जटिल 'हेड्स' बनाकर इसे ठीक करने की कोशिश की है। लेकिन यह एक ऐसे रोबट को एक नई भाषा सिखाने जैसा है जो पहले से ही 100 भाषाओं में कुशल है। यह धीमा, महंगा है, और अक्सर रोबोट के मूल कौशल को बिगाड़ देता है।

समाधान: "कॉन्ट्रास्टिव लॉजिट स्कोर" (CLS)

जंग (Jung) और उनकी टीम ने एक चतुर, "प्लग-एंड-प्ले" ट्रिक निकाली है। उन्होंने रोबोट के दिमाग को नहीं बदला; उन्होंने बस उसे अपनी खुद की आत्मविश्वास (confidence) के बारे में सोचने का एक नया तरीका दिया।

यहाँ एक सादृश्य (analogy) है:

कल्पना कीजिए कि रोबोट एक परीक्षा दे रहा है।

  1. पुराना तरीका (MaxLogit): रोबोट एक तस्वीर देखता है और पूछता है, "यह बिल्ली जैसा कितना दिखता है? यह कुत्ते जैसा कितना दिखता है?" वह उच्चतम स्कोर चुनता है। यदि "बिल्ली" का स्कोर अधिक है, तो वह कहता है "बिल्ली।"

    • दोष: यदि आप उसे मोम का सेब दिखाते हैं, तो वह कह सकता है, "खैर, यह 80% बिल्ली जैसा और 80% कुत्ते जैसा दिखता है।" वह भ्रमित हो जाता है क्योंकि मोम का सेब दोनों के गुणों को साझा करता है। वह एक "अजीब असली बिल्ली" और एक "नकली बिल्ली" के बीच अंतर नहीं कर पाता।

  2. नया तरीका (CLS): लेखकों ने एक नया कॉन्सेप्ट पेश किया जिसे "कॉन्टेक्स्ट वेक्टर" (आइए इसे "जनरलिस्ट" कहें) कहा जाता है।

    • जनरलिस्ट एक मानसिक छवि है कि "एक विशिष्ट जानवर कैसा दिखता है" बिना किसी विशिष्ट प्रजाति के बारे में सोचे। यह "जानवर होने के सार" (essence of animal-ness) को दर्शाता है।
    • नया फॉर्मूला दो सवाल पूछता है:
      1. "यह एक बिल्ली जैसा कितना दिखता है?" (द स्पेसिफिक स्कोर)
      2. "यह जनरलिस्ट जैसा कितना दिखता है?" (द कॉन्टेक्स्ट स्कोर)

जादुई ट्रिक:
रोबोट "बिल्ली" के स्कोर में से "जनरलिस्ट" स्कोर को घटा देता है।

  • असली बिल्ली: यह बिल्ली जैसा भी बहुत दिखता है और जनरलिस्ट जैसा भी बहुत दिखता है। घटाने के बाद एक मजबूत, सकारात्मक संख्या बचती है। "हाँ, यह निश्चित रूप से एक बिल्ली है!"
  • मोम का सेब (Near OOD): यह थोड़ा बहुत बिल्ली जैसा लग सकता है (क्योंकि यह गोल और लाल है), लेकिन यह "जनरलिस्ट" के वाइब (vibe) में फिट नहीं बैठता। जब आप जनरलिस्ट स्कोर को घटाते हैं, तो परिणाम काफी कम हो जाता है। रोबोट को एहसास होता है, "रुको, यह सही नहीं लग रहा है। यह असली बिल्ली नहीं है।"

यह एक बड़ी बात क्यों है?

  • सर्जरी की आवश्यकता नहीं: आपको रोबोट के दिमाग को बदलने (रिट्रेन करने) की आवश्यकता नहीं है। आप बस इसके द्वारा दिए गए उत्तरों पर इस नए गणितीय फॉर्मूले को लागू करते हैं।
  • इंस्टेंट अपग्रेड: यह रोबोट के लगभग किसी भी संस्करण (विभिन्न प्रॉम्प्ट लर्निंग विधियों) के साथ काम करता है और लगभग किसी भी डेटासेट पर काम करता है।
  • परिणाम: उनके परीक्षणों में, इस सरल गणितीय ट्रिक ने "नकली" वस्तुओं को पहचानने की रोबोट की क्षमता को 11.67% तक सुधार दिया। दुनिया में AI के क्षेत्र में यह एक बहुत बड़ी छलांग है।

"बीटा" फैक्टर (द ट्यूनिंग नॉब)

लेखकों ने यह भी महसूस किया कि अलग-अलग वस्तुओं के समूहों को "जनरलिस्ट" घटाव की अलग-अलग मात्रा की आवश्यकता होती है।

  • कभी-कभी आपको थोड़ा घटाने की आवश्यकता होती है।
  • कभी-कभी आपको बहुत अधिक घटाने की आवश्यकता होती है।

उन्होंने उन "असली" वस्तुओं के कुछ उदाहरणों को देखकर ही बीटा (Beta) नामक एकदम सही मात्रा खोजने का एक स्मार्ट, स्वचालित तरीका बनाया। यह एक शेफ की तरह है जो बिना किसी रेसिपी के, सूप को चखकर खुद ही समझ जाता है कि उसमें कितना नमक डालना है।

सारांश

यह पेपर AI को अधिक विनम्र होना सिखाने के बारे में है। केवल इस आधार पर कि वह किसी उत्तर को कितना पसंद करता है, "बिल्ली" या "कुत्ता" का अनुमान लगाने के बजाय, यह नया तरीका AI को यह पूछना सिखाता है, "क्या यह वास्तव में उस पैटर्न में फिट बैठता है जिसे मैं जानता हूँ?"

एक साधारण घटाव (subtraction) ट्रिक का उपयोग करके, उन्होंने विजन-लैंग्वेज मॉडल्स को वास्तविक दुनिया के कामों के लिए बहुत अधिक सुरक्षित और विश्वसनीय बना दिया है, और इसके लिए मॉडल को शुरू से बनाने की आवश्यकता नहीं पड़ी। यह एक छोटा गणितीय बदलाव है जिसका प्रभाव बहुत बड़ा है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →