🤖 machine learning

Coupling Models for One-Step Discrete Generation

यह शोध पत्र कपलिंग मॉडल्स (Coupling Models) को प्रस्तुत करता है, जो एक वन-स्टेप डिस्क्रीट जनरेटिव फ्रेमवर्क है जो सिंगल-स्टेप जनरेशन को सक्षम करने के लिए डिस्क्रीट सीक्वेंस और गॉसियन लेटेंट्स के बीच एक डायरेक्ट कपलिंग सीखता है, जिससे टेक्स्ट जनरेशन, बायोलॉजिकल सीक्वेंस डिजाइन और इमेज सिंथेसिस में मौजूदा बेसलाइन्स की तुलना में महत्वपूर्ण प्रदर्शन सुधार प्राप्त होता है।

मूल लेखक: Fred Zhangzhi Peng, Avishek Joey Bose, Anru R. Zhang, Alexander Tong

प्रकाशित 2026-05-11

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Fred Zhangzhi Peng, Avishek Joey Bose, Anru R. Zhang, Alexander Tong

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

यहाँ "Coupling Models for One-Step Discrete Generation" शोध पत्र की सरल भाषा और रोज़मर्रा के उदाहरणों के साथ व्याख्या दी गई है।

बड़ी समस्या: "धीमा लेखक" बनाम "जादुई ट्रिक"

कल्पना कीजिए कि आप एक कहानी लिखने, डीएनए (DNA) अनुक्रम डिजाइन करने या एक चित्र बनाने की कोशिश कर रहे हैं। वर्तमान में, सबसे अच्छे एआई (AI) मॉडल इसे एक धीमे लेखक की तरह करते हैं:

ऑटोरिग्रेसिव मॉडल (Autoregressive models) (जैसे मानक चैटबॉट्स) एक बार में एक शब्द लिखते हैं। 100 शब्दों का वाक्य लिखने के लिए, उन्हें पहले सोचना होगा, एक शब्द लिखना होगा, फिर से सोचना होगा, अगला शब्द लिखना होगा, और इस प्रक्रिया को 100 बार दोहराना होगा। यह सटीक है लेकिन धीमा है।
डिफ्यूजन मॉडल (Diffusion models) (जैसे इमेज जनरेटर) एक मूर्तिकार की तरह हैं जो पत्थर को तराश रहा है। वे शोर (noise) के एक ब्लॉक से शुरू करते हैं और अंतिम चित्र को प्रकट करने के लिए हजारों छोटे-छोटे बदलाव करते हैं। यह समानांतर (parallel) है (वे एक साथ पूरे ब्लॉक पर काम करते हैं), लेकिन सही परिणाम पाने के लिए अभी भी कई चरणों की आवश्यकता होती है।

इस शोध पत्र का लक्ष्य एक "जादुई ट्रिक" (Magic Trick) बनाना है: एक ऐसा मॉडल जो खाली पन्ने को देख सके और तुरंत पूरी तैयार कहानी, चित्र या डीएनए अनुक्रम को एक ही चरण (single step) में बना सके।

तेज़ करने का पुराना तरीका: "फिल्म को कंप्रेस करना"

इन मॉडलों को तेज़ बनाने के पिछले प्रयास एक लंबी फिल्म को 5 सेकंड के क्लिप में कंप्रेस करने की तरह थे।

शोधकर्ताओं ने एक धीमे, बहु-चरणीय (multi-step) मॉडल को लिया और उसके ज्ञान को "डिस्टिल" (distill) या "कंप्रेस" करने की कोशिश की ताकि वह चरणों को छोड़ सके।
पेपर की आलोचना: लेखक तर्क देते हैं कि यह गलत दृष्टिकोण है। यह एक छात्र को जटिल गणित का सवाल हल करने के लिए केवल अंतिम उत्तर रटने के लिए कहने जैसा है, बिना चरणों को समझे। यदि आप मॉडल को सभी "सोचने वाले" चरणों को छोड़ने के लिए मजबूर करते हैं, तो वह अक्सर गलतियाँ करता है क्योंकि उसने डेटा के विभिन्न हिस्सों के बीच संबंध बनाना नहीं सीखा होता है।

नया समाधान: "कपलिंग मॉडल" (The Coupling Model)

लेखक एक नया तरीका प्रस्तावित करते हैं जिसे कपलिंग मॉडल कहा जाता है। एक धीमी प्रक्रिया को कंप्रेस करने के बजाय, वे खेल को पूरी तरह से बदल देते हैं। वे एक दो-चरणीय प्रक्रिया का उपयोग करते हैं जो एक अनुवादक (translator) और एक जादूगर (magician) की तरह काम करती है।

चरण 1: अनुवादक (The "Coupling")

कल्पना कीजिए कि आपके पास एक जटिल, बिखरा हुआ हस्तलिखित पत्र (डिस्क्रीट डेटा, जैसे टेक्स्ट या डीएनए) है।

मॉडल पहले एक अनुवादक के रूप में कार्य करता है। यह उस बिखरे हुए पत्र को लेता है और उसे संख्याओं के एक सुचारू, आदर्श "बादल" (Gaussian latent) में बदल देता है।
महत्वपूर्ण रूप से, यह बिखरे हुए पत्र और उस सुचारू बादल के बीच एक विशिष्ट कपलिंग (coupling) (एक सख्त लिंक) सीखता है। यह सुनिश्चित करता है कि यदि आपके पास बादल है, तो आप जानते हैं कि पत्र क्या था, और इसके विपरीत भी।
यह यह भी सुनिश्चित करता है कि यह "बादल" संख्याओं के एक मानक, यादृच्छिक (random) बादल (Gaussian noise) की तरह दिखे जिसे कोई भी आसानी से उत्पन्न कर सकता है।

चरण 2: जादूगर (The Decoder)

अब, मॉडल एक जादूगर (डिकोडर) को प्रशिक्षित करता है।

जादूगर को केवल चरण 1 में बनाए गए जोड़ों पर प्रशिक्षित किया जाता है: "यह एक बादल है, यह वह पत्र है।"
जादूगर एक यादृच्छिक बादल को देखना और तुरंत सही पत्र को प्रकट करना सीख जाता है।
परिणाम: अंत में, नया डेटा उत्पन्न करने के लिए, आप बस एक यादृच्छिक बादल चुनते हैं (जो तुरंत होता है) और जादूगर से पत्र प्रकट करने को कहते हैं। एक चरण। काम पूरा।

यह क्यों काम करता है: "बैकपैक" का उदाहरण

हम मॉडल से एक साथ पूरा वाक्य क्यों नहीं अनुमान लगाने के लिए कह सकते?

समस्या: यदि आप मॉडल से एक साथ 10 शब्द अनुमान लगाने के लिए कहते हैं, तो यह बिना किसी मदद के 10 पन्नों का निबंध लिखने के लिए एक छात्र से कहने जैसा है। शब्द तार्किक रूप से आपस में मेल नहीं खाएंगे।
समाधान: "कपलिंग" एक साझा बैकपैक (shared backpack) की तरह कार्य करती है।
- चरण 1 में, मॉडल सारा "ग्लोबल कॉन्टेक्स्ट" (विषय, लहजा, संरचना) एक बैकपैक (लेटेंट वेरिएबल) में डाल देता है।
- चरण 2 में, डिकोडर उस बैकपैक के अंदर देखता है। क्योंकि बैकपैक में "बड़ी तस्वीर" (big picture) मौजूद है, इसलिए डिकोडर हर एक शब्द को एक साथ लिख सकता है, यह जानते हुए कि वे सभी आपस में कैसे फिट बैठते हैं।

उन्होंने क्या सिद्ध किया?

टीम ने इस "जादुली ट्रिक" का परीक्षण तीन बहुत अलग चीजों पर किया:

बाइनरी इमेज (MNIST): शोर से सरल ब्लैक-एंड-व्हाइट चित्र बनाना।
डीएनए अनुक्रम (DNA Sequences): जैविक अनुक्रम (Fly Brain enhancers) डिजाइन करना।
टेक्स्ट (LM1B): वाक्य बनाना।

परिणाम:

हर मामले में, उनका "वन-स्टेप" (One-Step) मॉडल पिछले सर्वश्रेष्ठ "वन-स्टेप" मॉडलों से बेहतर था।
टेक्स्ट के लिए, वे ऐसे वाक्य बनाने में सफल रहे जो उच्च गुणवत्ता (कम कन्फ्यूजन/परप्लेक्सिटी) और विविधता (उच्च एंट्रॉपी) दोनों वाले थे, जबकि अन्य तेज़ मॉडल आमतौर पर गति के लिए गुणवत्ता या विविधता का त्याग करते हैं।
उन्होंने दिखाया कि इस "बैकपैक" (कपलिंग) का उपयोग करके, आपको एक अच्छा परिणाम पाने के लिए 100 चरणों की आवश्यकता नहीं है; आप इसे एक चरण में कर सकते हैं।

कमी (सीमाएँ)

लेखक अपनी सीमाओं के बारे में ईमानदार हैं:

पैमाना (Scale): उन्होंने इसका परीक्षण मध्यम आकार के मॉडलों पर किया है। उन्होंने अभी तक यह सिद्ध नहीं किया है कि यह आज के सबसे उन्नत एआई में उपयोग किए जाने वाले विशाल, फ्रंटियर-स्केल मॉडलों पर काम करता है।
जटिलता (Complexity): हालांकि यह अन्य तेज़ मॉडलों को हरा देता है, लेकिन सबसे बेहतरीन धीमे मॉडल (जो कई चरणों में काम करते हैं) कठिन कार्यों में अभी भी थोड़े बेहतर हैं। यह तरीका गति की ओर एक सेतु (bridge) है, न कि कोई ऐसी जादुई छड़ी जो तुरंत सब कुछ हरा दे।

सारांश

यह शोध पत्र तर्क देता है कि जटिल डेटा (टेक्स्ट, डीएनए, इमेज) को तुरंत उत्पन्न करने के लिए, हमें केवल धीमे तरीकों को तेज़ करने की कोशिश नहीं करनी चाहिए। इसके बजाय, हमें यादृच्छिक शोर (random noise) और अंतिम डेटा के बीच एक सीधा संबंध सीखना चाहिए, जिसके लिए पहले जानकारी को व्यवस्थित करने के लिए एक "अनुवादक" का उपयोग किया जाए। यह मॉडल को "यादृच्छिक शोर" से सीधे "परफेक्ट आउटपुट" तक एक ही, उच्च-गुणवत्ता वाले कदम में कूदने की अनुमति देता है।

तकनीकी सारांश: एक-चरण विविक्त पीढ़ी के लिए कपलिंग मॉडल (Coupling Models)

समस्या विवरण

डिस्क्रीट जनरेटिव मॉडलिंग (Discrete generative modeling) भाषा मॉडलिंग और कोड जनरेशन से लेकर जैविक अनुक्रम डिजाइन (biological sequence design) तक के अनुप्रयोगों में मौलिक है। हालांकि, इन डोमेन में अत्याधुनिक मॉडल आमतौर पर अनुक्रमिक अनुमान (autoregressive decoding) या पुनरावृत्ति परिशोधन (iterative refinement - जैसे कि discrete diffusion, masked refinement, या flow matching) पर निर्भर करते हैं। ये दृष्टिकोण जटिल संयुक्त संरचनाओं और वैश्विक क्रॉस-टोकन निर्भरताओं (global cross-token dependencies) को पकड़ने के लिए कई मॉडल मूल्यांकन की आवश्यकता रखते हैं, जो एक कम्प्यूटेशनल बाधा उत्पन्न करता है।

जबकि हाल के कार्यों ने डिस्टिलेशन (distillation), कंसिस्टेंसी ट्रेनिंग (consistency training), या फ्लो-मैप कंप्रेशन (flow-map compression) के माध्यम से पीढ़ी को तेज करने का प्रयास किया है, ये विधियाँ अक्सर एक-चरण पीढ़ी को मौजूदा बहु-चरण प्रक्षेपवक्र (multi-step trajectory) को संपीड़ित करने के एक अनुकूलन समस्या के रूप में देखती हैं। लेखक तर्क देते हैं कि एक-चरण विविक्त पीढ़ी (one-step discrete generation) की कठिनाई भी एक प्रतिनिधित्व समस्या (representation problem) है। एक सीधा एक-चरण कैटेगोरिकल डिकोडर जो साझा लेटेंट वेरिएबल (shared latent variable) या पुनरावृत्ति परिशोधन के बिना समानांतर में टोकन की भविष्यवाणी करता है, एक गुणनखंडित अनुक्रम नियम (factorized sequence law: $p(x) = \prod p_t(x_t)$ ) प्रेरित करता है। जैसा कि पेपर के परिशिष्टों में सिद्ध किया गया है, यह गुणनखंडित परिवार सभी संभावित अनुक्रम वितरणों के स्थान का एक सख्त उपसमुच्चय (strict subset) है और अनुकूलन की गुणवत्ता के बावजूद सामान्य क्रॉस-टोकन निर्भरताओं का प्रतिनिधित्व नहीं कर सकता है।

कार्यप्रणाली: कपलिंग मॉडल (Coupling Models)

यह पेपर कपलिंग मॉडल्स का प्रस्ताव करता है, जो एक दो-चरणीय ढांचा है जिसे डिस्क्रीट अनुक्रमों और गाऊसी लेटेंट्स (Gaussian latents) के बीच एक नमूने योग्य कपलिंग (sampleable coupling) सीखने के लिए डिज़ाइन किया गया है, ताकि प्रत्यक्ष टोकन-वाइज डिकोडर्स की अभिव्यक्ति बाधा (expressivity barrier) को दूर किया जा सके।

मुख्य वास्तुकला (Core Architecture)

यह विधि दो अलग-अलग चरणों में कार्य करती है:

चरण A: डिस्क्रीट अनुक्रम $\to$ गाऊसी लेटेंट (कपलिंग निर्माण)
- डिस्क्रीट टोकन पर सीधे घनत्व मॉडल (density model) फिट करने के बजाय, मॉडल पहले एक पुनर्गठित एनकोडर $E_\psi(x, \epsilon)$ का उपयोग करके एक डिस्क्रीट अनुक्रम $x$ को एक निरंतर प्रतिनिधित्व $u$ में एनकोड करता है।
- इस निरंतर प्रतिनिधित्व को फिर एक व्युत्क्रमणीय नॉर्मलाइजिंग फ्लो (invertible normalizing flow) $NF_\phi$ के माध्यम से एक गाऊसी लेटेंट $z$ में परिवर्तित किया जाता है।
- इसका उद्देश्य ( $L_A$ $L_{A}$ ) तीन पदों को जोड़ता है:
  - पुनर्निर्माण हानि (Reconstruction Loss): यह सुनिश्चित करता है कि निरंतर प्रतिनिधित्व $u$ $x$ को पुनर्निर्मित करने के लिए पर्याप्त जानकारी रखता है।
  - KL रेगुलराइजेशन (KL Regularization): एनकोडर वितरण को स्थिर करता है।
  - फ्लो लाइकलीहुड (Flow Likelihood): प्रेरित लेटेंट मार्जिनल $q_\phi(z)$ को मानक गाऊसी प्रायर (standard Gaussian prior) $p_Z = \mathcal{N}(0, I)$ के साथ संरेखित करता है।
- महत्वपूर्ण अंतर्दृष्टि: फ्लो घटक केवल एक प्रायर नहीं है, बल्कि ट्रेन-टेस्ट संरेखण (train-test alignment) सुनिश्चित करने का एक तंत्र है। यह गारंटी देता है कि चरण B में डिकोडर को सुपरवाइज करने के लिए उपयोग किए जाने वाले लेटेंट वेरिएबल्स उसी तरह वितरित होते हैं जैसे इन्फरेंस के समय सैंपल किया गया शोर (noise)।
चरण B: गाऊसी लेटेंट $\to$ डिस्क्रीट अनुक्रम (समानांतर डिकोडिंग)
- चरण A में उत्पन्न युग्मित डेटा $(z, x)$ का उपयोग करके, एक समानांतर डिकोडर $G_\theta$ कपलिंग को उलटने (invert) के लिए प्रशिक्षित किया जाता है।
- डिकोडर साझा लेटेंट $z$ पर आधारित होकर, प्रत्येक स्थिति के लिए वोकैबुलरी (vocabulary) पर एक वितरण की भविष्यवाणी करता है।
- यद्यपि सशर्त उत्सर्जन (conditional emission) गुणनखंडित होता है ( $G_\theta(x|z) = \prod G_\theta(x_t|z)$ ), मार्जिनल जनरेशन $p_{gen}(x) = \int G_\theta(x|z)p_Z(z)dz$ एक लेटेंट मिश्रण है जो $z$ के माध्यम से वैश्विक निर्भरताओं को कैप्चर कर सकता है।
- इन्फरेंस (Inference): पीढ़ी के लिए एक ही चरण की आवश्यकता होती है: $z \sim \mathcal{N}(0, I)$ को सैंपल करें और एक ही फॉरवर्ड पास में सभी टोकन को डिकोड करें।

विस्तार (Extensions)

कुछ-चरण परिशोधन (Few-Step Refinement): सीखा गया गाऊसी लेटेंट स्पेस एक मास्क डैनोइज़र ( $H_\theta$ ) के लिए एक वैश्विक स्थिति (global condition) के रूप में कार्य कर सकता है, जिससे एक एकल वैश्विक लेटेंट ड्रॉ बनाए रखते हुए पुनरावृत्ति परिशोधन (जैसे P2-self sampling) संभव होता है।
गाइडेंस (Guidance): एक-चरण प्रकृति मार्गदर्शन तंत्रों को सरल बनाती है:
- क्लासिफायर-फ्री गाइडेंस (CFG): सीधे अंतिम लॉजिट्स (logits) पर लागू किया जाता है।
- क्लासिफायर गाइडेंस: एक रिलैक्स्ड आउटपुट पर ग्रेडिएंट एसेंट के माध्यम से लेटेंट वेरिएबल $z$ को ऑप्टिमाइज़ करता है।
- रिवॉर्ड फाइन-ट्यूनिंग (Reward Fine-tuning): जनरेटर मापदंडों को सीधे अपडेट करता है, जिससे बहु-चरण डैनोइजिंग के लिए आवश्यक लंबे स्टोकेस्टिक कंट्रोल पाथ से बचा जा सकता है।

प्रमुख योगदान

प्रतिनिधित्व-केंद्रित दृष्टिकोण (Representation-Centric Approach): यह पेपर एक-चरण विविक्त पीढ़ी को प्रक्षेपवक्र संपीड़न (trajectory compression) की समस्या के बजाय एक प्रतिनिधित्व समस्या के रूप में पुनर्गठित करता है। यह प्रदर्शित करता है कि प्रत्यक्ष टोकन-वाइज डिकोडर अभिव्यंजक रूप से सीमित हैं और एक कपलिंग-आधारित लेटेंट स्पेस प्रस्तावित करता है।
दो-चरणीय कपलिंग निर्माण: एक मल्टी-स्टेप टीचर प्रक्षेपवط (trajectory) की आवश्यकता के बिना, नॉर्मलाइजिंग फ्लो का उपयोग करके डिस्क्रीट अनुक्रमों और गाऊसी शोर के बीच एक नमूने योग्य कपलिंग सीखने के लिए एक विधि पेश करता है।
सैद्धांतिक विश्लेषण: यह एक औपचारिक प्रमाण (प्रपोजिशन 3.1 और अपेंडिक्स C) प्रदान करता है कि एक-चरण पीढ़ी में टोटल वेरिएशन एरर (total variation error), डिकोडिंग एरर और लेटेंट मिसमैच एरर द्वारा सीमित है, जो चरण A में फ्लो-आधारित संरेखण की आवश्यकता को न्यायसंगत बनाता है।
कुशल मार्गदर्शन (Efficient Guidance): यह प्रदर्शित करता है कि कपलिंग मॉडल बहु-चरण बेसलाइन्स की तुलना में काफी अधिक कुशल मार्गदर्शन (CFG, क्लासिफायर गाइडेंस, रिवॉर्ड ट्यूनिंग) सक्षम करता है, क्योंकि नियंत्रण संकेत प्रक्षेपवक्र के बजाय अंतिम भविष्यवाणी या एक एकल लेटेंट वेरिएबल पर कार्य करते हैं।

प्रयोगात्मक परिणाम

मॉडल का मूल्यांकन तीन डोमेन में किया गया: MNIST-Binary (इमेज), फ्लाई ब्रेन (DNA एन्हांसर), और LM1B (भाषा)।

MNIST-Binary (अनकंडीशनल इमेज जनरेशन):
- एक सख्त एक-चरण सेटिंग में 5.50 का FID प्राप्त किया।
- मजबूत एक-चरण बेसलाइन्स, जिनमें CFM (10.10) और PAIRFLOW+ReDi (12.90) शामिल हैं, को पछाड़ दिया।
- परिणाम कई कुछ-चरण और बहु-चरण बेसलाइन्स के प्रतिस्पर्धी रहे।
फ्लाई ब्रेन एन्हांसर डिजाइन (DNA अनुक्रम):
- फ्रैशेट बेंचमार्क डिस्टेंस (FBD) को डिस्टिल्ड डिरिचलेट FM बेसलाइन के 15.8 से घटाकर 12.9 ± 0.3 कर दिया।
- हालांकि मजबूत पुनरावृत्ति विधियां (जैसे 100-स्टेप SLM, Fisher-Flow) अभी भी एक-चरण मॉडल से बेहतर प्रदर्शन करती हैं, लेकिन परिणाम संरचित जैविक अनुक्रमों के लिए इसकी हस्तांतरणीयता (transferability) को प्रदर्शित करते हैं।
LM1B (भाषा पीढ़ी):
- मौजूदा एक-चरण बेसलाइन्स (जैसे FMLM, DFM, CFM) की तुलना में जेनेरेटिव परप्लेक्सिटी (Gen-PPL) में सुधार किया, जबकि वास्तविक-डेटा संदर्भ के करीब एंट्रॉपी बनाए रखी।
- सबसे निम्नतम परप्लेक्सिटी ऑपरेटिंग पॉइंट पर, इसने सबसे मजबूत एक-चरण बेसलाइन की तुलना में Gen-PPL को 33% कम किया, जिससे वांछित लो-परप्लेक्सिटी, हाई-एंट्रॉपी क्षेत्र की ओर एंट्रॉपी-परप्लेक्सिटी फ्रंटियर स्थानांतरित हो गया।
- विशेष रूप से, परप्लेक्सिटी में सुधार विविधता (entropy) के पतन की कीमत पर नहीं आया।
गाइडेंस दक्षता:
- MNIST-Binary पर, कपलिंग मॉडल ने CFG के लिए 512 मूल्यांकन बनाम 2 मूल्यांकन जैसे ऑर्डर ऑफ मैग्नीट्यूड कम फंक्शन इवेलुएशन का उपयोग करके MDM बेसलाइन्स की तुलना में कम FID और तुलनीय सटीकता प्राप्त की।

महत्व और दावे

पेपर का दावा है कि प्रभावी एक-चरण विविक्त पीढ़ी इस बात पर बहुत अधिक निर्भर करती है कि डेटा और शोर को डिकोडिंग से पहले कैसे कपल किया जाता है। डिस्क्रीट अनुक्रमों और गाऊसी लेटेंट्स के बीच एक सीधा कपलिंग सीखकर, यह विधि जटिल निरंतर प्रवाह (continuous flows) या हाथ से निर्दिष्ट डेटा-टू-नॉइज़ कपलिंग की आवश्यकता को समाप्त करती है।

लेखक कपलिंग मॉडल्स को प्रक्षेपवक्र संपीड़न और फ्लो-मैप विधियों के एक अलग विकल्प के रूप में स्थापित करते हैं। कठिन सेटिंग्स (जैसे लंबे जैविक अनुक्रम) के लिए मजबूत पुनरावृत्ति बेसलाइन्स की उपस्थिति को स्वीकार करते हुए, यह कार्य स्थापित करता है कि सीखा गया निरंतर कपलिंग उच्च-गुणवत्ता वाली एक-चरण पीढ़ी के लिए एक व्यवहार्य और कुशल मार्ग प्रदान करता है। परिणाम बताते हैं कि एक-चरण पीढ़ी को केवल प्रक्षेपवक्र संपीड़न के रूप में नहीं देखा जाना चाहिए, बल्कि इसे एक समर्पित प्रतिनिधित्व शिक्षण रणनीति के माध्यम से भी प्राप्त किया जा सकता है।

सीमाएं: लेखक नोट करते हैं कि वर्तमान प्रयोग मध्यम आकार के मॉडल का उपयोग करते हैं और फ्रंटियर-स्केल भाषा पीढ़ी या बड़े पैमाने पर प्रोटीन डिजाइन का परीक्षण नहीं करते हैं। इसके अतिरिक्त, भाषा पीढ़ी मेट्रिक्स जैसे कि परप्लेक्सिटी, फाइनल सैंपल क्वालिटी के साथ पूरी तरह से सह-संबंधित नहीं हो सकते हैं, जो कि लाइकलीहुड-आधारित मूल्यांकन में एक ज्ञात समस्या है।