EditAgent एजेंटिक छवि संपादन पर पुनर्विचार करता है
EditAgent उपयुक्त संपादकों के लिए संपादन चरणों को रूट करता है और विश्वसनीयता और दक्षता में सुधार करते हुए सूचीवार निर्णय लेने के लिए सत्यापन रिकॉर्ड का उपयोग करता है।
मुख्य जानकारी
- EditAgent प्रत्येक संपादन चरण को उपयुक्त सामान्य या विशेष संपादकों के लिए रूट करके एजेंटिक छवि संपादन में सुधार करता है, जिससे एजेंटों को बार-बार एक ही संकीर्ण उपकरणों पर भरोसा किए बिना असफल कदमों से उबरने में मदद मिलती है।
- यह एजेंट की कार्यक्षेत्र और न्यायाधीश के अवलोकन क्षेत्र का विस्तार करता है, जिससे संपादन कार्यप्रवाह अधिक विश्वसनीय और कुशल हो जाता है।
- प्रत्येक उम्मीदवार संपादन को सत्यापन रिकॉर्ड के साथ जोड़ा जाता है, जिससे न्यायाधीशों को केवल एक दृश्य छाप की बजाय निरीक्षण करने के लिए ठोस सबूत मिलते हैं।
- इन सत्यापन अभिलेखों के साथ, ऑफ-द-शेल्फ विजन भाषा मॉडल जज के रूप में ठीक ट्यून किए गए इनाम मॉडलों से बेहतर प्रदर्शन कर सकते हैं।
- उम्मीदवारों को समानांतर में उत्पन्न किया जाता है और एक न्यायाधीश कॉल में सूचीबद्ध रूप से तुलना की जाती है, अनुक्रमिक परिष्करण पर मजबूत विशेषज्ञ वरीयता प्राप्त करते हुए मूल्यांकन लागत को कम करना।
मेटा विवरण: एडिटएजेंट प्रत्येक चरण को उपयुक्त संपादकों के लिए रूट करके और सूचीवार निर्णय के लिए सत्यापन रिकॉर्ड का उपयोग करके एजेंटिक छवि संपादन को अधिक विश्वसनीय बनाता है।
टैगः EditAgent, छवि संपादन, विजन-भाषा मॉडल, सत्यापन रिकॉर्ड, ओपन-वेट संपादक
विशेष रुप से प्रदर्शित छवि: EditAgent रूटिंग इमेज-एडिटिंग चरणों का अमूर्त अनुकूल चित्रण कई संपादकों और सत्यापन रिकॉर्ड के लिए, कोई वास्तविक लोग नहीं, कोई लोगो, कोई पाठ।
छवि-संपादन एजेंटों के लिए एक अधिक विश्वसनीय कार्यप्रवाह
एडिटएजेंट एक ऐसी विधि है जो प्रत्येक संपादन चरण को अलग-अलग संपादकों के लिए रूट करके और सूचीबद्ध तुलना के लिए न्यायाधीशों को सत्यापन रिकॉर्ड देकर एजेंटिक छवि संपादन का विस्तार करती है। यह उन पाठियों के लिए उपयोगी है जो चाहते हैं कि छवि-संपादन एजेंट बार-बार उसी संकीर्ण उपकरण का उपयोग किए बिना असफल कदमों से उबर सकें। केंद्रीय विचार यह है कि जब एजेंट की कार्रवाई अंतरिक्ष और अवलोकन स्थान का विस्तार किया जाता है तो विश्वसनीयता और दक्षता दोनों में सुधार हो सकता है।
एजेंट क्यों फंस जाते हैं
एजेंटिक छवि संपादक जटिल अनुरोधों को चरणों में विघटित करते हैं। लेकिन जब एक कदम विफल हो जाता है, तो वे ज्यादातर समान संकीर्ण उपकरणों के साथ पुनः प्रयास करते हैं, जबकि एक न्यायाधीश प्रत्येक आउटपुट को सीधे आंख से स्कोर करता है। EditAgent के पीछे तर्क यह है कि ऐसे एजेंट दो स्थानों द्वारा सीमित होते हैंः जो एजेंट कर सकता है उसका एक्शन स्पेस और उसके जज क्या देख सकते हैं इसका अवलोकन अंतरिक्ष। विशेषज्ञ-अनोटेड बेंचमार्क पर, एक सामान्य प्रयोजन संपादक 40% से अधिक मामलों में कोई उपयोगी परिणाम नहीं देता है, और कोई भी न्यायाधीश संपादन प्रकारों में विश्वसनीय नहीं है।
रूटिंग चरण और सत्यापन रिकॉर्ड जोड़ना
EditAgent दोनों स्थानों का विस्तार करता है। यह प्रत्येक चरण को सामान्य संपादकों और विशेष विधियों के लिए मार्ग देता है, और प्रत्येक उम्मीदवार को एक सत्यापन रिकॉर्ड संलग्न करता है. इन अभिलेखों के साथ, ऑफ-द-शेल्फ VLM न्यायाधीश परिष्कृत इनाम मॉडल से बेहतर प्रदर्शन करते हैं। वीएलएम यहां विजन-लैंग्वेज मॉडल को संदर्भित करता है, एक ऐसा मॉडल जो छवियों को देख सकता है और निर्देश पढ़ सकता है। सत्यापन रिकार्ड न्यायाधीश को एकल दृश्य छाप की तुलना में निरीक्षण करने के लिए कुछ अधिक देता है।
समानांतर उम्मीदवार और सूचीवार निर्णय
उम्मीदवारों को समानांतर में उत्पन्न किया जाता है और एक सूचीबद्ध कॉल में आंका जाता है। आउटपुट का एक-एक करके मूल्यांकन करने के बजाय, न्यायाधीश उन्हें एक साथ तुलना करता है। विशेषज्ञ 78.5% की निर्धारित तुलनाओं में अनुक्रमिक परिशोधन के लिए इसे पसंद करते हैं, जज कॉल्स के आधे से अधिक नहीं। रिपोर्ट किए गए एक्सपर्ट वरीयता से पता चलता है कि जज कॉल को कम करते हुए सूचीबद्ध निर्णय लेने से कथित गुणवत्ता में सुधार हो सकता है, सिस्टम के लिए व्यावहारिक लाभ जो कई संभावित संपादनों का आकलन करना चाहिए।
पाठकों को आगे क्या देखना चाहिए
EditAgent तीन बेंचमार्क पर दो ओपन-वेट संपादकों में सुधार करता है और मजबूत संपादक को प्रशिक्षित करने के लिए डेटा इंजन के रूप में कार्य करता है। उपयोगकर्ताओं के लिए, रिपोर्ट किए गए मूल्य एक सही संपादन के बारे में कम हैं और एक वर्कफ़्लो के बारे میں अधिक हैं जो सही उपकरण चुन सकते हैं, साक्ष्य एकत्र कर सकते हैं और उम्मीदवारों की दक्षता से तुलना कर सकते हैंः अगला सवाल यह है कि क्या यह पैटर्न रिपोर्ट किए जाने वाले मानदंडों से परे स्केल होता है और बेहतर छवि-संपादन मॉडल बनाने में मदद करता है?

Comments (0)