शोधकर्ता लैग्रेंजियन रिवार्ड ऑगमेंटेशन (LARA) का प्रस्ताव देते हैं, जो स्पष्ट सुरक्षा बाधाओं के तहत फ्रीज़न भाषा मॉडल को डिकोडिंग के दौरान निर्देशित करने के लिए एक फ्रेमवर्क है, बिना वजन अपडेट के दोहराए। LARA बाधा को डुअलाइज करता है ताकि अनुकूलन को एक आयामी उत्तल समस्या में कम किया जा सके, जिससे एक ऑगमेंटेड रिवार्ड उत्पन्न होता है जो मौजूदा विधियों के लिए एक ड्रॉप-इन स्कोरिंग सिग्नल के रूप में कार्य करता है।
- विधि पुरस्कार और लागत मॉडल का उपयोग करने वाले KL-रेगुलाइज़्ड बाधा उद्देश्य से व्युत्पन्न होती है।
- यह ऑगमेंटेड रिवार्ड को परिभाषित करने के लिए एक छोटे कैलिब्रेशन सेट पर एक डुअल वेरिएबल का अनुमान लगाता है।
- Best-of-N reranking जैसे सीक्वेंस-लेवल सैंपलिंग के लिए, वेरिएबल अपेक्षित-लागत बाधा समस्या को हल करता है।
- टोकन-लेवल डिकोडिंग के लिए, यह एक सिद्धांतवादी डुअल-कैलिब्रेटेड हीयुरिस्टिक प्रदान करता है।
LARA उपयोगिता-निष्क्रियता संतुलन को बेहतर बनाता है, जहाँ Best-of-N प्रदर्शन फाइन-ट्यूनिंग-आधारित सीधे अलाइनमेंट बेसलाइन्स के करीब पहुँच जाता है।