शोधकर्ताओं ने खराब हो चुके हान-नॉम पांडुलिपियों को आधुनिक वियतनामी में अनुवाद करने के लिए एक बहुआयामी RLHF प्राथमिकता-एलाइनमेंट फ्रेमवर्क का प्रस्ताव दिया है, जिसमें दुर्लभ लोोगोग्राफिक अक्षर और सीमित समानांतर निगरानी जैसे चुनौतियों को संबोधित किया गया है। मॉडल CLIP ViT-L/14@336 से दृश्य विशेषताओं को bert-base-chinese और vinai/phobert-base से पाठ प्रतिनिधित्वों के साथ एकीकृत करता है, और जनरेशन से पहले एक फ्यूजन ब्लॉक के माध्यम से उन्हें संपीड़ित करता है।
- DPO ने PPO और KTO की तुलना में सर्वोत्तम BLEU-4, ROUGE-L, BERTScore, अर्थवैज्ञानिक समानता, CER, WER और टोकन सटीकता प्राप्त की।
- PPO ने परीक्षण किए गए तरीकों में सबसे उच्च सटीकता, रिक्वायरमेंट और F1 स्कोर प्राप्त किए।
- KTO अपनी इच्छित-अवांछित उपयोगिता उद्देश्य के माध्यम से प्रतिस्पर्धी बना हुआ है।
- सभी प्राथमिकता-एलाइन किए गए नीतियाँ पर्यवेक्षित फाइन-ट्यूनिंग आधार रेखा की तुलना में BLEU-4 और अर्थवैज्ञानिक समानता स्कोर को बेहतर बनाती हैं।
ये परिणाम संकेत देते हैं कि बहुआयामी प्राथमिकता अनुकूलन कम संसाधनों वाले ऐतिहासिक अनुवाद में शब्दार्थ और अर्थवैज्ञानिक गुणवत्ता को बेहतर बनाकर पर्यवेक्षित सीखने की पूरक है।