शोधकर्ताओं ने R3Con का प्रस्ताव रखा है, जो बहुत बड़े संदर्भों की प्रभावी प्रतिनिधित्व बनाने के लिए संज्ञानात्मक सिद्धांत के सिद्धांतों को क्रियान्वित करता है। यह प्रणाली मानक मॉडल संदर्भ सीमाओं से परे विशाल स्रोतों में बिखरी हुई अंतर्निर्भर जानकारी को जोड़ने की चुनौती को संबोधित करती है।
- बड़े दस्तावेज़ संग्रहों पर तर्क के लिए दो बेंचमार्क पर नौ आधार रेखाओं के खिलाफ मूल्यांकन किया गया।
- क्रमशः सबसे मजबूत आधार रेखा से 20 और 8.4 प्रतिशत अंक से श्रेष्ठ है।
- छोटे मॉडलों को बड़े मॉडलों से श्रेष्ठ बनने की अनुमति देता है: R3Con 4B और 9B मॉडलों के साथ सभी मूल्यांकित 35B आधार रेखाओं को हराता है।
- R3Con एक 35B-A3B मॉडल के साथ Claude-Sonnet-5 के साथ Claude Code से 3.7 गुना कम लागत पर श्रेष्ठ है।
परिणाम संकेत देते हैं कि इन सिद्धांतों का पालन करने वाले संदर्भ प्रतिनिधित्व मॉडल पैमाने पर निर्भरता को कम कर सकते हैं, छोटे मॉडलों द्वारा संचालित अग्रणी स्तर के प्रदर्शन की ओर इशारा करते हैं।