शोधकर्ताओं ने पुरस्कार-गेटेड टेस्ट-टाइम एडाप्टेशन (RG-TTA) पेश किया, जो एक रिवार्ड लर्निंग-आधारित फ्रेमवर्क है जो इनपुट बायस संवेदनशीलता के आधार पर Vision Language Models पर डीबियासिंग का चयनात्मक रूप से अनुप्रयोग करता है। यह दृष्टिकोण समान सुधार विधियों में निहित न्याय-उपयोगिता व्यापार को हल करता है, केवल बायस-संवेदनशील क्वेरीज़ के लिए रेगुलराइजेशन को अनुकूलित करके।
- RG-TTA प्रत्येक इनपुट की बायस संवेदनशीलता के आधार पर टेस्ट-टाइम पॉलिसी एडाप्टेशन के दौरान न्याय रेगुलराइजेशन को अनुकूलित रूप से ट्रिगर करता है।
- फ्रेमवर्क अर्थपूर्ण जानकारी को बनाए रखने के लिए बायस-असंवेदनशील इनपुट्स के लिए क्रॉस-मोडल एलाइनमेंट को अनुकूलित करने पर केंद्रित है।
- FairFace और UTKFace बेंचमार्क्स पर प्रयोगों ने शून्य-शॉट उपयोगिता में एक साथ सुधार करते हुए बायस में महत्वपूर्ण कमी दिखाई।