शोधकर्ताओं ने बड़े भाषा मॉडलों (LLMs) में बहु-आयामी अस्वीकृति उप-स्थानों को कुशलता से पहचानने के लिए प्रोब-सूचित प्रारंभीकरण के साथ Recursive Feature Machine (RFM) एल्गोरिदम को अनुकूलित किया है। यह दृष्टिकोण Qwen 3 जैसे तर्क मॉडलों और Qwen 2.5 जैसे गैर-तर्क मॉडलों पर सेकंडों में उप-स्थान निष्कर्षण की अनुमति देता है, जो मौजूदा तरीकों की कंप्यूटेशनल प्रतिबंधों को दूर करता है।
- विधि RFM का लाभ उठाती है ताकि पिछली तकनीकों की तुलना में काफी तेजी से उप-स्थानों की गणना की जा सके।
- यह वैकल्पिक उप-स्थान निष्कर्षण तरीकों की तुलना में अبلेशन कार्यों पर बेहतर प्रदर्शन प्राप्त करती है।
- तकनीक तर्क और गैर-तर्क मॉडल दोनों आर्किटेक्चर पर लागू होती है।
RFM मौजूदा उप-स्थान निष्कर्षण तरीकों के लिए एक सस्ता और स्केलेबल पूरक के रूप में कार्य करता है, जिससे LLMs में सुरक्षा मॉनिटरिंग और व्याख्यात्मकता विश्लेषण को अधिक सुलभ बनाया जाता है।