蚂蚁集团在 IJCAI 2026 上发表四篇论文，系统性探索 AI 在动态环境中的自适应能力。

लेखक, स्रोत: लेफेंगवेन

कितनी भी बुद्धिमान एल्गोरिदम हो, अंततः उसे गतिशील वातावरण में परीक्षण करना पड़ता है।

IJCAI-ECAI 2026 का आयोजन 15 से 21 अगस्त, 2026 के बीच जर्मनी के ब्रेमन में किया जाएगा। सम्मेलन के दौरान, AI टेक रिव्यू इस शीर्ष सम्मेलन में सम्मिलित पेपर्स का प्रणालीगत रूप से स्कैन कर रहा है, ताकि तकनीकी प्रवृत्तियों और उद्योग की दिशा को पहचाना जा सके।

मेंहुआवेई IJCAI 2026 पेपर समीक्षा: 'स्केल डेंसिटी' से 'डिज़ाइन डेंसिटी' की ओर, हमने बड़ी कंपनियों के पैरामीटर प्रतिस्पर्धा में संयम और कैपेसिटी दक्षता की ओर रुझान देखा है।

और एंटी ग्रुप द्वारा चयनित चार पेपर्स एक समान रूप से महत्वपूर्ण लेकिन संपूर्ण रूप से अलग तकनीकी दिशा की ओर इशारा करते हैं: डायनामिक वातावरण के अनुकूलन क्षमता के व्यवस्थित अन्वेषण की।

लैब में एल्गोरिदम मॉडल की सटीकता लगातार रिकॉर्ड तोड़ रही है, लेकिन जब इसे वास्तविक दुनिया में डिप्लॉय किया जाता है, तो प्रदर्शन में गिरावट लगभग सामान्य हो जाती है। कारण सरल है: वास्तविक दुनिया कभी स्थिर नहीं होती।

एंट ग्रुप के बिजनेस सीनरियो में इस “अस्थिरता” को अधिकतम तक ले जाया गया है: 10 अरब से अधिक उपयोगकर्ता, 8000 से अधिक सेवाएँ, भुगतान के शिखर और रात के समय के निम्न स्तर के बीच कई क्रम का अंतर हो सकता है, रिस्क कंट्रोल मॉडल को घंटों के स्तर पर काले व्यापार की रणनीति के अपडेट का प्रतिक्रिया देना होगा, और वैश्विक तैनाती को हर देश की भिन्न वित्तीय बुनियादी ढांचे के साथ समायोजित करना होगा।

इस परिवेश में, "एक बार प्रशिक्षण, स्थायी रूप से डिप्लॉय" वाले स्थिर मॉडल अनिवार्य रूप से "कट्टे की निशानी पर तलवार का निशान बनाने" की स्थिति में फंस जाएंगे।

इसीलिए, वास्तविक बुद्धिमत्ता इस बात पर निर्भर करती है कि एल्गोरिथम परिवेश के परिवर्तन को महसूस कर सकता है, स्वयं की रणनीति को सक्रिय रूप से समायोजित कर सकता है, और गतिशीलता में उत्तम हल ढूंढ सकता है। अंट ग्रुप के ये चार शोध पत्र, एक साथ इस मूलभूत प्रश्न का उत्तर देते हैं: AI को “स्थिर समाधानकर्ता” से “गतिशील स्व-अनुकूलक” में कैसे विकसित किया जाए?

01 MSRGC-Net: समय श्रृंखला समूहन को डेटा घनत्व वितरण के लिए "अनुकूल" बनाएं

टाइम सीरीज क्लस्टरिंग, जिसमें विशाल व्यवहार अनुक्रमों को स्वचालित रूप से वर्गीकृत किया जाता है, यह व्यवहार पैटर्न को समझने और असामान्य संकेतों को निगरानी करने का एक मूलभूत उपकरण है।

लेकिन मौजूदा तरीकों की अपनी-अपनी अजीब स्थिति है:

• समानता विधियाँ (जैसे k-Shape): स्थानीय पैटर्न को पकड़ सकती हैं, लेकिन सभी नमूनों के बीच की दूरी की गणना करनी पड़ती है, जब डेटा बढ़ जाता है तो यह धीमा हो जाता है;
• डीप लर्निंग विधियाँ (जैसे ऑटोएंकोडर): अच्छी अभिव्यक्ति क्षमता, लेकिन प्रशिक्षण महँगा, पैरामीटर ट्यूनिंग जटिल, और कम्प्यूटेशनल उपयोग अधिक;
• पारंपरिक विशेषता निकाल: मानव द्वारा डिज़ाइन की गई विशेषताओं पर निर्भर, जिसमें महत्वपूर्ण समयगत जानकारी खो सकती है।

बड़ी समस्या यह है: वास्तविक समय-क्रम डेटा का घनत्व अत्यंत असमान होता है—दुश्मन के दिन के लेन-देन का डेटा बारिश की तरह सघन होता है, जबकि रात के समय का डेटा बूंद-बूंद की तरह विरल होता है, लेकिन पारंपरिक विधियों को आपको पहले से बताना पड़ता है कि कितने वर्गों में विभाजित करना है, जो स्वयं वास्तविकता के विपरीत है।

एंटी ग्रुप और चोंगकिंग यूनिवर्सिटी ऑफ पोस्ट्स एंड टेलीकॉम्युनिकेशन द्वारा प्रस्तावित MSRGC-Net, एक "ट्रेनिंग-मुक्त" संयोजन के साथ, सटीकता और कैलकुलेशन दक्षता के बीच के दुविधा को दूर करता है।

पेपर का लिंक: https://arxiv.org/pdf/2606.12077v1

▎इसकी मूल तर्क को तीन चरणों में विभाजित किया जा सकता है:

पहला चरण, बहु-स्केल रिजर्वोयर कोडिंग (विशेषता निकालना)। अनुकूलन के बिना कई इको स्टेट नेटवर्क (ESN) का उपयोग रिजर्वोयर कॉम्प्यूटिंग इकाई के रूप में किया जाता है, जहाँ केवल स्पेक्ट्रल त्रिज्या को समायोजित करके मूल समय-श्रेणी से स्थानीय उतार-चढ़ाव और दीर्घकालिक प्रवृत्ति दोनों को एक साथ निकाला जाता है, और सभी नमूनों को एकत्रित करके दृश्य विशेषता मैट्रिक्स बनाया जाता है, जो भविष्य के चरणों के लिए इनपुट के रूप में काम करता है।

दूसरा चरण, "कण गेंद" एंकरिंग ग्राफ निर्माण (संरचनात्मक मॉडलिंग), जो सबसे चतुर भाग है। अल्गोरिथम अब एकल डेटा बिंदुओं पर नहीं नजर रखता, बल्कि डेटा के स्थानीय घनत्व के आधार पर "कण गेंद" (Granular Ball) को स्वचालित रूप से विभाजित करता है: उच्च घनत्व वाले क्षेत्र छोटी और अधिक कणों को बनाते हैं, जबकि कम घनत्व वाले क्षेत्र बड़ी और कम कणों को बनाते हैं। डेटा आकार N से M (कण संख्या, M < N) तक संपीड़ित हो जाता है, जबकि शोर विक्षेपण को भी दबा दिया जाता है।

तीसरा चरण: सहमति-आधारित बहु-मापदंड ग्राफ़ अनुकूलन। स्केल के बीच के एंकर ग्राफ़ को सहमति रणनीति के माध्यम से एकीकृत किया जाता है, जिससे मॉडल निम्न स्तरीय स्थानीय पैटर्न को पकड़ सके और उच्च स्तरीय समग्र प्रवृत्तियों को समझ सके, अंततः एक ऐसा मजबूत समूहन परिणाम उत्पन्न करे जिसमें मानव-निर्दिष्ट समूह संख्या की आवश्यकता न हो।

How effective is this strategy?

5 बहु-चर बेंचमार्क डेटासेट्स और 15 मूल्यांकन सूचकांकों (NMI, ARI, RI में से प्रत्येक 5) पर, MSRGC-Net ने 12 में सर्वश्रेष्ठ और 2 में दूसरा स्थान प्राप्त किया — 80% सर्वश्रेष्ठ दर।

अधिक महत्वपूर्ण बात यह है कि यह O(n²) युग्म गणना से बचता है और लगभग रेखीय जटिलता प्राप्त करता है। सरल शब्दों में कहें तो: यह तेज़ और सटीक है, और आपको यह अनुमान लगाने की आवश्यकता नहीं है कि आप कितने वर्गों में विभाजित करना चाहते हैं।

एंटी के वास्तविक व्यावसायिक परिदृश्य में, इसका अर्थ है कि सिस्टम ट्रैफ़िक घनत्व के आधार पर स्वचालित रूप से क्लस्टरिंग ग्रेन्युलैरिटी को समायोजित कर सकता है—शीर्ष समय पर असामान्यता पकड़ने के लिए सूक्ष्म वर्गीकरण, और निम्न समय पर कम प्रसंस्करण शक्ति के लिए व्यापक सारांश, हमेशा डेटा के साथ चलते हुए।

02 ऑफलाइन से ऑनलाइन रीइनफोर्समेंट लर्निंग के लिए एडेप्टिव डेटा मिक्सिंग स्ट्रैटेजी

रिइनफोर्समेंट लर्निंग में एक प्रसिद्ध "स्थानीय अनुकूलन समस्या" है — "डिस्ट्रीब्यूशन शिफ्ट": ऑफलाइन डेटा पर प्रशिक्षित मॉडल ऑनलाइन होने पर आसानी से "भूल जाता है"। इसका कारण ऑफलाइन डेटा और ऑनलाइन इंटरैक्शन डेटा के बीच वितरण में अंतर है, जिससे ऑनलाइन प्रारंभिक रणनीति ऑफलाइन सीखे गए ज्ञान को तेजी से "भूल जाती है"।

वर्तमान समाधान दो ही प्रकार के हैं: या तो 50% ऑफलाइन + 50% ऑनलाइन का स्थिर मिश्रण अनुपात रखें, या फिर निर्देशिका नियमों का उपयोग करके "निकट नीति" के नमूनों को प्राथमिकता दें।

लेकिन समस्या यह है कि रणनीति की विभिन्न चरणों में आवश्यकताएं पूरी तरह से अलग होती हैं—प्रारंभिक चरण में मूल आधार को स्थिर रखने के लिए अधिक ऑफ़लाइन डेटा की आवश्यकता होती है, जबकि बाद के चरण में नए संभावनाओं की खोज के लिए अधिक ऑनलाइन डेटा की आवश्यकता होती है। एक स्थिर रणनीति, वही है जैसे नाव पर तलवार का निशान बनाना।

Ant Group और शंघाई जियाओटोंग विश्वविद्यालय द्वारा ROAD का प्रस्ताव रखा गया, जिसमें डेटा मिश्रण अनुपात को एक “पूर्वनिर्धारित पैरामीटर” से “गतिशील निर्णय चर” में बदल दिया गया।

पेपर का लिंक: https://arxiv.org/pdf/2605.14497

इसका मूल विचार दिलचस्प है: डेटा चयन मूल रूप से एक द्वि-स्तरीय अनुकूलन समस्या है।

• इनर-लेवल: बेलमैन त्रुटि को कम करने के लिए मानक Q-लर्निंग अपडेट;
• बाहरी स्तर (Outer-Level): ऑनलाइन रणनीति के अपेक्षित लाभ को अधिकतम करने के लक्ष्य के साथ डेटा मिश्रण रणनीति को मेटा-निर्णय चर के रूप में देखें।

दो स्तरों को बहु-बाहु बैंडिट (MAB) एल्गोरिथम द्वारा अनुमानित किया जाता है, जिससे मिश्रित रणनीति प्रशिक्षण के दौरान वास्तविक समय में समायोजित हो सके: जब भी मॉडल ऑफ़लाइन चरण में सीखे गए ज्ञान को "भूलना" शुरू करता है, तो ऑफ़लाइन डेटा के सैंपलिंग अनुपात को स्वचालित रूप से बढ़ाया जाता है ताकि मूल आधार स्थिर रहे; जब मॉडल सावधान होकर कम अन्वेषण करने लगता है, तो ऑनलाइन डेटा का हिस्सा तुरंत बढ़ाया जाता है ताकि यह प्रयास करने के लिए प्रोत्साहित हो।

प्रयोग बहुत मजबूत थे। टीम ने ऑफलाइन से ऑनलाइन रीइनफोर्समेंट लर्निंग के तीन प्रमुख मानक परीक्षणों पर प्रमाणित किया: AntMaze (रोबोट जो एक लैबरिंथ में लक्ष्य ढूंढता है), MuJoCo (जैविक रोबोट के गति नियंत्रण) और FrankaKitchen (एक किचन में जटिल कार्य पूरा करने के लिए रोबोटिक आर्म)। इन कार्यों की कठिनाई अलग-अलग है और स्टेट स्पेस भिन्न हैं, जिससे एल्गोरिथम की सामान्यीकरण क्षमता का समग्र रूप से मूल्यांकन किया जा सकता है।

ROAD के एल्गोरिदम की सार्वभौमिकता की पुष्टि के लिए, शोध टीम ने ROAD को IQL, PEX, CQL, Cal-QL जैसी कई प्रमुख ऑफ़लाइन एल्गोरिदम के साथ “जोड़” दिया। परिणाम दर्शाते हैं: चाहे नींव में कौन सा एल्गोरिदम उपयोग किया जाए, ROAD हमेशा प्रदर्शन में स्थिर वृद्धि लाता है।

PEX+ROAD के साथ, यह विधि D4RL बेंचमार्क पर 24 निरंतर नियंत्रण कार्यों पर 71.12 का कुल औसत स्कोर प्राप्त करती है, जिसमें 24 में से 18 कार्यों में पहला स्थान प्राप्त करती है, जो स्थिर अनुपात, घटते अनुपात, और अनुभवजन्य संतुलित पुनर्खरीद जैसी सभी आधार विधियों से स्पष्ट रूप से बेहतर है।

इसका अर्थ है कि ROAD मॉडल को “सावधानी से विरासत में लेना” और “आक्रामक खोज” के बीच आदर्श संतुलन प्रदान करता है—न तो यह लॉन्च के साथ ही विफल होता है, और न ही यह वास्तविक समय के डेटा द्वारा प्राप्त होने वाले सुधार के अवसर को खो देता है। इस विधि का मूल्य अंटाल ग्रुप के रिस्क कंट्रोल मॉडल लॉन्च, रिकमेंडेशन सिस्टम के रियल-टाइम ऑप्टिमाइजेशन जैसे सीनरियोज़ के लिए स्पष्ट है।

03 DSEBO: उच्च-आयामी बेयेजियन अनुकूलन को "अनुकूल" खोज उप-स्थान प्रदान करें

बेयेजियन ऑप्टिमाइजेशन ब्लैक बॉक्स फंक्शन ऑप्टिमाइजेशन की एक पारंपरिक विधि है, लेकिन जब यह उच्च-आयामी समस्याओं से टकराता है तो इसे परेशानी होती है। एक सामान्य समाधान रैंडम एम्बेडिंग है—जिसमें ऑप्टिमाइजेशन को एक निम्न-आयामी उप-स्थान में प्रक्षेपित किया जाता है, लेकिन एक नया प्रश्न उठता है: प्रभावी आयाम कितने हैं?

पारंपरिक विधियाँ या तो विशेषज्ञों के अनुभव पर निर्भर करती हैं जो निश्चित उप-स्थान आयाम प्रदान करते हैं, या फिर प्रयास और त्रुटि के माध्यम से बार-बार अनुमान लगाती हैं, जिससे बहुत सारे संसाधन व्यय होते हैं और निश्चित उप-स्थान आयाम विभिन्न कार्यों के अनुकूल नहीं हो पाते। और अधिक परेशानी की बात यह है कि प्रभावी आयाम स्वयं अनुकूलन प्रक्रिया के साथ बदल सकता है: प्रारंभिक खोज के दौरान कम आयाम पर्याप्त होते हैं, जबकि बाद में सूक्ष्म समायोजन के लिए अधिक आयामों की आवश्यकता हो सकती है।

एंटी ग्रुप ने ईस्ट चाइना नॉर्मल यूनिवर्सिटी और नैनजिंग यूनिवर्सिटी के साथ मिलकर DSEBO प्रस्तुत किया, जिसमें सबस्पेस आयाम को अनुकूलन प्रक्रिया के दौरान "गतिशील चर" बनाया गया है, जो खोज प्रगति के साथ स्वयं स्विच होता है।

पेपर का लिंक: https://arxiv.org/pdf/2605.23473

DSEBO की मुख्य तंत्र “निम्न से उच्च तक, क्रमिक उत्थान” है:

• लो-डाइमेंशनल सबस्पेस से शुरू करके, ऑप्टिमाइज़र लो-डाइमेंशनल स्पेस में कैंडिडेट सॉल्यूशन जेनरेट करता है, जिसे रैंडम एम्बेडिंग के माध्यम से मूल स्पेस में मैप किया जाता है, और फिर यह लक्ष्य फंक्शन के बड़े रूप को तेजी से समझता है, और परिणाम की प्रतिक्रिया गॉसियन प्रक्रिया के आइटरेटिव अपडेट को ड्राइव करती है;
• अभिसरण के बाद स्वचालित रूप से आयाम विस्तार ट्रिगर होता है, जिसमें साझा एम्बेडिंग मैट्रिक्स के माध्यम से निम्न-आयामी समाधान को उच्च-आयामी में "विरासत" में मिलता है;
• नए सबस्पेस की प्रारंभिक स्थापना और निरंतर अनुकूलन, जिसमें साझा एम्बेडिंग मैट्रिक्स द्वारा सभी सबस्पेस एक दूसरे में निहित होते हैं, जिससे “निम्न आयामी खोज → अभिसरण प्रेरित → आयाम विस्तार → निरंतर अनुकूलन” का चक्र बनता है, जब तक कि मूल्यांकन बजट सीमा तक न पहुँच जाए।

इस आयाम विस्तार चरण में, विस्तार की मात्रा भी स्थिर नहीं होती — एल्गोरिथम वर्तमान उत्तम मान वक्र के आधार पर स्वयं को अनुकूलित करता है: यदि वक्र चपटा है, तो विस्तार धीमा होता है ताकि अनावश्यक लागत से बचा जा सके; यदि वक्र तेज़ है, तो विस्तार तेज़ होता है ताकि उच्च-आयामी लाभ को जल्दी से पकड़ा जा सके।

परिणाम यह हैं: संश्लेषित फ़ंक्शन (Levy, Griewank, Sphere, D=1000) और तीन वास्तविक कार्यों (MSLR, Lasso-Hard, LIMO) पर, DSEBO ने REMBO, SIRBO, BAxUS, TuRBO जैसी दर्जनों प्रमुख विधियों के साथ तुलना की और लगभग सभी कार्यों पर सर्वोत्तम हल प्राप्त किया—दोनों सटीकता और अभिसरण गति में अग्रणी।

इस “निम्न आयाम में अन्वेषण, उच्च आयाम में सूक्ष्म समायोजन” की रणनीति अंत के दैनिक अनुसंधान और विकास में भी उपयोगी है—ऋण मॉडल के हाइपरपैरामीटर ऑप्टिमाइज़ेशन, रिस्क कंट्रोल रणनीति के थ्रेशोल्ड ऑप्टिमाइज़ेशन, और मार्केटिंग अभियान के बहु-चर एक्सपेरिमेंटल डिज़ाइन के लिए, अब विशेषज्ञों को आयाम का अनुमान लगाने की आवश्यकता नहीं है; एल्गोरिथम स्वयं “चलते समय देखता” है और स्वचालित, उच्च कुशलता के साथ संचालन करता है।

04 VGA-BenchV2: वीडियो आकलन बेंचमार्क को AIGC पारिस्थितिकी के विकास के लिए "अनुकूल" बनाएं

यदि पहली तीन पेपर्स एल्गोरिदम स्तर के अनुकूलन पर चर्चा करते हैं, तो VGA-BenchV2 यह दर्शाता है कि मूल्यांकन बुनियादी ढांचा AIGC तकनीकी पारिस्थितिकी के अपग्रेड को कैसे “अनुकूलित” करता है। यह चारों पेपर्स में से एकमात्र कार्य है जो मल्टीमोडल कंटेंट अवबोध पर केंद्रित है, जो एंट ग्रुप के डिजिटल जीवन, कंटेंट पारिस्थितिकी आदि गैर-वित्तीय क्षेत्रों में रणनीतिक भंडार को दर्शाता है।

AIGC ने वीडियो उत्पादन में भारी वृद्धि की है, लेकिन एक मूल समस्या अटक गई है: हम इन जनरेट किए गए वीडियो की गुणवत्ता का प्रणालीगत आकलन कैसे करें?

फ़िल्म विश्लेषण डेटा (FVD) (समग्र गुणवत्ता और समय के साथ संगति का मूल्यांकन करता है), CLIP स्कोर (जनरेट किए गए चित्र और टेक्स्ट वर्णन के बीच अर्थपूर्ण संगति का मूल्यांकन करता है), मुख्य रूप से यह देखते हैं कि छवि स्पष्ट है या नहीं, गति संगठित है या नहीं, और टेक्स्ट सही ढंग से मेल खाता है या नहीं। लेकिन संरचना कितनी सूक्ष्म है, प्रकाश और छाया कितने सावधानी से प्रयोग किए गए हैं, रंग समायोजित हैं या नहीं—ये “सौंदर्य” से संबंधित अनुभवात्मक गुण, इनके पास लगभग कोई शक्ति नहीं है।

पहले CVPR 2026 पर, एंटीग्रुप ने बीजिंग फिल्म इंस्टीट्यूट और जनरल आर्टिफिशियल इंटेलिजेंस इंस्टीट्यूट (BIGAI) के साथ VGA-Bench पेश किया, जिसने वीडियो एस्थेटिक्स एवलुएशन के लिए पहली बार त्रि-आयामी ढांचा (सौंदर्य गुणवत्ता, सौंदर्य टैग, जनरेशन क्वालिटी) स्थापित किया, और 1016 प्रॉम्प्ट्स, 12 जनरेटिव मॉडल्स और 60,000 से अधिक वीडियो के आधार पर एक एवलुएशन बेंचमार्क बनाया, जिससे AI पहली बार पेशेवर दृष्टिकोण से वीडियो की "सराहना" करना सीख गया।

पेपर लिंक: https://arxiv.org/pdf/2604.10127

लेकिन वीडियो जनरेशन मॉडल बहुत तेजी से विकसित हो रहे हैं, जिससे मासिक इटरेशन रिदम के कारण स्थिर बेंचमार्क जल्द ही “पर्याप्त नहीं” रह जाते हैं। IJCAI 2026 के इस पेपर में, टीम ने आगे बढ़कर VGA-BenchV2 लॉन्च किया है।

Open source address:

https://huggingface.co/datasets/BestVictoryLab/VGA-Bench

▎मुख्य विकास तीन बिंदुओं पर हैं:

पहला, मानव द्वारा लेबल किए गए डेटा की मात्रा में वृद्धि हुई है। VGA-BenchV2 में 36,000 नए कार्य-स्तरीय मानव लेबल जोड़े गए हैं, जिसमें 16,200 आकर्षकता गुणवत्ता लेबल, 13,200 आकर्षकता टैग लेबल और 6,600 उत्पादन गुणवत्ता लेबल शामिल हैं, जो VGA-Bench की तुलना में क्रमशः 13.46 गुना, 11.15 गुना और 1.55 गुना का विस्तार है। अधिक समृद्ध "मानव प्राथमिकताएँ" के डेटा से, मूल्यांकनकर्ता मानव सौंदर्य निर्णयों के साथ अधिक सटीकता से समायोजित होता है।

दूसरा, आकलनकर्ता आर्किटेक्चर अपग्रेड। टीम ने मिश्रित आर्किटेक्चर डिज़ाइन किया: VAQA-Net लगातार सौंदर्य अंक देने के लिए जिम्मेदार है, जबकि VTag-Net और VGQA-Net Qwen बड़े विजुअल भाषा मॉडल के आधार पर टैग पहचान और गुणवत्ता मूल्यांकन करते हैं। बड़े मॉडल के शामिल होने से, आकलनकर्ता की जटिल विजुअल अर्थव्यवस्था को समझने की क्षमता में काफी सुधार हुआ है। परीक्षण परिणामों से पता चलता है कि यह कई जनरेटिव मॉडल पर मानव निर्णयों के साथ उच्च स्तर की संगति रखता है।

तीसरा, "मूल्यांकन" से "अनुकूलन" तक का बंद चक्र। यह VGA-BenchV2 का सबसे क्रांतिकारी डिज़ाइन है: यह सीखे गए सौंदर्य मूल्यांकनकर्ता को पुरस्कार संकेत के रूप में सीधे प्रबलन शिक्षण के जनरेटिव मॉडल फाइन-ट्यूनिंग के लिए उपयोग करता है। इसका अर्थ है कि मूल्यांकन बेंचमार्क केवल "न्यायाधीश" नहीं रहा, बल्कि यह दिए गए स्कोर को सीधे अनुकूलन संकेत में परिवर्तित किया जा सकता है, जो जनरेटिव मॉडल को सौंदर्य गुणवत्ता पर निरंतर इटरेशन के लिए मार्गदर्शन करता है।

VGA-Bench से VGA-BenchV2 तक, मूल्यांकन प्रणाली एक स्थिर मापदंड नहीं रही, बल्कि उत्पादन पारिस्थितिकी के साथ "सह-विकसित" एक सक्रिय प्रणाली बन गई। अंटीग्रुप के लिए वीडियो क्वालिटी एवलुएशन क्षमता, जो कंटेंट अंडरस्टैंडिंग, सिक्योरिटी रिव्यू, और रिकमेंडेशन ऑप्टिमाइजेशन जैसे सीन्स के लिए महत्वपूर्ण है, AIGC पारिस्थितिकी के विकास के साथ-साथ ऊपरी मॉडल के अनुकूलन को भी प्रेरित कर सकती है: "स्कोरिंग" से "अनुकूलन" तक, एक बंद चक्र बन गया।

अंतिम वाक्य: सबसे बुद्धिमान एल्गोरिदम को अंततः गतिशील वातावरण में परखना पड़ता है

चार पेपर्स अनुशासित शिक्षा, पुनर्बलन शिक्षा, ब्लैक बॉक्स अनुकूलन और बहु-मोडल मूल्यांकन के चार क्षेत्रों से प्रवेश करते हैं और एक ही तकनीकी मार्ग की ओर इशारा करते हैं—स्थिर से गतिशील में परिवर्तन का परिप्रेक्ष्य।

प्रयोगात्मक डेटा इस मार्ग की प्रभावशीलता की पुष्टि करता है: MSRGC-Net ने 15 मापदंडों में से 12 में पहला स्थान और 2 में दूसरा स्थान हासिल किया; ROAD ने कई प्रकार के ऑफलाइन से ऑनलाइन रीइनफोर्समेंट लर्निंग कार्यों में वर्तमान रणनीतियों को पार कर लिया; DSEBO ने हजारों आयामों वाली अनुकूलन समस्याओं में मापने योग्य सुधार प्राप्त किया; VGA-BenchV2 ने कई जनरेटिव मॉडल्स पर मूल्यांकन परिणामों में मानव निर्णय के साथ उच्च समानता दिखाई।

इस तकनीकी पथ को देखते हुए, अंटाल के समग्र रणनीतिक ढांचे में एक स्पष्ट "द्वि-चक्र ड्राइव" संरचना दिखाई देती है: एक ओर, वह वित्तीय मुख्य परिदृश्यों में समय-क्रम मॉडलिंग, प्रवर्धित शिक्षण और अनुकूलन एल्गोरिथम को गहराई से विकसित कर रहा है; दूसरी ओर, वह डिजिटल जीवन और सामग्री पारिस्थिति में बहु-मोडल समझ और मूल्यांकन बुनियादी ढांचे की भविष्यवाणी कर रहा है।

अंततः, भले ही एल्गोरिदम कितना भी बुद्धिमान हो, उसे अंततः गतिशील वातावरण में परखना पड़ता है। इन चार शोध पत्रों का वास्तविक मूल्य शायद इसमें है कि वे सभी वास्तविक व्यावसायिक मिट्टी में उगे हैं: अंटी के व्यावसायिक परिदृश्य शोध पत्रों के “पृष्ठभूमि” नहीं हैं, बल्कि समस्याओं का स्रोत, डेटा का उत्पादन स्थल और प्रभाव का परीक्षण मंच हैं।

और शायद, यही उद्योग में AI शोध करने की सबसे अनोखी बात है—वे केवल “पेपर लिखने” में नहीं, बल्कि वास्तविक दुनिया की समस्याओं के लिए “गतिशील परिवर्तनों का सामना करने वाले” हल ढूंढ रहे हैं।