অভিযোজনশীল অ্যাকশন প্রুনিং: অদেখা ওয়ার্কলোডের জন্য ইনডেক্স নির্বাচন স্কেলিং

লিঙ্কের সারণী

সারসংক্ষেপ এবং ১. ভূমিকা

1. সংশ্লিষ্ট কাজসমূহ

   ২.১ ঐতিহ্যবাহী সূচক নির্বাচন পদ্ধতি

   ২.২ RL-ভিত্তিক সূচক নির্বাচন পদ্ধতি

2. সূচক নির্বাচন সমস্যা

3. পদ্ধতিবিদ্যা

   ৪.১ DRL সমস্যার সূত্রায়ন

   ৪.২ দক্ষ সূচক নির্বাচনের জন্য ইনস্ট্যান্স-সচেতন ডিপ রিইনফোর্সমেন্ট লার্নিং

4. IA2-এর সিস্টেম কাঠামো

   ৫.১ প্রিপ্রসেসিং পর্যায়

   ৫.২ RL প্রশিক্ষণ এবং প্রয়োগ পর্যায়

5. পরীক্ষা-নিরীক্ষা

   ৬.১ পরীক্ষামূলক সেটিং

   ৬.২ পরীক্ষামূলক ফলাফল

   ৬.৩ এন্ড-টু-এন্ড কর্মক্ষমতা তুলনা

   ৬.৪ মূল অন্তর্দৃষ্টি

6. উপসংহার এবং ভবিষ্যৎ কাজ, এবং তথ্যসূত্র

৬.৪ মূল অন্তর্দৃষ্টি

আমাদের ব্যাপক পরীক্ষা-নিরীক্ষার সারসংক্ষেপ করে বলা যায়, IA2 সূচক নির্বাচনে একটি উল্লেখযোগ্য অগ্রগতির প্রতিনিধিত্ব করে, বেশ কয়েকটি মূল ক্ষেত্রে বিদ্যমান পদ্ধতিগুলিকে ছাড়িয়ে যায়:

\ দ্রুত প্রশিক্ষণ দক্ষতা: IA2 তার অতুলনীয় প্রশিক্ষণ গতির সাথে শ্রেষ্ঠত্ব অর্জন করে, দ্রুত অভিযোজন এবং শেখার সুবিধার্থে একটি হোয়াট-ইফ খরচ মডেল এবং প্রি-ট্রেইনড মডেল ব্যবহার করে। এই দক্ষতা IA2-কে প্রতিযোগীদের তুলনায় প্রশিক্ষণ সময় ব্যাপকভাবে হ্রাস করতে সক্ষম করে, যা গতি অত্যন্ত গুরুত্বপূর্ণ এমন পরিবেশের জন্য অত্যন্ত উপযুক্ত করে তোলে।

\ উন্নত ওয়ার্কলোড মডেলিং: স্থির বা সম্পূর্ণ পদ্ধতির বিপরীতে, IA2 গতিশীল ওয়ার্কলোড মডেলিং ব্যবহার করে, যা এটিকে পরিবর্তনশীল ডাটাবেস কোয়েরি এবং কাঠামোর সাথে নির্বিঘ্নে খাপ খাওয়াতে সক্ষম করে। এই নমনীয়তা পূর্বে অদেখা ওয়ার্কলোড সহ বিভিন্ন পরিস্থিতিতে সর্বোত্তম সূচক নির্বাচন নিশ্চিত করে।

\ কার্যকর অ্যাকশন স্পেস অন্বেষণ: IA2 প্রিউনিং এবং অ্যাকশন স্পেস নেভিগেট করার জন্য একটি উদ্ভাবনী পদ্ধতি প্রবর্তন করে, প্রশিক্ষণ প্রক্রিয়ার প্রথম দিকে দক্ষতার সাথে অর্থবহ কর্মগুলি চিহ্নিত করে। এই কৌশলটি SWIRL [6]-এর আরও রিসোর্স-ইনটেনসিভ কৌশল বা Lan et al. [7]-এর কঠোর নিয়মগুলির সাথে বৈপরীত্য করে, সম্পূর্ণ অনুসন্ধান বা অতিসরলীকরণ ছাড়াই সূচক কনফিগারেশন অপ্টিমাইজ করার জন্য একটি ভারসাম্যপূর্ণ পথ প্রদান করে।

\

:::info লেখকগণ:

(১) Taiyi Wang, ইউনিভার্সিটি অব কেমব্রিজ, কেমব্রিজ, যুক্তরাজ্য (Taiyi.Wang@cl.cam.ac.uk);

(২) Eiko Yoneki, ইউনিভার্সিটি অব কেমব্রিজ, কেমব্রিজ, যুক্তরাজ্য (eiko.yoneki@cl.cam.ac.uk)।

:::

:::info এই গবেষণাপত্রটি arxiv-এ উপলব্ধ CC BY-NC-SA 4.0 Deed (Attribution-Noncommercial-Sharelike 4.0 International) লাইসেন্সের অধীনে।

:::

\