AI और दुनिया की कठिन समस्याएँ · क्वांटम भौतिकी और क्वांटम कंप्यूटिंग · arXiv · 2026-10-22

क्या क्वांटम लेयर विज़न-लैंग्वेज मॉडलों में प्रदर्शन और सुरक्षा के लाभ प्रदान कर सकती हैं?

मूल शीर्षक: Can Quantum Layers offer Performance and Security Advantages in Vision-Language Models?

LLaVA-OneVision को बैकबोन के रूप में उपयोग करते हुए, यह अध्ययन 4- और 8-क्यूबिट बेसिक-रिंग तथा प्रबल एनटैंगलिंग सर्किटों का मूल्यांकन करता है, जिन्हें चार-चार स्थानों पर शास्त्रीय घटकों में जोड़ा जाता है या उनका प्रतिस्थापन किया जाता है, और शास्त्रीय मॉडलों के मुकाबले प्रदर्शन एवं गणनात्मक लागत की तुलना करता है। Visual Spatial Reasoning डेटासेट पर, विज़ुअल प्रोजेक्टर के बाद क्वांटम लेयर जोड़ने पर 80.7% डेवलपमेंट सटीकता प्राप्त होती है, जो शास्त्रीय पूर्ण फाइन-ट्यूनिंग से 2.28 प्रतिशत अंक अधिक है, जबकि अंतिम डिकोडर फीड-फॉरवर्ड सबलेयर को प्रतिस्थापित करने पर 13.07 मिलियन कम प्रशिक्षणीय पैरामीटर के साथ 79.22% सटीकता बनी रहती है। लाभ दृढ़ता से स्थान पर निर्भर करते हैं—पहले के स्थानों पर प्रतिस्थापन सटीकता घटाते हैं और कम पैरामीटर विश्वसनीय रूप से प्रशिक्षण छोटा नहीं करते और न ही गणना घटाते हैं—मज़बूती का मूल्यांकन छह अटैक सेटिंग्स के तहत भी किया गया, और क्या ये लाभ सामान्यीकृत होते हैं, यह अभी खुला है।

मूल लेख पढ़ें ↗

सभी आइटम →