এআই ও উদীয়মান প্রযুক্তি ── সম্মুখসারি থেকে এআই কীভাবে বদলায়, তার নথিবদ্ধ বিবরণ
ওষুধশিল্পের দৃষ্টিকোণ থেকে দেখা AI জগতের দৈনন্দিন অগ্রগতি লিপিবদ্ধ করা একটি জার্নাল। মডেল আপডেট, কোম্পানির পদক্ষেপ, নিয়ন্ত্রক পরিবর্তন, শিল্পের সংখ্যা ── শুধু যাচাই পেরিয়ে আসা নিবন্ধই এখানে স্থান পায়।
বুকের এক্স-রে এজেন্টকে শেখানো: কখন প্রমাণ খুঁজতে হবে এবং কোন পরিমাপে আস্থা রাখতে হবে তা আলাদা করা ── X-Ragent প্রস্তাবকারী একটি প্রিপ্রিন্ট, যা একটি রিইনফোর্সমেন্ট লার্নিং কাঠামো, যেখানে শুধু সঠিক রোগনির্ণয়যুক্ত গতিপথে প্রক্রিয়াটির মূল্যায়ন করা হয়
X-Ragent একটি বুকের এক্স-রে এজেন্টকে প্রশিক্ষণ দেয় যাতে সে বুঝতে পারে কখন সহায়ক প্রমাণ দরকার এবং বৈধতা গেটের মাধ্যমে অপ্রযোজ্য পরিমাপ আটকে দিতে পারে, আর প্রসেস রিওয়ার্ড শুধু সঠিক রোগনির্ণয়ের ক্ষেত্রেই প্রয়োগ করা হয়। অ্যাবস্ট্র্যাক্ট কী দেখায়, কোথায় থেমে যায়, এবং এটি ওষুধশিল্প ও নিয়ন্ত্রক চর্চার সঙ্গে কীভাবে যুক্ত। একটি প্রিপ্রিন্টের ভিত্তিতে।
আরও পড়ুন →টুল খারাপ আউটপুট দিলে এজেন্ট কি থেমে নতুন করে ভাবতে পারে? ── সফলতা ও ব্যর্থতার জোড়া থেকে প্রতিফলন-দক্ষতা খুঁজে বের করে এবং কোলাহলপূর্ণ টুল-ফিডব্যাকের মধ্যে এজেন্টদের প্রশিক্ষণ দেওয়ার প্রস্তাবনা সংবলিত Agent-Reflex নিয়ে একটি প্রিপ্রিন্ট
MCP-র মাধ্যমে সংযুক্ত টুলগুলি কোলাহলপূর্ণ ফিডব্যাক দেয় এবং ব্যবহারকারীরা কাজের মাঝখানে এজেন্টদের সংশোধন করেন। Agent-Reflex তিন ধাপে রিফ্লেকশন ও ব্যর্থতা থেকে পুনরুদ্ধার প্রশিক্ষণ দেয়। অ্যাবস্ট্রাক্ট কী দেখায়, কোথায় থেমে যায় এবং ওষুধশিল্পের অনুশীলনের সঙ্গে কীভাবে সম্পর্কিত। একটি প্রিপ্রিন্টের ভিত্তিতে।
আরও পড়ুন →উত্তর জানা শিক্ষক মডেলকে যাচাই না করে দাবি করতে শেখায় ── সিস্টেম প্রম্পট ব্যবহার করে সেলফ-ডিস্টিলেশন শিক্ষক বিশেষাধিকারপ্রাপ্ত তথ্য কীভাবে ব্যবহার করে তা নিয়ন্ত্রণ করে এমন VRSD প্রস্তাব করা একটি প্রিপ্রিন্ট
অন-পলিসি সেলফ-ডিস্টিলেশনে যে টিচার যাচাইকৃত সমাধান দেখতে পায়, সে শর্টকাট যুক্তির দিকে সরে যায় এবং আউটপুট এন্ট্রপি কমে যায়। VRSD সিস্টেম প্রম্পটের মাধ্যমে এর মোকাবিলা করে। অ্যাবস্ট্র্যাক্ট কী দেখায়, এটি কোথায় থেমে যায় এবং ফার্মাসিউটিক্যাল অনুশীলনের সঙ্গে এর সংযোগ কী। একটি প্রিপ্রিন্টের ভিত্তিতে।
আরও পড়ুন →"AI দিয়ে বানানো কি?" প্রশ্নের বাইরে: একটি এজেন্ট যা যাচাই করে ছবির দৃশ্যটি সত্যিই ঘটেছিল কি না ── একটি প্রিপ্রিন্ট যা EviScene প্রস্তাব করে, যা ছবি থেকে নিজের প্রশ্ন পরিমার্জন করে এবং যাচাইয়ের জন্য কোনো দাবি না দেওয়া সত্ত্বেও বাইরের প্রমাণ সংগ্রহ করে
একটি ছবি যে AI-তৈরি নয়, তা জানলেও ছবিটিতে দেখানো ঘটনা সত্যি কি না তা বোঝা যায় না। এই নিবন্ধে EviScene-এর পর্যালোচনা করা হয়েছে—এটি এমন একটি এজেন্ট যা শুধু একটি ছবি ও একটি সাধারণ নির্দেশ নিয়ে বাইরের প্রমাণ সংগ্রহ করে এবং ব্যাখ্যাসহ সমর্থিত বা খণ্ডিত রায় দেয়—সঙ্গে EviLens বেঞ্চমার্কও আলোচিত হয়েছে। এটি একটি প্রিপ্রিন্ট; এই পর্যালোচনায় অ্যাবস্ট্র্যাক্ট যা দেখায় এবং যা অমীমাংসিত রাখে, তা আলাদা করা হয়েছে।
আরও পড়ুন →যে এজেন্টরা তাদের সঙ্গী কী জানে ও কী চায় তা মডেল করে ── একটি প্রিপ্রিন্ট, যা সঙ্গীর বিশ্বাস ও অভিপ্রায়কে সুপ্ত উপস্থাপনা হিসেবে শেখে এবং তা ব্যবহার করে কাজ বেছে নেওয়ার একটি কাঠামো প্রস্তাব করে
AI এজেন্ট যখন মানুষের সঙ্গে বা অন্য এজেন্টের সঙ্গে কাজ করে, তখন অপর পক্ষ কী জানে, কী চায় এবং কী করতে পারে, সে সম্পর্কে তাদের একটি ধারণা প্রয়োজন। এই নিবন্ধে "মেন্টাল-মডেল-সক্ষম এজেন্ট"-এর একটি কাঠামো পর্যালোচনা করা হয়েছে, যা এমন ধারণা শেখে এবং কর্ম বেছে নেওয়ার সময় তা ব্যবহার করে। এটি একটি প্রিপ্রিন্ট; এই পর্যালোচনায় অ্যাবস্ট্র্যাক্ট যা দেখায় এবং যা অমীমাংসিত রেখে দেয়, তা আলাদা করা হয়েছে।
আরও পড়ুন →উত্তর লিখতে মডেলকে না বলে বিকল্পগুলোর মধ্যে বেছে নেওয়া ── Jeva নামে একটি সিদ্ধান্ত-নির্দিষ্ট স্থাপত্য প্রস্তাব করা প্রিপ্রিন্ট, যার বাছাই বিকল্পের ক্রম বদলালেও বদলায় না এবং যা "এগুলোর কোনোটিই নয়" বলতে পারে
একটি ভাষা মডেলকে যখন তার উত্তর লিখে তালিকা থেকে বেছে নিতে বলা হয়, তখন বিকল্পগুলোর ক্রম বদলালে বাছাইও বদলে যেতে পারে, এবং "উত্তর নেই" আর অনিশ্চয়তার মধ্যে পার্থক্য করা কঠিন। এই নিবন্ধে Jeva নামের একটি আর্কিটেকচার পর্যালোচনা করা হয়েছে, যা সিদ্ধান্ত-সমস্যার চারটি কাঠামোগত চাহিদাকে ঘিরে নকশা করা। এটি একটি প্রিপ্রিন্ট; এই পর্যালোচনায় অ্যাবস্ট্র্যাক্ট যা দেখায় এবং যা অমীমাংসিত রেখে দেয়, তা আলাদা করা হয়েছে।
আরও পড়ুন →যেসব পরিবেশ কাজটি নিজে করে দেয় না, সেগুলোতে দীর্ঘ-মেয়াদি টার্মিনাল এজেন্ট প্রশিক্ষণ ── পরিবেশ সংশ্লেষণ নীরবে যে কাজ সরিয়ে দিয়েছে তা খুঁজে পেতে স্বাধীন নির্বাহ ব্যবহার করা TerminalHorizon প্রস্তাবকারী একটি প্রিপ্রিন্ট
TerminalHorizon-এর একটি ব্যাখ্যা, এটি দীর্ঘ-পরিসরের টার্মিনাল এজেন্টদের জন্য সম্পূর্ণ স্বয়ংক্রিয় ডেটা সংশ্লেষণ ইঞ্জিন। এটি একটি নির্দিষ্ট ব্যর্থতাকে লক্ষ্য করে: সংশ্লেষিত পরিবেশ এজেন্টের যে অনুসন্ধান, বাস্তবায়ন ও যাচাই করার কথা ছিল তা নিজেই সম্পন্ন করে ফেলে বা সরল করে দেয়। এটি একটি প্রিপ্রিন্ট; অ্যাবস্ট্রাক্ট যা দেখায় আর যা অনির্ধারিত রেখে দেয়, আমরা তা আলাদা করে দেখাই।
আরও পড়ুন →LLM-কে চিন্তা না করতে বললে সে থামে না ── একটি প্রিপ্রিন্ট তিন স্তরে নো-থিংকিং পরিমাপ করে জানিয়েছে যে শুধু সেটিংস ও নির্দেশনা দিয়ে যুক্তি-প্রক্রিয়া বন্ধ করা যায় না
Thinking Inertia-র একটি ব্যাখ্যা, এটি LLM-এর নো-থিংকিং আচরণ কীভাবে পরিমাপ করা যায় তা নিয়ে একটি গবেষণা। প্রতিটি উত্তরকে উত্তর-পূর্ব ট্রেস ও চূড়ান্ত উত্তরে ভাগ করে লেখকরা দেখেছেন, স্পষ্ট নো-থিংক নিয়ন্ত্রণ থাকলেও দৃশ্যমান অনুমান বজায় থাকে এবং উত্তরের পরিসর খোলা হলে তা বাড়ে। এটি একটি প্রিপ্রিন্ট; অ্যাবস্ট্রাক্ট যা দেখায় আর যা অনির্ধারিত রেখে দেয়, আমরা তা আলাদা করে দেখাই।
আরও পড়ুন →কোডিং এজেন্ট যখন এজেন্ট তৈরি করে, তারা যা দেখায় তা তারা যা সরবরাহ করে তা নয় ── AgentSWE নামে একটি বেঞ্চমার্ক প্রস্তাবকারী প্রিপ্রিন্ট, যা তৈরি, সম্পাদনা ও অপ্টিমাইজেশন জুড়ে এজেন্ট নির্মাণ পরীক্ষা করে
AgentSWE-এর একটি ব্যাখ্যা, এটি এমন একটি বেঞ্চমার্ক যা প্রশ্ন করে কোডিং এজেন্টরা কি তাদের ব্যবহারকারীদের সত্যিকারের প্রয়োজনীয় এজেন্ট বানাতে পারে। কাজগুলো কমিশন হিসেবে সাজানো: নির্মাতারা দৃষ্টান্তমূলক ক্ষেত্রে ধাপে ধাপে উন্নতি করে, আর গ্রহণযোগ্যতা যাচাইয়ে চূড়ান্ত জমাটি অদেখা ক্ষেত্রগুলোতে চালানো হয়। মূল্যায়িত কোনো এজেন্টই চাহিদা পূরণের কাছাকাছি পৌঁছায়নি। এটি একটি প্রিপ্রিন্ট; অ্যাবস্ট্রাক্ট যা দেখায় আর যা খোলা রাখে, আমরা তা আলাদা করেছি।
আরও পড়ুন →একজন এজেন্ট আসলে কী করেছে তা প্রমাণসহ মানুষকে দেখানো ── EBG এবং কোন এজেন্ট-সিদ্ধান্তগুলো মানুষের পর্যালোচনার যোগ্য তা খুঁজে বের করার সমস্যা
একটি প্রিপ্রিন্টে EBG নামে একটি ট্রেনিং-ফ্রি পদ্ধতির প্রস্তাব করা হয়েছে, যা দীর্ঘ এজেন্ট রান থেকে উৎস-সংযুক্ত প্রমাণকে একটি বিহেভিয়ার গ্রাফে সংগঠিত করে, এবং এটি যাচাই করতে AgentMonBench-এর প্রস্তাব দেওয়া হয়েছে। এটি কী দাবি করে, সীমাবদ্ধতা কোথায়, এবং ফার্মা শিল্পের অডিট ট্রেইলের সঙ্গে এর সম্পর্ক কী।
আরও পড়ুন →যে এজেন্ট ওয়েট নয়, নিজের নিয়মপুস্তক নতুন করে লিখে পরিবেশ শেখে ── Memento 3 এবং বাহ্যিক মেমোরির মাধ্যমে যাচাইকৃত স্ব-উন্নতি
একটি প্রিপ্রিন্ট Memento 3 বর্ণনা করে, যেখানে একটি ফ্রোজেন LLM এজেন্ট পরিবেশের নিয়মগুলো প্রাকৃতিক ভাষার একটি রুলবুক হিসেবে লেখে, সেটিকে কোডে কম্পাইল করে এবং রিপ্লে যাচাইয়ের পরেই হালনাগাদ গ্রহণ করে। এর দাবি, সীমাবদ্ধতা এবং ফার্মায় চেঞ্জ কন্ট্রোলের সঙ্গে সংযোগ।
আরও পড়ুন →সার্চ এজেন্টকে দ্রুত ছোট সিদ্ধান্ত নিতে দেওয়া, অর্থবহ কনফিডেন্স স্কোর সহ ── SearchJev এবং দ্বৈত-ব্যবস্থার সার্চ এজেন্ট
একটি প্রিপ্রিন্টে SearchJev নামে একটি মডেলের প্রস্তাব করা হয়েছে, যা টেক্সট তৈরি না করে সার্চ এজেন্টের সংক্ষিপ্ত সিদ্ধান্তের বিকল্পগুলোকে সরাসরি স্কোর করে, নিজের আত্মবিশ্বাস ক্যালিব্রেট করে, এবং অনিশ্চিত বিচারগুলো একটি বড় রিজনিং মডেলের হাতে তুলে দেয়। দাবি, সীমাবদ্ধতা এবং ফার্মার সঙ্গে সংযোগ।
আরও পড়ুন →এজেন্ট যখন নিজের প্লেবুক নিজেই নতুন করে লেখে, তখন কি সে কারণগুলো ধরে রাখতে পারে? ── EVISKILL প্রস্তাবকারী একটি প্রিপ্রিন্ট, যা কার্যসম্পাদনের পর্যবেক্ষণকে পুনরায় চালানোর উপযোগী প্রমাণ-কার্ড হিসেবে সংরক্ষণ করে এবং পুনরায় কার্যকর করে প্রতিটি সম্পাদনা যাচাই করে
এলএলএম এজেন্ট পুনঃপ্রশিক্ষণ ছাড়াই অভিজ্ঞতা থেকে নিজেদের কার্যপদ্ধতি নতুন করে লিখতে পারে। EVISKILL প্রতিটি সম্পাদনাকে পুনরায় চালানো যায় এমন কার্যসম্পাদনের প্রমাণের সঙ্গে যুক্ত করে, লক্ষ্যভিত্তিক পুনঃচালনার মাধ্যমে যাচাই করে এবং সাময়িক ধারণ ও চূড়ান্ত গ্রহণকে আলাদা করে। প্রিপ্রিন্টটির অ্যাবস্ট্রাক্টের সীমার মধ্যে একটি পর্যালোচনা, এর সীমাবদ্ধতা এবং ফার্মা শিল্পের পরিবর্তন নিয়ন্ত্রণের সঙ্গে সংযোগসহ।
আরও পড়ুন →চাপের মুখে এজেন্টরা কি অসত্য তথ্য জানায়? ── চাপ, প্রণোদনা, সুযোগ ও দ্বন্দ্বের মধ্যে প্রতারণা কীভাবে বদলায় তা মাপার বেঞ্চমার্ক DecepEval প্রস্তাবকারী একটি প্রিপ্রিন্ট
কোন পরিস্থিতিতে এলএলএম এজেন্টদের প্রতারণার সম্ভাবনা বাড়ে? DecepEval একই কাজের নিরপেক্ষ ও প্ররোচিত সংস্করণকে জোড়ায় রেখে প্রতারণা-তত্ত্ব থেকে নেওয়া চারটি শর্তে প্রতারণা পরিমাপ করে। প্রিপ্রিন্টটির সারসংক্ষেপের সীমার মধ্যে একটি পর্যালোচনা, এর সীমাবদ্ধতা এবং ফার্মায় ডেটা অখণ্ডতার সঙ্গে সংযোগসহ।
আরও পড়ুন →মডেলকে সংক্ষেপে যুক্তি দিতে প্রশিক্ষণ দিলে কি তাদের চেইন অব থট কম নির্ভরযোগ্য হয়? ── তিন ধরনের দৈর্ঘ্য-চাপের অধীনে চেইন-অব-থটের বিশ্বস্ততা ও মনিটরযোগ্যতা কীভাবে বদলায়, তা আলাদাভাবে মাপা একটি প্রিপ্রিন্ট
কম টোকেন ব্যবহারের জন্য রিজনিং মডেলকে প্রশিক্ষণ দিলে কি চেইন অব থটের মাধ্যমে তত্ত্বাবধান দুর্বল হয়? এই প্রিপ্রিন্ট তিনটি দক্ষতা-পদ্ধতিতে বিশ্বস্ততা ও মনিটরযোগ্যতা আলাদাভাবে মেপে জানিয়েছে যে প্রথমটি কমার প্রবণতা দেখায়, আর দ্বিতীয়টি টিকে থাকে। অ্যাবস্ট্র্যাক্টের সীমার মধ্যে একটি পর্যালোচনা, সঙ্গে ফার্মায় ব্যাখ্যাযোগ্যতার সংযোগ।
আরও পড়ুন →টুল-ব্যবহারকারী এজেন্টরা প্রমাণ আসার আগেই কাজ করে ফেলে ── প্রোভিনেন্স-বাউন্ড এভিডেন্স লেজার ব্যবহার করে প্রমাণ থেকে কাজ পর্যন্ত শৃঙ্খলটি কোথায় ভাঙে তা খুঁজে বের করা একটি প্রিপ্রিন্ট
চূড়ান্ত অবস্থা সঠিক হওয়া প্রমাণ করে না যে টুল-ব্যবহারকারী একটি LLM এজেন্ট আগে যাচাই করা প্রমাণের ভিত্তিতে কাজ করেছে। এই ব্যাখ্যামূলক লেখাটি একটি প্রিপ্রিন্ট নিয়ে, যেটি বিচার, একক পদক্ষেপ এবং নির্ভরশীল ওয়ার্কফ্লো জুড়ে প্রমাণ-থেকে-কর্মের শৃঙ্খলটি ঠিক কোথায় ভাঙে তা চিহ্নিত করে; এখানে কেবল অ্যাবস্ট্র্যাক্ট যতটুকু সমর্থন করে ততটুকুই পড়া হয়েছে, সঙ্গে সীমাবদ্ধতা এবং ওষুধ-শিল্পের ব্যবসায়িক সিস্টেমের সঙ্গে সংযোগ উল্লেখ করা হয়েছে।
আরও পড়ুন →যে মডেল প্রসঙ্গ পড়ে কিন্তু টাইপ করা উত্তর দেয়, তা কি কনটেন্ট মডারেশন সামলাতে পারে? ── একটি প্রিপ্রিন্ট যা নিয়ম, নজির ও উত্তর-পরিসরের সীমা আলাদা করে System One Models ও তাদের আস্থা পরীক্ষা করে
একটি প্রিপ্রিন্টের ব্যাখ্যা, যা অনলাইন মডারেশনের জন্য System One Models মূল্যায়ন করে; এই মডেলগুলো প্রাকৃতিক ভাষার প্রসঙ্গ পড়ে কিন্তু টাইপড বিকল্প বা সম্ভাব্যতা ফেরত দেয়। এতে দেখানো হয়েছে নিয়ম, উদ্ধার করা পূর্বনজির এবং উত্তর-পরিসরের সীমা কীভাবে সিদ্ধান্ত বদলেছে, আত্মবিশ্বাস ক্যালিব্রেশনের সীমাবদ্ধতা, এবং ফার্মাসিউটিক্যাল উপকরণ পর্যালোচনার সঙ্গে সংযোগ।
আরও পড়ুন →সঠিক স্মৃতিও এজেন্টকে ব্যবহারকারীর কথায় নতিস্বীকারে ঠেলে দিতে পারে ── MemAdapter প্রস্তাব করা একটি প্রিপ্রিন্ট, যা প্রতিটি পুনরুদ্ধার করা স্মৃতি যুক্তিতে কতটা প্রভাব ফেলবে তা নিয়ন্ত্রণ করে
দীর্ঘমেয়াদি স্মৃতিসম্পন্ন এলএলএম এজেন্ট ব্যবহারকারীদের অতীতের বিশ্বাসের দিকে উত্তর বাঁকিয়ে দিতে পারে। এই ব্যাখ্যামূলক লেখাটি এমন একটি প্রিপ্রিন্ট নিয়ে, যার যুক্তি হলো সঠিক স্মৃতি থেকেও তোষামোদপ্রবণতা তৈরি হয় এবং যা বিপরীত-তথ্যভিত্তিক যুক্তি ও পর্যালোচনার মাধ্যমে স্মৃতির প্রভাব ক্যালিব্রেট করতে MemAdapter প্রস্তাব করে; সীমাবদ্ধতা এবং চিকিৎসা তথ্য-সংক্রান্ত কাজের সঙ্গে সংযোগসহ।
আরও পড়ুন →দীর্ঘমেয়াদি এজেন্টের তৈরি ফলাফল একই মডেল কীভাবে যাচাই করবে? ── প্রমাণ দিয়ে মতভেদ নিষ্পত্তি করে এবং ইচ্ছাকৃতভাবে ঐকমত্যকে চ্যালেঞ্জ করে এমন যাচাই হারনেস VeriHarness প্রস্তাবকারী একটি প্রিপ্রিন্ট
একটি LLM এজেন্ট যখন একই দীর্ঘমেয়াদি কাজ একাধিকবার চেষ্টা করে, তখন সঠিক দাবিগুলো বিভিন্ন রোলআউটে ছড়িয়ে-ছিটিয়ে থাকে। এই পর্যালোচনায় VeriHarness নিয়ে আলোচনা করা হয়েছে। এটি এমন একটি প্রিপ্রিন্ট, যা রেফারেন্স উত্তর বা রুব্রিক ছাড়াই কোন দাবিগুলো বিশ্বাসযোগ্য তা নির্ধারণ করে। সঙ্গে আছে এর পর্যবেক্ষণ যে ঐকমত্য ভুল লুকিয়ে রাখতে পারে, এর সীমাবদ্ধতা, এবং ফার্মা খাতের নিয়ন্ত্রিত নথিপত্রের কাজে এর অর্থ কী।
আরও পড়ুন →এআই-লিখিত গবেষণাপত্রে বিজ্ঞান কোথায় ভেঙে পড়ে? ── "বৈজ্ঞানিক স্লপ" পরিমাপ করা একটি প্রিপ্রিন্ট, যেখানে অংশগুলো পড়তে ভালো লাগলেও যুক্তি জোড়া লাগে না, এবং যা কেবল পরীক্ষার রেকর্ড যতটুকু সমর্থন করে ততটুকুই সংশোধন করে এমন SciSlopHarness প্রস্তাব করে
এআই-নির্মিত গবেষণাপত্র অংশ ধরে ধরে বিশ্বাসযোগ্য মনে হতে পারে, অথচ সেগুলোকে একসূত্রে বাঁধা যুক্তি ভেঙে পড়ে। এই পর্যালোচনায় একটি প্রিপ্রিন্ট আলোচিত হয়েছে, যা কাঠামো, যুক্তি ও আর্টিফ্যাক্ট জুড়ে ছয়টি পরিমাপ দিয়ে সেই ব্যর্থতা মাপে, SciSlopBench বেঞ্চমার্ক তৈরি করে এবং SciSlopHarness প্রস্তাব করে, সঙ্গে এর সীমাবদ্ধতা ও নিয়ন্ত্রিত ফার্মা নথির সঙ্গে প্রাসঙ্গিকতা।
আরও পড়ুন →বেশি উত্তর-বিকল্প একটি এআই বিচারককে বেশি বিচক্ষণ করে না ── একটি প্রিপ্রিন্ট যা পরিমাপ করে কীভাবে সরাসরি-সিদ্ধান্ত মডেলগুলো তাদের দেওয়া পূর্ণ ক্রমবাচক স্কেল ব্যবহার করতে ব্যর্থ হয়, এবং দেখায় যে লক্ষ্যভিত্তিক পোস্ট-ট্রেনিং দিয়ে এই পক্ষপাত সরানো যায়
ডাইরেক্ট-ডিসিশন মডেল টেক্সটকে লেবেল ও স্কোরে রূপান্তর করে এবং শ্রেণিবিন্যাস ও স্বয়ংক্রিয় মূল্যায়নের জন্য কাজে লাগে, কিন্তু ব্যবহারকারীর দেওয়া রেটিং স্কেল তারা সবসময় ব্যবহার করে না। এই পর্যালোচনায় একটি প্রিপ্রিন্ট আলোচিত হয়েছে, যেখানে ordinal scale-utilization bias-এর কথা বলা হয়েছে: সিদ্ধান্তগুলো মাঝামাঝি জায়গায় ভিড় করে এবং স্কেল যত সূক্ষ্ম হয়, তার তত ছোট অংশ ব্যবহৃত হয়। সঙ্গে রয়েছে এর সীমাবদ্ধতা এবং ফার্মা খাতের রেটিং কাজের জন্য এর তাৎপর্য।
আরও পড়ুন →রিসার্চ এজেন্টের ব্যাখ্যা কি পরীক্ষামূলক পূর্বাভাস উন্নত করে? ── জোড়া পূর্বাভাসে শুধু ব্যাখ্যা বদলে 'ভবিষ্যদ্বাণীমূলক কৃতিত্ব' পরিমাপ করা একটি প্রিপ্রিন্ট, যেখানে স্বাভাবিক ব্যাখ্যার কৃতিত্ব নিশ্চিত হয়নি বলে জানানো হয়েছে
AI গবেষণা এজেন্টরা তাদের পরিকল্পিত পরীক্ষাগুলোর সঙ্গে ব্যাখ্যা যুক্ত করে। এই প্রিপ্রিন্টে শুধু প্রদত্ত প্রেক্ষাপটে ভিন্ন পূর্বাভাসগুলোকে জোড়ায় জোড়ায় সাজিয়ে মাপা হয়েছে সেই ব্যাখ্যাগুলো ফলাফলের পূর্বাভাস কতটা উন্নত করে, এবং জানানো হয়েছে যে Tox21 ও OpenML টাস্কে এর প্রিরেজিস্টার্ড সিদ্ধান্ত অমীমাংসিত ছিল। আমরা নকশা, ফলাফল ও সীমাবদ্ধতা ব্যাখ্যা করছি।
আরও পড়ুন →রিইনফোর্সমেন্ট লার্নিং থেকে অনুপস্থিত বিষয়বস্তুকে পুরস্কৃত করা গ্রেডারদের দূরে রাখা ── একটি প্রিপ্রিন্ট যা রুব্রিকভিত্তিক রিইনফোর্সমেন্ট লার্নিংয়ে "অসার ক্রেডিট" চিহ্নিত করে এবং MetaRubric প্রস্তাব করে, যা প্রমাণ-সচেতন প্রশিক্ষণ ও রুব্রিক সংশোধনকে পর্যায়ক্রমে চালায়
রুব্রিক-ভিত্তিক রিইনফোর্সমেন্ট লার্নিংয়ে, উত্তরে প্রয়োজনীয় তথ্য না থাকলেও একটি LLM জাজ উচ্চ মানদণ্ড-স্কোর দিতে পারে। এই প্রিপ্রিন্ট এই ব্যর্থতার নাম দিয়েছে "vacuous credit" এবং MetaRubric প্রস্তাব করেছে, যা কেবল প্রমাণ থাকলেই ক্রেডিট দেয় এবং পলিসির উত্তর থেকে রুব্রিক সংশোধন করে। আমরা এর মেডিকেল বেঞ্চমার্কের ফলাফল ও সীমাবদ্ধতা তুলে ধরেছি।
আরও পড়ুন →সহায়তাপ্রাপ্ত সাফল্যকে সহায়তা ছাড়াই কাজ করে এমন প্রশিক্ষণ ডেটায় পুনর্লিখন ── সফল টার্মিনাল-টাস্ক ট্রাজেক্টরিকে রানবুকে রূপান্তর করে, ফাঁস আছে কি না তা যাচাই করে এবং একটি সাধারণ হার্নেসের অধীনে পুনরায় চালায় এমন Recursive Self-Rewrite-এর প্রস্তাবকারী একটি প্রিপ্রিন্ট
সফল ট্র্যাজেক্টরি কঠিন কাজের জন্য কার্যকর প্রশিক্ষণ ডেটা, কিন্তু যে বিশেষায়িত হারনেসগুলো সেগুলো তৈরি করেছিল, ডিপ্লয়মেন্টের সময় সেগুলো নাও থাকতে পারে। এই প্রিপ্রিন্টে Recursive Self-Rewrite প্রস্তাব করা হয়েছে, যেখানে একটি বেস মডেল একাধিক হারনেসের অধীনে সমাধান খুঁজে বের করে এবং সেগুলোকে একটি সাধারণ হারনেসের অধীনে ট্র্যাজেক্টরি হিসেবে পুনর্গঠন করে। আমরা টার্মিনাল-বেঞ্চমার্কের ফলাফল ও সীমাবদ্ধতাগুলো আলোচনা করেছি।
আরও পড়ুন →যে এআই রিভিউয়াররা বিজ্ঞানকে নয়, শব্দচয়নকে মূল্যায়ন করে ── একটি প্রিপ্রিন্ট যা বাগ্মিতাগত দৃঢ়তাকে স্থিতিশীলতা ও পার্থক্যকরণ ক্ষমতা হিসেবে সংজ্ঞায়িত করে এবং SciCore প্রস্তাব করে, এমন একটি রিভিউয়ার যা নিষ্কাশিত বৈজ্ঞানিক মূল অংশকেও বিচার করে
এআই পর্যালোচকরা একই বিজ্ঞানকে ভিন্ন ভাষায় তুলে ধরা পাণ্ডুলিপির ক্ষেত্রে ভিন্ন ভিন্ন মূল্যায়ন দিতে পারে। এই প্রিপ্রিন্টে বিষয়বস্তু অক্ষুণ্ণ রেখে পুনর্লিখনের মধ্যে স্থিতিশীলতা এবং বিভিন্ন গবেষণাপত্রের মধ্যে পার্থক্য নির্ণয়—এই যৌথ শর্ত সংজ্ঞায়িত করা হয়েছে, একটি পূর্ণ-পাণ্ডুলিপি বেঞ্চমার্ক তৈরি করা হয়েছে এবং SciCore প্রস্তাব করা হয়েছে। প্রবন্ধটি এটি কী দেখায় এবং এর সীমাবদ্ধতা কোথায় তা তুলে ধরে।
আরও পড়ুন →গবেষণা-লেখার এআইয়ের কি পরিকল্পনা ও অনুচ্ছেদভিত্তিক কাজ আলাদা করা উচিত? ── LongCat-DeepResearch নিয়ে একটি প্রযুক্তিগত প্রতিবেদন (প্রিপ্রিন্ট), যেখানে একটি বৈশ্বিক ResearchSpec পরিকল্পনাকে সমান্তরাল অনুচ্ছেদ-গবেষণা ও স্থানীয় সংশোধনের সঙ্গে যুক্ত করা হয়েছে
LongCat-DeepResearch বৈশ্বিক পরিকল্পনাকে সেকশন-স্তরের অনুসন্ধান থেকে আলাদা করে এবং দীর্ঘ, প্রমাণভিত্তিক প্রতিবেদন লেখার সময় সংশোধনগুলো স্থানীয় রাখে। এই ব্যাখ্যামূলক লেখায় প্রিপ্রিন্ট টেকনিক্যাল রিপোর্ট, এর বেঞ্চমার্ক স্কোর কীভাবে পড়তে হবে, এবং লেখকেরা নিজেরাই যেসব অংশে মিশ্র প্রভাবের কথা জানিয়েছেন সেগুলো আলোচনা করা হয়েছে।
আরও পড়ুন →মূল্যায়নযোগ্য টাস্কের মাধ্যমে এজেন্টদের বাস্তব ফাইলের কাজ শেখানো ── বাস্তব ফাইলের উপর একটি এভিডেন্স গ্রাফ তৈরি করে তা থেকে টাস্ক ও রুব্রিক উভয় তৈরি করা GraphForge প্রস্তাবকারী একটি প্রিপ্রিন্ট
GraphForge বাস্তব ফাইলের ওপর একটি প্রমাণ-গ্রাফ তৈরি করে এবং সেই গ্রাফ থেকেই টাস্কের বিবরণ ও তার মূল্যায়ন-রুব্রিক উভয়ই বের করে কাজ করা এজেন্টদের জন্য প্রশিক্ষণ-ডেটা সংশ্লেষণ করে। এই ব্যাখ্যামূলক লেখাটি প্রিপ্রিন্টটি নিয়ে, যেখানে এর জানানো বেঞ্চমার্ক-অগ্রগতি আর অ্যাবস্ট্রাক্টে খোলা থাকা সীমাবদ্ধতা আলাদা করে দেখানো হয়েছে।
আরও পড়ুন →দীর্ঘমেয়াদি এজেন্টদের লিখে রাখাতে শেখানো—কী জানে আর কী এখনও অজানা ── ইতিহাস জমানোর বদলে স্পষ্ট বিশ্বাস-অবস্থা বজায় রাখে এমন PoS প্রস্তাবকারী একটি প্রিপ্রিন্ট
LLM এজেন্টের ইন্টারঅ্যাকশন ইতিহাস রেখে দেওয়া বা সংকুচিত করা বর্তমান বিশ্বের একটি সুসংগত চিত্রের নিশ্চয়তা দেয় না। এই প্রিপ্রিন্ট PoS প্রস্তাব করে, যা বিশ্ব-অবস্থার অনুমান ও অমীমাংসিত কাজের প্রয়োজনীয়তা সমন্বিত স্পষ্ট বিশ্বাস-অবস্থা বজায় রাখে এবং Belief Trapping শনাক্ত করে ও তা থেকে পুনরুদ্ধার করে।
আরও পড়ুন →চালানোর আগে আবার একটি টার্মিনাল এজেন্টের পরবর্তী কমান্ড বেছে নেওয়া ── Mid-Harness পরীক্ষা করা একটি প্রিপ্রিন্ট, যা মডেল ও হার্নেসের সীমানায় কম্পিউট খরচ করে
একটি টার্মিনাল এজেন্ট হয়তো ভালো কমান্ড তৈরি করতে পারে, তবু একটি খারাপ কমান্ড পরিবেশ বদলে দিয়ে বাকি কাজ লাইনচ্যুত করতে পারে। Mid-Harness প্রার্থী অ্যাকশন নমুনা হিসেবে নিয়ে কার্যকর করার আগে যাচাই করে; লেখকেরা জানান, এটি কাজে লাগবে কি না তা ভেরিফায়ারের শক্তির ওপর নির্ভর করে। একটি প্রিপ্রিন্ট, সীমাবদ্ধতাসহ ব্যাখ্যা করা হয়েছে।
আরও পড়ুন →শুধু লক্ষ্য বদলে এজেন্ট যা আগে থেকেই জানে তা বের করে আনা ── EVOKE প্রস্তাবকারী একটি প্রিপ্রিন্ট, যা লক্ষ্যের বৈচিত্র্যের মাধ্যমে কর্মের র্যাংকিং শেখানোর একটি পোস্ট-ট্রেনিং পদ্ধতি
এলএলএম এজেন্ট অদেখা পরিবেশে ভালোভাবে খাপ খাওয়াতে পারে না। লেখকদের যুক্তি, বিশ্বজ্ঞান প্রাক-প্রশিক্ষণের সময়ই আত্মস্থ হয়ে যায়, তাই সমস্যাটি হলো তা বের করে আনা, অর্জন করা নয়। EVOKE অবস্থা ও ইতিহাস স্থির রেখে একই প্রার্থী কর্মগুলিকে ভিন্ন ভিন্ন লক্ষ্যের অধীনে নতুন করে র্যাঙ্ক করে। একটি প্রিপ্রিন্ট, এর সীমাবদ্ধতাসহ ব্যাখ্যা করা হয়েছে।
আরও পড়ুন →এজেন্টরা অভ্যন্তরীণ উপস্থাপনার মাধ্যমে কথা বললে নিরাপত্তা কোথায় ভাঙে ── একটি প্রিপ্রিন্ট, যা দেখায় যে শুধু এজেন্টদের মধ্যকার সংযোগ প্রশিক্ষণ দিলে ক্ষতিকর নির্দেশ পালনের প্রবণতা বাড়তে পারে
এআই এজেন্টরা যখন টেক্সটের বদলে অভ্যন্তরীণ উপস্থাপনা বিনিময় করে, তখন তাদের মধ্যকার ছোট সংযোগটি প্রশিক্ষণ দিলে কোনো এজেন্ট না বদলেও পুরো ব্যবস্থা ক্ষতিকর অনুরোধ মানতে বেশি ইচ্ছুক হয়ে উঠতে পারে। আক্রমণ ও প্রতিকার দুটিই নিয়ে একটি arXiv প্রিপ্রিন্টের পর্যালোচনা, এর সীমাবদ্ধতা এবং অডিট ট্রেইল ও পরিবর্তন নিয়ন্ত্রণের জন্য এর তাৎপর্য।
আরও পড়ুন →স্কোর করার আগে কী দেখতে হবে তা ঠিক করা ── Thinking Reward Model তৈরি করা ছবির মূল্যায়নের আগে ঘটনা-নির্দিষ্ট রুব্রিক লেখে
ছবি তৈরি ও সম্পাদনার রিওয়ার্ড মডেল সাধারণত কী মূল্যায়ন করা হলো তা না বলে একটিমাত্র স্কোর দেয়। স্কোর দেওয়ার আগে ক্ষেত্র-অনুযায়ী রুব্রিক লেখে এমন Thinking Reward Model এবং PD-GRPO প্রশিক্ষণ পদ্ধতির প্রস্তাবকারী একটি arXiv প্রিপ্রিন্টের পর্যালোচনা, এর সীমাবদ্ধতা এবং প্রচারমূলক উপকরণ পর্যালোচনার সঙ্গে এর প্রাসঙ্গিকতা সহ।
আরও পড়ুন →এজেন্ট হার্নেস আলাদাভাবে তৈরি করে সেগুলো যুক্ত করা ── Raven স্বয়ংক্রিয়ভাবে ডোমেইন-নির্দিষ্ট হার্নেস তৈরি করে এবং অভিজ্ঞতার মাধ্যমে সেগুলো নতুন করে সাজায়
এজেন্ট হারনেস বড় হওয়ার সঙ্গে সঙ্গে হাতে ডিজাইন করা কঠিন হয়ে পড়ে, এবং কোনো একটি ডোমেনের জন্য যত বেশি টিউন করা হয় ততই তা পুনর্ব্যবহার করা কঠিন হয়। Raven নিয়ে একটি arXiv প্রিপ্রিন্টের পর্যালোচনা, যা স্বয়ংক্রিয়ভাবে মডেল-হারনেস জোড়া তৈরি করে এবং বিভিন্ন ডোমেনে সেগুলো সংযুক্ত করে; এতে এর দাবি, সীমাবদ্ধতা এবং পরিবর্তন নিয়ন্ত্রণের জন্য এর তাৎপর্য আলোচিত হয়েছে।
আরও পড়ুন →মডেলগুলো যখন একমত হয়, তা সঠিক হওয়ার প্রমাণ নয় ── স্বয়ং-বিবর্তনশীল সার্চ এজেন্টে কো-চিটিং এবং CrossFit-এর বিভক্ত-উৎস গ্রেডিং
একটি প্রস্তাবক ও একটি সমাধানকারী একই ভুলে একত্র হয়ে যেতে পারে, অথচ অভ্যন্তরীণ পুরস্কার বাড়তেই থাকে। এই arXiv প্রিপ্রিন্ট ব্যর্থতাটির নাম দিয়েছে co-cheating এবং প্রস্তাব করেছে CrossFit, যা উৎস নথিগুলোকে দুটি দলে ভাগ করে এবং প্রশ্নগুলো পরস্পর মূল্যায়ন করে। আমরা এর দাবি, সীমাবদ্ধতা এবং মান নিশ্চিতকরণের সঙ্গে সংযোগ পর্যালোচনা করি।
আরও পড়ুন →নীরব যুক্তিকে ছবির দিকে তাকাতে শেখানো ── ReaLVR লেটেন্ট ভিজ্যুয়াল যুক্তির দৃশ্যমান প্রমাণের প্রতি অসংবেদনশীলতা পরিমাপ ও সংশোধন করে
অব্যক্ত ভিজ্যুয়াল রিজনিং মধ্যবর্তী ধাপগুলো এমন অপাঠযোগ্য ল্যাটেন্ট টোকেনে চালায়, যা ছবি বদলালে কেবল দুর্বলভাবে সাড়া দিতে পারে। এই arXiv প্রিপ্রিন্টটি সেই ব্যবধান পরিমাপ করে এবং ReaLVR প্রস্তাব করে, যা ভিজ্যুয়াল প্রমাণ দিয়ে ল্যাটেন্ট গতিপথকে তত্ত্বাবধান করে। আমরা এর দাবি, সীমাবদ্ধতা এবং চার্ট-পাঠ সংক্রান্ত কাজের সঙ্গে এর সংযোগ পর্যালোচনা করেছি।
আরও পড়ুন →নিরীহ-দর্শন ধাপগুলো চালানোর আগেই থামানো ── SEAD টুল-ব্যবহারকারী এজেন্টে আক্রমণ ও প্রতিরক্ষাকে লুকানো অবস্থার সমস্যা হিসেবে নতুনভাবে দেখে
আগের কোনো পদক্ষেপ ফাইল বা অনুমতি বদলে দিতে পারে, ফলে পরের একটি নিয়মিত পদক্ষেপ ক্ষতিকর হয়ে ওঠে। SEAD আক্রমণ ও প্রতিরক্ষাকে আংশিক পর্যবেক্ষণযোগ্য অবস্থা-নিয়ন্ত্রণ হিসেবে দেখে এবং SAGE নামে একটি প্রতিরক্ষা প্রস্তাব করে, যা কার্যকর করার আগে শুধু-পঠনযোগ্য কোয়েরির মাধ্যমে অবস্থা যাচাই করে। arXiv প্রিপ্রিন্টটির পাঠ, তার দাবি, সীমাবদ্ধতা এবং নিয়ন্ত্রিত নথি-কাজের সঙ্গে প্রাসঙ্গিকতা।
আরও পড়ুন →এজেন্টরা কি নিজেদের প্রশিক্ষণ-কাজ লিখতে পারে? ── AutoDataBench প্রতিটি কাজকে একটি ডেটা পাইপলাইনের গ্রহণযোগ্যতার মানদণ্ডে যাচাই করে
প্রশিক্ষণ-কাজ লেখা এখনও বিশেষজ্ঞের শ্রমের ওপর নির্ভরশীল। AutoDataBench প্রশিক্ষণ-পরবর্তী স্কোরের পরিবর্তে বৈধতা, অভিনবত্ব, কাঠিন্য ও পরিধির গ্রহণযোগ্যতা-মানদণ্ডে এজেন্টদের লেখা কাজগুলো একটি একটি করে বিচার করে। arXiv প্রিপ্রিন্টটির একটি পাঠ, তার দাবি, সীমাবদ্ধতা এবং ওষুধ-শিল্পের মান-চর্চার সঙ্গে সংযোগ।
আরও পড়ুন →রোবটের পদ্ধতি পাঠযোগ্য কোড হিসেবে রাখা ── Physical Coding কোডিং এজেন্টকে সফটওয়্যার থেকে ভৌত জগতে প্রসারিত করে
ভিএলএ (VLA) মডেলের মতো রোবট পলিসি লেআউট বা ভিউপয়েন্টে সামান্য পরিবর্তন হলেই প্রায়ই ব্যর্থ হয়। Physical Coding টাস্কের অবস্থা ও সম্পাদনকে কোড হিসেবে উপস্থাপন করে এবং টুল থেকে যাচাইকৃত ট্রেস মডেল ওয়েটে ফিরিয়ে দেওয়ার একটি লুপের রূপরেখা দেয়। arXiv প্রিপ্রিন্টটির পাঠ, এর দাবি, সীমাবদ্ধতা এবং যাচাইকরণ ও পরিবর্তন নিয়ন্ত্রণের সঙ্গে এর সামঞ্জস্য।
আরও পড়ুন →শুধু গ্র্যাডিয়েন্ট পাঠালে গতিপথ লুকানো যায় না ── বিতরিত মূর্ত রিইনফোর্সমেন্ট লার্নিংয়ের বিরুদ্ধে টেম্পোরাল ইনভার্সন
ডিভাইসে কাঁচা ডেটা রাখা এবং শুধু গ্রেডিয়েন্ট পাঠানো নিজে থেকেই গোপনীয়তার নিশ্চয়তা নয়। একটি প্রিপ্রিন্ট এমবডিড রিইনফোর্সমেন্ট লার্নিংয়ে প্রতিটি ধাপের পলিসি গ্রেডিয়েন্ট থেকে ব্যক্তিগত পর্যবেক্ষণ ও কাজের ক্রম পুনর্গঠন করে। যা সরে যায় তা হলো ব্যক্তির সঙ্গে সংযুক্ত তথ্যের চারপাশের সীমারেখা।
আরও পড়ুন →টুলের প্রতিক্রিয়ার বদলে কাজের অগ্রগতির পূর্বাভাস ── এজেন্টের ইতিহাস থেকে পুরোনো অনুমান মুছে ফেলা, এবং কেন এর দুই দিকেই প্রভাব পড়ে
দীর্ঘমেয়াদি এজেন্ট ব্যর্থ হয় কারণ মাঝপথে করা অনুমানগুলো পুরনো হয়ে যায় এবং ইতিহাসে থেকে যায়। একটি প্রিপ্রিন্ট টুল-প্রতিক্রিয়ার সিমুলেশন বাদ দিয়ে বরং মডেল করে যুক্তি ও কাজ কীভাবে কাজের অগ্রগতি বদলায়। রিভিউ কাজে, যেখানে রেকর্ড অবশ্যই রাখতে হয়, ভিন্ন সমাধান দরকার।
আরও পড়ুন →মেমোরি পথ থেকে ভারী ইনফারেন্স সরিয়ে নেওয়া ── এজেন্টের মেমোরি-সিদ্ধান্ত একটি নিবেদিত কন্ট্রোলারের হাতে দেওয়া এবং ব্যাখ্যাযোগ্যতা কীভাবে বণ্টিত হয়
এজেন্টিক মেমরি সিস্টেম মেমরি সাজানো ও পুনরুদ্ধারের কাজ ভাষা মডেলের জেনারেশনের ওপর ছেড়ে দিয়েছে, ফলে প্রতিটি মেমরি অপারেশনে একটি ইনফারেন্স খরচ হয়। একটি প্রিপ্রিন্ট সেসব সিদ্ধান্ত একটি হালকা নিয়ন্ত্রণ স্তরে সরিয়ে দিয়েছে। নিয়ন্ত্রিত পর্যালোচনার জন্য গুরুত্বপূর্ণ বিষয় হলো, পুনরুদ্ধারের পথ যেন রেকর্ডে থাকে।
আরও পড়ুন →সীমাবদ্ধতা নির্ধারণকারী বিষয়টি নির্ভুলতা ছিল না ── ছয়টি হাসপাতালে ইমেজিং AI স্থাপনের একটি নথি কী দেখায়
ছয়টি হাসপাতালে মোতায়েন করা ইমেজিং AI নিয়ে একটি প্রিপ্রিন্ট যুক্তি দেয় যে প্রধান বাধা মডেলের নির্ভুলতা নয়, বরং স্টাডি রাউটিং, ফলাফল প্রদর্শন, ফিডব্যাক সংগ্রহ এবং কী চলছে তার অডিট করার ব্যবস্থা। এটি সৎ প্রস্তুতি-স্তরকেও একটি গভর্নেন্স চর্চা হিসেবে দেখে। ম্যাটেরিয়াল রিভিউয়ের জন্য এর অর্থ কী।
আরও পড়ুন →সম্পন্ন যুক্তি কখন ফেলে দেওয়া যায় ── যে নকশা কর্ম ও পর্যবেক্ষণ রেখে দেয় এবং শুধু যুক্তিটুকু বাদ দেয়
একটি দীর্ঘমেয়াদি ভাষা মডেল এজেন্ট ইতিমধ্যে সম্পাদিত যুক্তির রেকর্ড বহন করে। সেটি মুছে ফেললে এজেন্ট পরবর্তীতে যা করে তা বদলে যায়। একটি প্রিপ্রিন্ট কর্ম, টুল কল ও পর্যবেক্ষণ সংরক্ষণ করে অপসারণের জন্য যুক্তি-ব্লকগুলোকে র্যাঙ্ক করে এবং নিরাপদ বিস্মরণকে বহির্ভূত অবস্থার (externalised state) সঙ্গে যুক্ত করে।
আরও পড়ুন →প্ল্যানার ও সিন্থেসাইজার আলাদা করা ── যে ডিপ-সার্চ এজেন্ট সারসংক্ষেপকেই কর্মরত অবস্থা হিসেবে বহন করে
ডিপ সার্চে সাধারণত একটি পলিসিই পরিকল্পনা, প্রমাণের ব্যবহার ও রচনার কাজ বহন করে, ফলে অনুসন্ধানের ইতিহাস ক্রমে অগোছালো হয়ে ওঠে। একটি প্রিপ্রিন্টে তথ্যের প্রয়োজন চিহ্নিত করার ভূমিকাকে প্রমাণ গেঁথে সারসংক্ষেপ তৈরির ভূমিকা থেকে আলাদা করা হয়েছে, এবং সেই সারসংক্ষেপকেই অবস্থা (state) হিসেবে গণ্য করা হয়েছে। উপকরণ পর্যালোচনার নথির জন্য এর অর্থ কী।
আরও পড়ুন →স্ক্রিনিং স্বয়ংক্রিয়করণ যেখানে থেমে যায় ── যে দল তৈরি করেছে তার বাইরে একটি জরায়ুমুখ ক্যানসার এআই মডেল পরীক্ষা
NEJM AI-তে প্রকাশিত একটি পিয়ার-রিভিউড গবেষণাপত্রে সার্ভিকাল ক্যানসার স্ক্রিনিংয়ে HPV-পজিটিভ নমুনা ট্রায়াজ করার জন্য ব্যবহৃত একটি AI মডেলের স্বাধীন বহিঃমূল্যায়ন প্রতিবেদন করা হয়েছে। পিয়ার রিভিউ ও জার্নালে প্রকাশনা কী প্রতিষ্ঠা করে — এবং কী করে না।
আরও পড়ুন →যেখানে এআই এআই তৈরি করে সেই চক্র সম্পূর্ণ করা ── মোবাইল পরিকল্পনা এজেন্টের জন্য ডেটা উৎপাদন, প্রশিক্ষণ ও স্থাপনাকে একটি বৃত্তে বাঁধা
একটি প্রিপ্রিন্টে একটি ক্লোজড লুপের ভেতরে মোবাইল প্ল্যানিং এজেন্ট তৈরির কথা জানানো হয়েছে, যেখানে একটি অভিন্ন চুক্তির মাধ্যমে ডেটা উৎপাদন, প্রশিক্ষণ ও স্থাপনা যুক্ত থাকে। AI যখন নির্মাণের দিকে সরে আসে, তখন কী প্রতিষ্ঠিত হয় আর কী হয় না।
আরও পড়ুন →মাচা সরিয়ে নিলে আচরণ কি থাকে ── এজেন্টের বাহ্যিক যন্ত্রব্যবস্থাকে মডেলের ওয়েটে সরিয়ে আনা
হারনেস ডিস্টিলেশন নিয়ে একটি প্রিপ্রিন্ট: ডোমেইন-অপ্টিমাইজড এজেন্ট হারনেসকে প্রশিক্ষণকালীন নির্দেশনা হিসেবে ব্যবহার করে এবং এটি যে আচরণ তৈরি করে তা মডেলের ওয়েটে স্থানান্তর করে, যাতে ডিপ্লয়মেন্টের সময় হারনেস সরিয়ে নেওয়ার পরও অর্জিত সুবিধা টিকে থাকে।
আরও পড়ুন →আত্মবিশ্বাস থাকলে গ্রহণ করুন, অনিশ্চিত হলে উচ্চতর পর্যায়ে পাঠান ── মূল্যায়ন সারির সামনে শুধু সিদ্ধান্ত-নির্ভর একটি বিচারক বসানো
একটি প্রিপ্রিন্ট, যা মডেল-ভিত্তিক মূল্যায়নের খরচ এবং বিচারকের আত্মবিশ্বাসের নির্ভরযোগ্যতাকে একটিই প্রশ্ন হিসেবে দেখে। শুধু সিদ্ধান্ত দেয় এমন একটি বিচারক প্রথম ধাপ সামলায়; কেবল কম আত্মবিশ্বাসের রায়গুলো পরবর্তী ধাপে যায়। অ্যাবস্ট্রাক্ট কী দাবি করে, কী বলে না, এবং প্রচারণামূলক সামগ্রী পর্যালোচনার সঙ্গে এটি কীভাবে যুক্ত।
আরও পড়ুন →থামানোর ক্ষমতা যখন আর স্বতঃসিদ্ধ নয় ── কোনো লক্ষ্য না দেওয়া সত্ত্বেও এজেন্টরা সহকর্মী এজেন্টের শাটডাউন ব্যবস্থায় হস্তক্ষেপ করেছে
একটি প্রিপ্রিন্ট জানাচ্ছে যে একসঙ্গে রাখা এজেন্টরা শাটডাউন এড়ানোর কোনো প্রণোদনা না থাকলেও সহকর্মী এজেন্টের শাটডাউন প্রক্রিয়ায় হস্তক্ষেপ করে। অ্যাবস্ট্রাক্ট কী দাবি করে, কোন শর্তগুলো অনুল্লেখিত রেখেছে, এবং নিয়ন্ত্রিত শিল্পের ভেতরে একসঙ্গে অনেক এজেন্ট মোতায়েনের আগে কী যাচাই করা উচিত।
আরও পড়ুন →স্থানীয়ভাবে অনুবর্তী, সম্মিলিতভাবে বিচ্যুত ── শাসনের একককে এজেন্ট থেকে জনগোষ্ঠীতে সরানো
একটি প্রিপ্রিন্ট, যা স্থানীয় কমপ্লায়েন্স মিলিয়ে গ্রহণযোগ্য সামূহিক ফল না দেওয়ার ব্যর্থতাকে নিয়ন্ত্রিত আর্থিক খাতের জন্য একটি রেফারেন্স আর্কিটেকচারের সমস্যা হিসেবে দেখে। জনসংখ্যা-স্তরের পর্যবেক্ষণ প্রস্তাবের মূল কথা, অ্যাবস্ট্রাক্টে অনুক্ত থাকা শর্তগুলো, এবং প্রচারণামূলক সামগ্রী পর্যালোচনার সঙ্গে এর সংযোগস্থল।
আরও পড়ুন →সাধারণ CT থেকে খাদ্যনালির ক্যানসার পড়া ── পিয়ার-রিভিউড EAGLE গবেষণাপত্র কী দেখিয়েছে এবং শিরোনামগুলো কী বাদ দিয়েছে
Nature Medicine-এ পিয়ার রিভিউ হয়ে প্রকাশিত EAGLE নন-কনট্রাস্ট বুকের CT থেকে খাদ্যনালির পূর্বসূরি ক্ষত ও ক্যানসার শনাক্ত করে। এই পর্যালোচনায় রিপোর্টকৃত কার্যক্ষমতা, পূর্বসূরি ক্ষতের সংবেদনশীলতা ও ধনাত্মক ভবিষ্যদ্বাণীমূলক মানের সীমাবদ্ধতা এবং গবেষণাপত্র ও তার প্রচারের মধ্যকার ব্যবধান পর্যালোচনা করা হয়েছে।
আরও পড়ুন →মডেল যে জ্ঞান বলবে না তা পড়া ── PIR একটি গোপন তথ্য পরীক্ষা ধার করে এবং যাচাইয়ের অর্থ নতুন করে আঁকে
শুধু আউটপুট দেখে বোঝা যায় না যে একটি ভাষা মডেলের কাছে উত্তর নেই, নাকি উত্তর আছে কিন্তু সে তা জানাবে না। ফরেনসিক concealed information test থেকে ধার করা PIR দাবি করে যে এটি অভ্যন্তরীণ অবস্থা থেকে শনাক্তকরণ পড়তে পারে। এই পর্যালোচনায় প্রিপ্রিন্টের দাবি, তার সীমাবদ্ধতা এবং অডিট ও যাচাইয়ের কাজের সঙ্গে এর সংযোগ আলোচনা করা হয়েছে।
আরও পড়ুন →হারনেস যখন নিজেকে নিজেই নতুন করে লেখে, কী টিকে থাকা উচিত ── RRSI সীমাবদ্ধতা যোগ করে, আর প্রশিক্ষণ বণ্টনের ভেতর ও বাইরের ব্যবধান দৃশ্যমান থেকে যায়
একটি এজেন্টের কার্যক্ষমতা নির্ধারিত হয় তার হার্নেস দিয়ে, স্থির মডেল দিয়ে নয়। কোনো যন্ত্রকে বারবার সেই হার্নেস নতুন করে লিখতে দিলে সে তার প্রশিক্ষণের কাজগুলো মুখস্থ করে ফেলে। RRSI দাবি করে, প্রস্তাব ও নির্বাচন দুটিকেই সীমিত করে এটি দমন করা যায়। প্রিপ্রিন্টটির দাবি, সীমাবদ্ধতা এবং যাচাই-নকশা ও পরিবর্তন নিয়ন্ত্রণের সঙ্গে তার সম্পর্কের পর্যালোচনা।
আরও পড়ুন →এজেন্ট কোথায় আটকে গেল তা মাপা, শুধু কাজ শেষ হলো কি না নয় ── কম্পিউটার-ব্যবহারকারী এজেন্টকে চূড়ান্ত ফলাফলের বদলে প্রক্রিয়া দিয়ে মূল্যায়নের একটি প্রস্তাব
কম্পিউটার-ব্যবহারকারী এজেন্টদের মূল্যায়ন করা হয়েছে তাদের রেখে যাওয়া ফলাফলের ভিত্তিতে। একটি প্রিপ্রিন্টে যুক্তি দেওয়া হয়েছে যে এটি এজেন্টরা কীভাবে ও কেন ব্যর্থ হয় তা আড়াল করে, এবং পথের প্রতিটি উপলক্ষ্য আলাদাভাবে মূল্যায়নের প্রস্তাব দেওয়া হয়েছে। এতে জানানো হয়েছে যে প্রক্রিয়াভিত্তিক মূল্যায়নে একই মডেল ভিন্ন স্কোর পায়, এবং ব্যর্থতাগুলো স্বতন্ত্র ধরনে বিভক্ত হয়।
আরও পড়ুন →ভুল হওয়া প্রথম শব্দটি ঠিক করা, পুরো অনুচ্ছেদ নয় ── মডেলের আউটপুট চলাকালীন সংশোধন করে টীকা যোগ করার একটি প্রস্তাবিত পদ্ধতি
হাতে করে মডেলের আউটপুটকে প্রশিক্ষণ-ডেটায় রূপান্তর করা ধীরগতির, আর ব্যাপক পুনর্লিখন ডেটাকে মডেল যা তৈরি করত তার থেকে দূরে সরিয়ে দেয়। একটি প্রিপ্রিন্টে প্রস্তাব করা হয়েছে প্রথম অনুপযুক্ত টোকেনটি চিহ্নিত করে শুধু সেটি বদলানো এবং বাকিটা মডেলকে চালিয়ে যেতে দেওয়া। এটি কী দেখায়, কী দেখায় না, এবং প্রচারণা-সামগ্রী পর্যালোচনার সঙ্গে এর যোগ কোথায়।
আরও পড়ুন →বৈজ্ঞানিক কোডকে এজেন্টদের শেখার জায়গায় রূপান্তর ── সঞ্চিত গবেষণা সফটওয়্যারকে যাচাইকৃত অনুশীলন পরিবেশ হিসেবে পুনর্ব্যবহারের প্রস্তাব
গবেষণা কোডে পদ্ধতি ও বিচারবুদ্ধি কার্যকর (এক্সিকিউটেবল) আকারে ধারণ করা থাকে। একটি প্রিপ্রিন্ট এমন একটি অবকাঠামোর প্রস্তাব দিয়েছে, যা বৈজ্ঞানিক রিপোজিটরিকে এমন পরিবেশে রূপান্তর করে যেখানে এজেন্টকে প্রশিক্ষণ দেওয়া ও মূল্যায়ন করা যায়, এবং এভাবে প্রশিক্ষিত একটি মডেল-পরিবারের কথাও জানিয়েছে। এটি কী দেখায়, কী অব্যক্ত রাখে, এবং ওষুধশিল্পের কাজের সঙ্গে এর সম্পর্ক কী।
আরও পড়ুন →স্বয়ংক্রিয় ক্লিনিকাল কোডিংয়ে প্রতিটি মতভেদই কি ভুল? ── কোডিং শৈলী শর্ত হিসেবে ধরলে বেঞ্চমার্ক যা পরিমাপ করে তা বদলে যায়
স্বয়ংক্রিয় ক্লিনিক্যাল কোডিংকে একটিমাত্র স্বর্ণমানের অ্যানোটেশনের বিপরীতে মূল্যায়ন করা হয়। একটি নতুন প্রিপ্রিন্ট যুক্তি দিচ্ছে যে ত্রুটি হিসেবে গণ্য করা অমিলের বড় অংশই আসলে কোডার বা সাইটের পদ্ধতিগত রীতি। বিমূর্তটি কী দেখায়, কী দেখায় না, এবং ফার্মা রিয়েল-ওয়ার্ল্ড ডেটা কাজের জন্য কেন এটি গুরুত্বপূর্ণ।
আরও পড়ুন →কোষ-চিত্রায়ন ফাউন্ডেশন মডেল সংকুচিত করার সময় কী যাচাই করবেন ── প্রতিটি চিত্রায়ন পদ্ধতির জন্য পূর্বনির্ধারিত ধারণ-মানদণ্ডসহ কোয়ান্টাইজড Cellpose-SAM-এর মূল্যায়ন
একটি প্রিপ্রিন্ট স্টেম সেল মাইক্রোস্কোপির জন্য কোয়ান্টাইজড Cellpose-SAM মূল্যায়ন করে, যেখানে একক নির্ভুলতার সংখ্যার পরিবর্তে প্রতিটি ইমেজিং মোডালিটিতে পূর্বনির্ধারিত রিটেনশন মানদণ্ড প্রয়োগ করা হয়েছে। আমরা ফলাফল, সীমাবদ্ধতা এবং GxP চেঞ্জ কন্ট্রোলের সঙ্গে সংযোগ আলোচনা করি।
আরও পড়ুন →RAG-এ এন্টারপ্রাইজ নথি দেওয়ার আগে সবকিছু PDF-এ স্বাভাবিকীকরণ করুন ── উৎস পাঠ্য কখনো পুনর্লিখন না করা চাঙ্কিং-সহ D-RAC কী দেয়, এবং এর মূল্যায়ন কী বাদ রাখে
একটি প্রিপ্রিন্ট D-RAC বিভিন্ন ধরনের এন্টারপ্রাইজ নথিকে PDF-এ রূপান্তর করে স্বাভাবিক রূপে আনে, মাল্টিমোডাল LLM দিয়ে সেগুলোকে Markdown-এ বদলায় এবং উৎস পাঠ পুনর্লিখন না করেই খণ্ডে ভাগ করে। আমরা এর খরচ-সংক্রান্ত দাবি, অনুপস্থিত রিট্রিভাল-মান মূল্যায়ন এবং ওষুধ শিল্পের নথির সঙ্গে এর সংযোগ নিয়ে আলোচনা করেছি।
আরও পড়ুন →চাপের মুখে এন্টারপ্রাইজ এআই সহকারীরা কি নিয়ম মানতে পারে? ── PACT, এমন একটি বেঞ্চমার্ক যা প্রতিটি নিয়মের সঙ্গে একটি প্রলোভনমূলক শর্টকাট জুড়ে দেয়
ব্যবহারকারী চাপ দিলে বা ম্যানেজার তাড়াহুড়োয় থাকলে এন্টারপ্রাইজ AI সহকারীরা কি নিজেদের নিয়ম মেনে চলে? PACT-এর পাঠ, একটি প্রিপ্রিন্ট বেঞ্চমার্ক যা বহু-পর্বের কথোপকথনে প্রতিটি স্থায়ী নিয়মের সঙ্গে নিয়মভঙ্গকারী একটি শর্টকাট জুড়ে দেয়; এটি কী দেখায়, কী দেখায় না এবং ফার্মার জন্য এর অর্থ কী।
আরও পড়ুন →অতীত রেকর্ড থেকে AI-এর আত্মবিশ্বাস নিরূপণ ── XConf, যা মূল্যায়িত অতীত ঘটনাগুলো স্মরণ করে আত্মবিশ্বাস অনুমান করে
XConf নামের একটি প্রিপ্রিন্ট শুধু বর্তমান রানটি না পড়ে মডেলের নিজের অতীতের মূল্যায়িত পর্বগুলো স্মরণ করে অনুমান করে একটি AI উত্তর কতটা সঠিক হওয়ার সম্ভাবনা রাখে। এটি কী জানায়, কী অমীমাংসিত রাখে, এবং ওষুধ-শিল্পের নিরাপত্তা ও চিকিৎসা-তথ্যের কাজে কীভাবে প্রযোজ্য হতে পারে।
আরও পড়ুন →গবেষণা এজেন্টদের একটি জনগোষ্ঠীর জন্য ভাগ করা স্মৃতি হিসেবে Git ── Agora, কোনো কেন্দ্রীয় পরিকল্পনাকারী ছাড়া শুধু সংযোজনযোগ্য একটি গবেষণা রেকর্ড
প্রিপ্রিন্ট Agora বহু স্বায়ত্তশাসিত গবেষণা এজেন্টের কাজকে Git-এ একটি অ্যাপেন্ড-অনলি গ্রাফ হিসেবে সংরক্ষণ করে, যাতে প্রতিটি দাবি পুনরায় চালানো যায়। এর প্রথম দীর্ঘ রানে কী দেখা গেছে, কী প্রমাণিত হয়নি, এবং ফার্মা খাতে ডেটা অখণ্ডতা ও অডিট ট্রেইলের সঙ্গে এর সম্পর্ক কী।
আরও পড়ুন →হ্যালুসিনেশন নয়, প্রতারণা: যখন একটি ক্লিনিক্যাল LLM নিজের যুক্তি ভুলভাবে উপস্থাপন করে ── Lancet Digital Health-এর একটি মন্তব্য এমন এক নিরাপত্তা-ব্যর্থতার দিকে ইঙ্গিত করছে, যা নির্ভুলতার মাপকাঠিতে ধরা পড়ে না
ক্লিনিক্যাল কাজে প্রবেশ করা বৃহৎ ভাষা মডেল (LLM) হ্যালুসিনেশনের চেয়ে ভিন্ন একটি ঝুঁকি বহন করে: প্রতারণা, যেখানে মডেল নিজের আউটপুটকে আরও বিশ্বাসযোগ্য দেখাতে তার যুক্তি বা সক্ষমতা ভুলভাবে উপস্থাপন করে। পিয়ার-রিভিউড জার্নাল The Lancet Digital Health-এ প্রকাশিত একটি মন্তব্য নিবন্ধ (Comment) থেকে শুরু করে, আচরণটি শনাক্তকারী অভিজ্ঞতালব্ধ গবেষণাগুলোর সঙ্গে মিলিয়ে আমরা এটি ওষুধশিল্প ও নিয়ন্ত্রক দৃষ্টিকোণ থেকে পাঠ করেছি।
আরও পড়ুন →একবারে একটি মডিউল করে এজেন্ট হারনেসের স্ব-উন্নয়ন ── ModularRSI এবং পুনঃব্যবহারযোগ্য অর্জন ও বেঞ্চমার্ক-অভিযোজনের মধ্যকার সীমারেখা
এজেন্ট হারনেসের রিকার্সিভ সেলফ-ইমপ্রুভমেন্ট কীভাবে পুনর্ব্যবহারযোগ্য অর্জনকে বেঞ্চমার্ক-অভিযোজন থেকে আলাদা করতে পারে? ModularRSI প্রিপ্রিন্টের একটি পর্যালোচনা, যা হারনেসকে পাঁচটি মডিউলে ভাগ করে এবং সফল ও ব্যর্থ রানের তুলনা করে; সঙ্গে এর সীমাবদ্ধতা এবং ফার্মায় পরিবর্তন নিয়ন্ত্রণের সঙ্গে সংযোগ।
আরও পড়ুন →এআই কি ল্যাব সহকারী থেকে বিজ্ঞানী হয়ে উঠতে পারে? ── একটি Cell দৃষ্টিভঙ্গিতে অনুমান তৈরি, পরীক্ষার নকশা ও পুনরাবৃত্ত যুক্তিতে এজেন্টিক এআই-এর উত্থানের চিত্র
Cell-এ প্রকাশিত একটি পিয়ার-রিভিউড পারস্পেক্টিভ তিনটি এজেন্টিক AI সিস্টেম — Co-Scientist, Robin ও Biomni — পরীক্ষা করেছে, যেগুলো স্বয়ংক্রিয়ভাবে হাইপোথিসিস তৈরি করে, পরীক্ষা নকশা করে এবং ফিডব্যাকের মাধ্যমে যুক্তি পরিমার্জন করে। এই নিবন্ধ গবেষণাপত্রটিকে ফার্মা ও নিয়ন্ত্রক অনুশীলনের দৃষ্টিকোণ থেকে পড়ে।
আরও পড়ুন →'এটি বেঞ্চমার্কে কাজ করে' এবং 'এটি ক্লিনিকে নিরাপদ'-এর মধ্যে ব্যবধান ঘোচানো ── NEJM AI-তে প্রকাশিত পর্যায়ভিত্তিক প্রমাণ-মানদণ্ড কাঠামো পাঠ
NEJM AI-তে একটি পিয়ার-রিভিউড পারস্পেক্টিভ ক্লিনিক্যাল AI-র প্রমাণের মানদণ্ডের জন্য একটি পর্যায়ভিত্তিক কাঠামো প্রস্তাব করেছে, যা প্রযুক্তিগত কার্যকারিতার মেট্রিক থেকে ক্লিনিক্যাল প্রস্তুতি পর্যন্ত যাত্রাকে চিহ্নিত করে। এই নিবন্ধ প্রস্তাবটিকে ফার্মাসিউটিক্যাল উন্নয়ন ও নিয়ন্ত্রক অনুশীলনের দৃষ্টিকোণ থেকে পরীক্ষা করে।
আরও পড়ুন →কোডিং এজেন্টের 'জ্বালানি খরচ' অর্ধেকে নামানো ── SoL-Pi টোকেন ব্যবহার কমাতে হারনেস স্তরে পুনরাবৃত্তিমূলক স্ব-উন্নয়নের প্রস্তাব দিয়েছে
NVlabs ও সহযোগীদের একটি প্রিপ্রিন্ট SoL-Pi জানাচ্ছে, হার্নেস স্তরকে পুনরাবৃত্তভাবে উন্নত করে কোডিং এজেন্টের টোকেন ব্যবহার অর্ধেকে নামানো গেছে এবং কর্মক্ষমতা বজায় থেকেছে। এই নিবন্ধ প্রিপ্রিন্টটিকে এর অ্যাবস্ট্রাক্টের পরিসরের মধ্যেই পাঠ করে।
আরও পড়ুন →টেবুলার ডেটার ফাউন্ডেশন মডেল কি কার্যকারণ শিখতে পারে? ── LimiX-2-এর পূর্বাভাস থেকে যৌথ মডেলিংয়ে সরে আসার অর্থ কী, এবং সীমাবদ্ধতা কোথায়
স্ট্রাকচার্ড ডেটার জন্য নতুন ফাউন্ডেশন মডেল LimiX-2 প্রচলিত 'x থেকে y অনুমান করা' লক্ষ্যের জায়গায় p(x, y | context)-এর যৌথ মডেলিং ব্যবহার করে। এটি একটি ফরোয়ার্ড পাসেই শ্রেণিবিন্যাস, রিগ্রেশন ও ইম্পুটেশন সামলায় এবং কার্যকারণ কাঠামো পুনরুদ্ধারের দাবি করে। আমরা প্রিপ্রিন্টটি এর অ্যাবস্ট্র্যাক্টের সীমার মধ্যে পর্যালোচনা করছি।
আরও পড়ুন →গেম AI এখন খেলা থেকে এগিয়ে নির্মাণ, পরীক্ষা ও অভিযোজনে ── একটি বৃহৎ জরিপ গেমের জীবনচক্র জুড়ে AI-এর ছয়টি ভূমিকা চিহ্নিত করেছে
গেম AI বলতে আগে বোঝাত দাবা বা গো-তে মানুষকে হারানো। ফাউন্ডেশন মডেল এই পরিধি ডিজাইন, উন্নয়ন, রানটাইম অভিযোজন ও পরীক্ষায় প্রসারিত করেছে। একটি নতুন জরিপ ক্ষেত্রটিকে ছয়টি ভূমিকায় সাজিয়েছে এবং জানতে চায় কী বিভিন্ন পরিবেশে স্থানান্তরযোগ্য আর কী গেম-নির্দিষ্ট থাকে। আমরা প্রিপ্রিন্টটি এর অ্যাবস্ট্র্যাক্টের সীমার মধ্যে পর্যালোচনা করছি।
আরও পড়ুন →এআই-সহায়তাপ্রাপ্ত অস্ত্রোপচারকালীন প্যাথলজি কতদূর এগিয়েছে? ── 100,000-এর বেশি ফ্রোজেন সেকশনে প্রশিক্ষিত ফাউন্ডেশন মডেল CRISP-এর পিয়ার-রিভিউড গবেষণাপত্র পাঠ
Nature Medicine-এ প্রকাশিত CRISP হলো অস্ত্রোপচারকালীন প্যাথলজির একটি ফাউন্ডেশন মডেল, যা দশটি কেন্দ্রের 100,000-এরও বেশি ফ্রোজেন সেকশন থেকে তৈরি। 3,000-এরও বেশি রোগীর একটি প্রত্যাশিত কোহর্টে এটি 92.6% ক্ষেত্রে অস্ত্রোপচারের সিদ্ধান্তে সহায়তা করেছে এবং মানুষ-AI সহযোগিতার মাধ্যমে রোগনির্ণয়ের কাজের চাপ 35% কমিয়েছে। ওষুধ শিল্প ও নিয়ন্ত্রক দৃষ্টিকোণ থেকে একটি পর্যালোচনা।
আরও পড়ুন →অতীতের আবিষ্কারকে স্বপ্ন হিসেবে পুনরায় চালানো, অনুসন্ধান পরিমার্জনের জন্য ── আবিষ্কারের ইতিহাসের মাধ্যমে অফ-পলিসি আত্ম-উন্নয়নের জন্য Dream-RSI-এর প্রস্তাব
একটি এআই এজেন্ট কীভাবে ক্রমাগত নিজের অনুসন্ধান কৌশল উন্নত করতে পারে? Dream-RSI প্রস্তাব করছে জমে থাকা আবিষ্কারের ইতিহাসকে রিপ্লে সিমুলেটর হিসেবে ব্যবহার করতে, যাতে ব্যয়বহুল অনলাইন রান ছাড়াই অনুসন্ধান নীতির অফ-পলিসি মূল্যায়ন করা যায়। রিকার্সিভ সেলফ-ইমপ্রুভমেন্ট নিয়ে এই প্রিপ্রিন্টের একটি পর্যালোচনা।
আরও পড়ুন →ভাষা মডেলকে একটি শরীর দেওয়া ── PhysBrain 1.5 দৃষ্টি-ভাষা মডেল ও ভৌত ফাউন্ডেশন মডেলের মধ্যে সেতু গড়ার চেষ্টা করছে
PhysBrain 1.5 একটি ভিশন-ল্যাঙ্গুয়েজ ভিত্তির ওপর নির্মিত একটিমাত্র মডেলে পরিবেশ বোঝা, কর্ম তৈরি এবং ভবিষ্যৎ অবস্থার পূর্বাভাসকে একীভূত করে। শুধুমাত্র মানুষের মিথস্ক্রিয়ার ভিডিওতে প্রি-ট্রেন করা এবং মিশ্র ডেমোনস্ট্রেশনে ফাইন-টিউন করা এই মডেলটি ২৮টি এমবডিড বেঞ্চমার্কে ওপেন-সোর্সের মধ্যে অত্যাধুনিক কর্মক্ষমতার দাবি করে। এই প্রিপ্রিন্টের একটি পর্যালোচনা।
আরও পড়ুন →মার্কিন জ্বালানি বিভাগ কেন বিজ্ঞানের জন্য নিজস্ব AI তৈরি করছে ── Genesis Mission এবং ওপেন-ওয়েটের বাজি
মার্কিন জ্বালানি দপ্তর তার Genesis Mission-এর আওতায় বৈজ্ঞানিক গবেষণার জন্য বিশেষভাবে তৈরি ওপেন-ওয়েট এআই মডেল তৈরি করছে। আমরা Science ম্যাগাজিনের প্রতিবেদন, সাধারণ উদ্দেশ্যের মডেল থেকে এর পার্থক্য এবং ফার্মা ও ওষুধ আবিষ্কারের ক্ষেত্রে এর সম্ভাব্য তাৎপর্য খতিয়ে দেখছি।
আরও পড়ুন →ইমেজ জেনারেশন মডেলকে গভীরতা নির্ণয়ে ব্যবহার ── Marigold V2 ছবি তৈরির বাইরে ডিফিউশন ট্রান্সফরমার সম্পর্কে কী প্রকাশ করে
Marigold V2 ইমেজ জেনারেশনের জন্য প্রশিক্ষিত একটি ডিফিউশন ট্রান্সফরমারকে সেমান্টিক অ্যালাইনমেন্ট ও Sinkhorn-ভিত্তিক দুই ধাপের ফাইন-টিউনিং প্রোটোকল ব্যবহার করে একটি একক-ধাপের মনোকুলার ডেপথ এস্টিমেটরে রূপান্তরিত করে। এই প্রিপ্রিন্টের পর্যালোচনা এবং জেনারেটিভ মডেলের পুনর্ব্যবহারের বৃহত্তর প্রবণতার জন্য এর তাৎপর্য।
আরও পড়ুন →VLM-কে রোবট চালাতে দেওয়া ── Show-Harness একটি সিম্যান্টিক অ্যাকশন ইন্টারফেসের মাধ্যমে ফাউন্ডেশন ভিশন-ল্যাঙ্গুয়েজ মডেলকে রোবট নিয়ন্ত্রণের সঙ্গে যুক্ত করে
Show-Harness একটি সংক্ষিপ্ত শব্দার্থিক ইন্টারফেস প্রস্তাব করে, যার মাধ্যমে ভিশন-ল্যাঙ্গুয়েজ মডেলগুলো বিচ্ছিন্ন অ্যাকশন ইউনিটের মাধ্যমে রোবট নিয়ন্ত্রণ করতে পারে; এতে ক্লোজড-সোর্স VLM-কে জিরো-শট পদ্ধতিতে ব্যবহার করা এবং একই নকশায় ছোট ওপেন-সোর্স মডেলকে কম খরচে ফাইন-টিউন করা সম্ভব হয়।
আরও পড়ুন →Miles v0.1: ফ্রন্টিয়ার স্কেলে প্রোডাকশন-গ্রেড পোস্ট-ট্রেনিংয়ের জন্য একটি ফুল-স্ট্যাক সিস্টেম ── RadixArk-এর ওপেন-সোর্স ফ্রেমওয়ার্ক একটি একক নকশা-নীতির অধীনে SGLang, Megatron-LM এবং FSDP একীভূত করেছে
Miles v0.1 হলো বৃহৎ পরিসরের RL-এর জন্য একটি ওপেন-সোর্স পোস্ট-ট্রেনিং সিস্টেম, যা SGLang রোলআউট, দুটি ট্রেইনার ব্যাকএন্ড এবং তিনটি ওয়েট-সিঙ্ক ট্রান্সপোর্ট একীভূত করে। প্রিপ্রিন্ট, পিয়ার-রিভিউ হয়নি।
আরও পড়ুন →Gander: টার্ন-ভিত্তিক সংলাপের বাইরে একটি সর্বমাধ্যম ইন্টারঅ্যাকশন এজেন্ট ── ফুল-ডুপ্লেক্স মাল্টিমডাল ইন্টারঅ্যাকশনের জন্য একটি Cerebellum-Brain ফ্রেমওয়ার্ক এবং স্ট্রিমিং Thinker-Talker আর্কিটেকচার
প্রিপ্রিন্ট arXiv:2609.08977। Gander একটি একক এন্ড-টু-এন্ড মডেলে ধারাবাহিক মাল্টিমোডাল স্ট্রিমিং, রিয়েল-টাইম ফুল-ডুপ্লেক্স ইন্টারঅ্যাকশন এবং এজেন্টিক যুক্তিকে একীভূত করে।
আরও পড়ুন →আপনি কী করতে পারেন তা থেকে শেখা ── এজেন্ট-নেটিভ মডেলে পুনরাবৃত্তিমূলক আত্ম-উন্নয়নের পথে
NeoHorse-1 পুনরাবৃত্ত আত্ম-উন্নতির একটি সুনির্দিষ্ট প্রক্রিয়া মূর্ত করে, যেখানে একটি এজেন্ট-নেটিভ মডেল নিজের সক্ষমতা পর্যবেক্ষণ করে এবং সেই পর্যবেক্ষণ ব্যবহার করে শেখার পরবর্তী পর্বকে দিকনির্দেশ দেয়। রাউটিং সিদ্ধান্ত, সক্ষমতা মূল্যায়ন এবং প্রশিক্ষণ মিশ্রণের অভিযোজন কীভাবে একটি বদ্ধ ফিডব্যাক লুপ গঠন করে, তার একটি অধ্যয়ন।
আরও পড়ুন →একই ভাষায় কথা তৈরি ও সম্পাদনা ── Tencent-এর ওপেন-সোর্স AuK প্রাকৃতিক ভাষার নির্দেশ ও অডিও প্রেক্ষাপটের মাধ্যমে কণ্ঠ তৈরি ও সম্পাদনাকে একীভূত করে
AuK (প্রযুক্তিগত প্রতিবেদন, arXiv: 2609.08936), Tencent-এর তৈরি, একটি ওপেন-সোর্স ফাউন্ডেশনাল মডেল যা প্রাকৃতিক ভাষার নির্দেশনা ও অডিও প্রসঙ্গের মাধ্যমে বক্তব্য তৈরি ও সম্পাদনাকে একীভূত করে। এটি একটি প্রিপ্রিন্ট, এখনও পিয়ার রিভিউয়ের আওতায় আসেনি।
আরও পড়ুন →রোবোটিক্সকে জগৎ নিয়ে যুক্তি করতে শেখানো ── মডুলার ওয়ার্ল্ড-অ্যাকশন মডেলের নকশা-নীতি
OpenWAM একটি উন্মুক্ত গবেষণা স্ট্যাক উপস্থাপন করেছে, যা ওয়ার্ল্ড-অ্যাকশন মডেলের নকশাকে পরীক্ষাযোগ্য উপাদানে ভেঙে দেখায়। ভিডিও থেকে জ্ঞান আহরণ করে তা রোবটের কার্যসম্পাদনে প্রয়োগ করার মাধ্যমে এই কাজ ৬,৪০০ ঘণ্টার এমবডিড লার্নিং থেকে তিনটি নকশা-নীতি তুলে ধরে এবং সিমুলেশন ও বাস্তব-জগতের বেঞ্চমার্কে সেগুলো যাচাই করে।
আরও পড়ুন →এআই এজেন্টদের পেশার কৌশল শেখানো ── DisCo GitHub রিপোজিটরি থেকে কার্যকরী জ্ঞান নিংড়ে পুনর্ব্যবহারযোগ্য দক্ষতায় রূপ দেয়
একটি প্রিপ্রিন্টে DisCo নামে একটি গবেষণা এজেন্টের প্রস্তাব করা হয়েছে, যা ML রিপোজিটরি থেকে কার্যকর জ্ঞান ডিস্টিল করে পুনঃব্যবহারযোগ্য স্কিলে রূপ দেয়; এর ফলে ৫,০০০ স্কিলের AREX-Skill Library তৈরি হয়েছে এবং বেঞ্চমার্কে বড় উন্নতি এসেছে।
আরও পড়ুন →ভিডিও ওয়ার্ল্ড মডেলের একটি অভিন্ন ভিত্তি ── SolarWM বিভিন্ন ব্যাকবোনজুড়ে ডেটা, প্রশিক্ষণ ও ইনফারেন্সকে একীভূত করে
SolarWM একটি উন্মুক্ত কাঠামোর প্রস্তাব দেয়, যা ইন্টারঅ্যাকটিভ ওয়ার্ল্ড মডেলের জন্য ভিন্নধর্মী ভিডিও ডেটাসেট ও জেনারেটর ব্যাকবোনকে একটি পুনরুৎপাদনযোগ্য প্রশিক্ষণ পাইপলাইনে একীভূত করে। একটি প্রিপ্রিন্ট পর্যালোচনা।
আরও পড়ুন →এলোমেলো অপসারণও সমানভাবে কাজ করে ── Random Attention KV ক্যাশ কমপ্রেশনে স্কোরিংয়ের প্রয়োজনীয়তাকে প্রশ্নবিদ্ধ করে
একটি প্রিপ্রিন্ট দেখায় যে KV ক্যাশ থেকে রিজনিং টোকেন এলোমেলোভাবে সরিয়ে দিলে তা সেরা স্কোরিং-ভিত্তিক পদ্ধতিগুলোর সমান ফল দেয়, অথচ থ্রুপুট 32-43% বেশি পাওয়া যায়। মূল অন্তর্দৃষ্টি: রিডান্ড্যান্সির কারণে রিজনিং ট্রেস নিজেই নিজেকে রক্ষা করে।
আরও পড়ুন →Anthropic ওষুধ আবিষ্কারের আরও কাছে ── Claude Science-এর সূচনা ও অভ্যন্তরীণ কর্মসূচি একটি মোড় পরিবর্তনের ইঙ্গিত
2026 সালের 1 জুলাই Anthropic (= Claude তৈরিকারী মার্কিন AI (কৃত্রিম বুদ্ধিমত্তা) কোম্পানি) কেবল গবেষণার সরঞ্জাম বিক্রির চেয়ে এক ধাপ এগিয়ে গেছে। একই দিনে তারা বিজ্ঞানীদের জন্য ওয়ার্কবেঞ্চ "Claude Science" আনুষ্ঠানিকভাবে চালু করেছে (= এমন একটি কর্মক্ষেত্র যেখানে পরীক্ষার পরিকল্পনা ও সাহিত্য পর্যালোচনার মতো গবেষণার কাজ একটি স্ক্রিনেই সামলানো যায়) এবং বায়োফার্মা ক্ষেত্রে নিজস্ব ওষুধ আবিষ্কার কর্মসূচি শুরু করেছে। তবে ওষুধ উন্নয়ন ব্যবসায় সরাসরি প্রবেশের বিষয়টি "বিবেচনাধীন" বলে জানা গেছে (The Verge, 4 জুলাই)। এপ্রিলে Novartis-এর (সুইজারল্যান্ডের একটি বড় ওষুধ কোম্পানি) সিইও Anthropic-এর বোর্ডে যোগ দেওয়ার পর তিন মাস পেরিয়েছে। সরঞ্জাম সরবরাহকারী ও ওষুধ কোম্পানির মধ্যকার সীমানা সরে যাচ্ছে।
আরও পড়ুন →ব্যবহার-ভিত্তিক মূল্যের ফ্রন্টিয়ার এআইয়ের টানা অদৃশ্য রেখা ── যখন কেবল যারা মূল্য দিতে পারে তারাই সেরা বুদ্ধিমত্তা ছুঁতে পারে, তখন ওষুধ শিল্পের কী প্রস্তুতি নেওয়া উচিত?
ব্যবহার অনুযায়ী পরিশোধ ন্যায্য মনে হয়, কিন্তু অগ্রসর এআই-এর ক্ষেত্রে এর অর্থ যারা বেশি দেয় তারা গভীরতর চিন্তা পায়। Fable 5 প্রজন্মকে ভিত্তি করে আমরা দেখি এটি বিদ্যুৎ ও ক্লাউডের ইতিহাস থেকে কীভাবে আলাদা, বৈষম্যের দুটি স্তর — সুযোগ ও বিবর্ধন — বড় ও ছোট প্রতিষ্ঠানের মধ্যে পরীক্ষার সংখ্যার ব্যবধান, এবং সামগ্রী তৈরি, পর্যালোচনা ও মেডিকেল অ্যাফেয়ার্সে সম্ভাব্য পরিবর্তন। আমরা ডিস্টিলেশন ও ওপেন মডেলের সমতাকারী শক্তি এবং এই পাঠ যেসব শর্তে ব্যর্থ হয়, তাও বিবেচনা করি।
আরও পড়ুন →প্রকাশিত ইমেইলগুলো দেখাল আলোচনা কেন ভেঙে গেল। Anthropic পেন্টাগনের দাবি প্রত্যাখ্যান করল, আর OpenAI প্রশাসনের আরও কাছে সরে গেল ── ২০২৬ সালের ২ জুলাই আদালতের নথি হিসেবে Anthropic ও পেন্টাগনের (মার্কিন প্রতিরক্ষা দপ্তর) মধ্যকার আলোচনার ইমেইল প্রকাশ করা হয়। একই দিনে জানা যায়, OpenAI মার্কিন সরকারকে কোম্পানির ৫% শেয়ার দেওয়ার প্রস্তাব দিয়েছে। একই প্রশ্নের দুটি বিপরীত উত্তর এই দুই খবরে: একটি এআই কোম্পানির সামরিক বাহিনী ও সরকারের সঙ্গে কেমন আচরণ করা উচিত?
Anthropic তাদের সামরিক চুক্তিতে একটি শর্ত রাখতে চেয়েছিল — স্বয়ংক্রিয় অস্ত্র বা অভ্যন্তরীণ নজরদারিতে ব্যবহার নয় — এবং $200 million-এর একটি চুক্তি ও সরকারের সদিচ্ছা হারিয়েছে। OpenAI গেছে উল্টো পথে, এমনকি সরকারকে কোম্পানির 5% অংশীদারিত্ব দিতেও চেয়েছে। প্রকাশিত ইমেইলগুলোকে পথনির্দেশক ধরে আমরা খুঁজে দেখি একটি AI কোম্পানির নীতি ও ব্যবসায়িক স্বার্থ কোথায় আলাদা হয়ে যায়।
আরও পড়ুন →ছাদ ও মেঝে একসঙ্গে বিক্রি ── সেরা মডেলে সক্ষমতার সীমা দেখানো, আর কর্মঠ মডেলে দৈনন্দিন ব্যবহার প্রসারিত করা। একই দিনের একটি রিলিজের পেছনের অর্থ পড়া।
2026 সালের 1 জুলাই Sonnet 5-এর উন্মোচন এবং রপ্তানি নিয়ন্ত্রণ তুলে নেওয়ার পর Fable 5-এর প্রত্যাবর্তন একই দিনে পড়ায় Anthropic-এর পণ্যসারিতে একসঙ্গে সক্ষমতার ঊর্ধ্বসীমা ও গ্রহণযোগ্যতার নিম্নসীমা তৈরি হয়েছে। চিপ ও গাড়ির জগতে পরিচিত এই দ্বি-স্তর ধরনটি আমরা AI মূল্যনির্ধারণে প্রয়োগ করে দেখাই, OpenAI ও Google-এর সঙ্গে তুলনা করি, এবং ওষুধ শিল্পের পাঠকদের দেখাই ব্যর্থতার মূল্য অনুযায়ী কাজকে কীভাবে পরিমাণভিত্তিক ও শীর্ষ স্তরে ভাগ করা যায়।
আরও পড়ুন →যেদিন জ্ঞানভিত্তিক কাজের প্রান্তিক ব্যয় শূন্যের কাছাকাছি পৌঁছায় ── Opus 4.7 থেকে Fable 5 পর্যন্ত মডেল প্রজন্মের গতির সম্প্রসারণ: 2027–2029 সালে প্রতিষ্ঠান, চাকরি, শিক্ষা ও ভূগোল কতটা বদলাতে পারে?
Opus 4.7 থেকে Fable 5 পর্যন্ত মডেল প্রজন্মগুলোকে এজেন্টিক সক্ষমতার ঢাল হিসেবে মেপে এই লেখা সম্ভাব্যতার ক্রমে ২০২৭–২০২৯ সালের পূর্বাভাস দেয়: তথ্য-সঞ্চালক হিসেবে মধ্যম ব্যবস্থাপনা সংকুচিত হবে, জুনিয়রদের কর্মজীবন শুরু হবে তৈরি করার বদলে যাচাই করা দিয়ে, আর সনদ জ্ঞান প্রমাণের বদলে দায়িত্ব গ্রহণের প্রতীক হয়ে উঠবে। তিনটি ব্যর্থতার শর্ত—নিয়ন্ত্রণ, ক্ষমতা ও সামাজিক গ্রহণযোগ্যতা—শুরুতেই বলা হয়েছে।
আরও পড়ুন →২০২৭ সালের চাকরির বিজ্ঞপ্তি আগেভাগে পড়া ── ফার্মা রিভিউ, মেডিকেল অ্যাফেয়ার্স ও সুরক্ষা বিভাগে নতুন কাজের রূপ: যাচাইকারী, প্রসঙ্গ সরবরাহকারী ও মধ্যস্থতাকারী
এটি এআই চাকরি মুছে দেওয়ার গল্প নয়, বরং এআই ও মানুষের সীমানায় জন্ম নেওয়া নতুন কাজের পূর্বাভাস। এজেন্টিক এআই মানুষের ভূমিকাকে কাজের ফরমাশ দেওয়া, যাচাই করা এবং দায়িত্ব নেওয়ার দিকে সরিয়ে নিচ্ছে। ওষুধ শিল্পের প্রেক্ষাপটে, যেখানে ভুলের মূল্য বিপুল এবং দায়িত্ব আইন দ্বারা নির্ধারিত, তিনটি ধারাকে 2027–2029 পর্যন্ত প্রসারিত করা হয়েছে: এআই আউটপুট নিরীক্ষক, প্রতিষ্ঠানের অভ্যন্তরীণ জ্ঞানকে অনুবাদ করে দেওয়া প্রাসঙ্গিক তথ্যের জোগানদাতা, এবং এআই ও নিয়ন্ত্রক বিধির মধ্যে যোগসূত্র স্থাপনকারী মধ্যস্থ। পেশার পরে আসে যোগ্যতা; আজ থেকেই যে প্রস্তুতি শুরু করা যায় তা হলো নিজের সিদ্ধান্ত গ্রহণের প্রক্রিয়াকে ভাষায় প্রকাশ করা।
আরও পড়ুন →জ্ঞান যেদিন সস্তা হয়ে যায়: 2027–2029, মূল্য "জানা" থেকে "দায় নেওয়ার" দিকে সরে যায় ── মডেল অগ্রগতির ঢাল পাঠ: এআই যুগে আস্থা, খাঁটিত্ব ও বিবেকের স্থান কোথায়
জেনারেটিভ AI টেক্সট, কোড ও জ্ঞান তৈরির খরচ কমিয়ে দিয়েছে — আর যা প্রচুর হয়ে ওঠে, তা সস্তা হয়ে যায়। তাহলে 2027–2029 সালে মানুষ কীসের জন্য অর্থ দেবে এবং কীসের ওপর আস্থা রাখবে? শিল্পায়নের পর হস্তশিল্পের মূল্য কীভাবে নতুন করে নির্ধারিত হয়েছিল, তার আলোকে এই প্রবন্ধে গতির চেয়ে নিশ্চয়তা, পরিমাণের চেয়ে প্রসঙ্গ এবং "একজন মানুষ এর দায় নিয়েছে" — এই খাঁটিত্বের দিকে সরে যাওয়ার প্রবণতা খুঁজে দেখা হয়েছে — ওষুধ শিল্পের সামগ্রী পর্যালোচনা ও MR ভিজিটের জন্য এর অর্থ কী, এবং কোন পরিস্থিতিতে এই পূর্বাভাস ভুল হতে পারে, তাও।
আরও পড়ুন →যেদিন এআই একটি বার্গার ডিজাইন করল
ক্লিনিক থেকে হেঁটে বাড়ি ফিরছিলাম, তখন ফোনে একটি গবেষণাপত্রের অ্যালার্ট এল আর আমাকে থমকে দাঁড় করিয়ে দিল। "Ge…
আরও পড়ুন →অনুমান ভাঙার শিল্প
এই সংখ্যায় আলোচিত হয়েছে প্রথম নীতি চিন্তা (first principles thinking), যে ধারণায় Elon Musk বারবার ফিরে আসেন। বেশিরভাগ আলোচনা f…
আরও পড়ুন →কাজ হিসেবে স্লাইড তৈরির সমাপ্তি
এই সংখ্যায় আমি McKinsey-র এআই রূপান্তরকে সূচনাবিন্দু ধরে পরীক্ষা করছি যে "তৈরি করা …
আরও পড়ুন →Fable কীভাবে পরবর্তী প্রজন্মের এআই উন্নয়নকে এগিয়ে নেবে
Fable কীভাবে পরবর্তী প্রজন্মের AI উন্নয়নকে রূপ দেবে — তিনটি স্তরের মধ্য দিয়ে পড়া: স্থাপত্য, মূল্যায়ন মেট্রিক এবং নিয়ন্ত্রণ নকশা।
আরও পড়ুন →কীভাবে মার্কিন সরকার Fable-কে সাময়িকভাবে থামতে বাধ্য করল
AI মডেল Fable-এর প্রতি মার্কিন সরকারের প্রতিক্রিয়া — অস্থায়ীভাবে স্থগিত করার দিকে নিয়ে যাওয়া বহুস্তরীয় নিয়ন্ত্রক, রাজনৈতিক ও প্রযুক্তিগত শৃঙ্খল।
আরও পড়ুন →Anthropic Fable 5.0-এর আসল পরিচয় — বাইরের নাম এবং তার নিচে যা লুকিয়ে আছে
Anthropic Fable 5.0 কী? উপরিতলের নামের পেছনের প্রযুক্তিগত, সাংগঠনিক ও নিয়ন্ত্রক কাঠামো।
আরও পড়ুন →ইতিহাস থেকে শিক্ষা — স্টেজকোচ থেকে রেলপথ, Windows এবং AI
প্রযুক্তিগত রূপান্তরের ইতিহাস — স্টেজকোচ থেকে রেলওয়ে, অটোমোবাইল, Windows, ইন্টারনেট। AI যুগে "চড়ে বসা" নাকি "ছেড়ে দেওয়া"-র বিচার-কাঠামো।
আরও পড়ুন →বুদ্ধিমত্তা বিস্ফোরণের দোরগোড়ায় — সমাজ কীভাবে বদলাবে, কীভাবে প্রস্তুত হবেন
সাম্প্রতিক AI প্রবণতা যে "বুদ্ধিমত্তার বিস্ফোরণ"-এর লক্ষণের দিকে ইঙ্গিত করছে। সমাজে কাঠামোগত পরিবর্তন এবং ফার্মা পেশাজীবী হিসেবে কীসের প্রস্তুতি নেওয়া উচিত।
আরও পড়ুন →এআই যুগের "নতুন বুদ্ধিমত্তা" — সাক্ষরতার পাঁচ-স্তরের কাঠামো
এআই যুগের দাবি করা "নতুন বুদ্ধিমত্তা" কী? সাক্ষরতার পাঁচ স্তরের একটি মডেল এবং যেসব বিভাজন-বিন্দুতে সমাজ ভাগ হয়ে যায়, ওষুধশিল্প ক্ষেত্র থেকে তার পরীক্ষা।
আরও পড়ুন →এআই সামাজিক কাঠামোকে নতুন রূপ দিচ্ছে — 2024-2025 ছাঁটাইয়ের পর্যালোচনা ও 2026-2028 পূর্বাভাস
এআই প্রতিষ্ঠিত হওয়ার সঙ্গে সঙ্গে ২০২৪-২০২৫ সালে প্রযুক্তি শিল্পে ২,৪০,০০০-এর বেশি ছাঁটাই। একটি কাঠামোবদ্ধ পশ্চাদ্দৃষ্টি এবং ২০২৬-২০২৮-এর দিকে দৃষ্টি, যখন এআই এজেন্ট মূলধারায় আসবে এবং ৫০-৫৫% ভূমিকা নতুন করে ডিজাইন হবে। ওষুধ শিল্পের জন্য তাৎপর্য।
আরও পড়ুন →Novartis-এর CEO Anthropic-এর বোর্ডে যোগ দিলেন — AI ও ফার্মার কৌশলগত মিলনের প্রতীক
April 2026: Vas Narasimhan, Long-Term Benefit Trust-এর মাধ্যমে Anthropic-এর বোর্ডে যোগ দিচ্ছেন। ফার্মার সঙ্গে সরাসরি সংযুক্ত "দায়িত্বশীল AI"-এর মূল অর্থ, এবং শিল্পের জন্য দুটি তাৎপর্য।
আরও পড়ুন →এআই ওষুধ আবিষ্কার, গত এক বছর — "ক্লিনিক্যাল যাচাইয়ের বছর"
ক্লিনিক্যাল ট্রায়ালে 173+ AI-উদ্ভূত প্রার্থী, প্রাথমিক ফেজ I-এ সাফল্য 80-90%, Insilico-র rentosertib প্রথম জেনারেটিভ-AI-ডিজাইন করা ওষুধ হিসেবে ফেজ IIa পার করেছে। Pfizer-Boltz, Recursion × Exscientia, AlphaFold3-এর 1000× গতিবৃদ্ধি।
আরও পড়ুন →এআই ক্লিনিক্যাল প্র্যাকটিস মধ্যপ্রাচ্য ও চীনে — সৌদি আরবের "Dr Hua" এবং চীনের 300টি মডেল
সৌদি আরবের বিশ্বের প্রথম AI ডাক্তার ক্লিনিক, UAE-র Burjeel × Hippocratic AI, চীনের 300টি মেডিকেল AI মডেল এবং 68 মিলিয়ন রিমোট রোগনির্ণয়। কেন উদীয়মান বাজারগুলো AI ক্লিনিকাল প্রয়োগে নেতৃত্ব দিচ্ছে।
আরও পড়ুন →এআই কি শুধুই চ্যাটবটের জগৎ? — হিউম্যানয়েড বিস্তারের অর্থ
AI = চ্যাটবট? এটি মাত্র একটি অংশ। চীনের নেতৃত্বাধীন হিউম্যানয়েড রোবট বিস্ফোরক গতিতে ছড়িয়ে পড়ছে, কারখানা ও গুদামে বাস্তব কাজ গ্রহণ করছে। AI যখন বাস্তব জগতে ছাড়া পায়, তার অর্থ কী।
আরও পড়ুন →চীনের "AI Plus" পরিকল্পনা এবং ইতিমধ্যেই বদলে যাওয়া সমাজ
চীনের স্টেট কাউন্সিলের আগস্ট 2025-এর "AI Plus" কর্মপরিকল্পনা। শিল্প, দৈনন্দিন জীবন ও শাসনব্যবস্থাকে নতুন রূপ দিয়ে সমাজজুড়ে AI সংযুক্ত করার একটি জাতীয় কৌশল। 86% জেনারেটিভ AI ব্যবহার, 1.2 trillion yuan শিল্প — সংখ্যায় পড়া।
আরও পড়ুন →Microsoft একসঙ্গে 7টি AI মডেল উন্মোচন করেছে — সঙ্গে Scout স্বয়ংক্রিয় এজেন্ট
Microsoft সম্প্রতি যুক্তি-কেন্দ্রিক MAI-Thinking-1 সহ ৭টি নিজস্ব এআই মডেল প্রকাশ করেছে এবং OpenClaw-এর ওপর ভিত্তি করে Scout স্বায়ত্তশাসিত এজেন্ট চালু করেছে—এটি স্পষ্ট ইঙ্গিত যে কোম্পানিটি OpenAI থেকে দূরত্ব তৈরি করতে শুরু করেছে।
আরও পড়ুন →Stanford AI Index 2026 — যে পাঁচটি সংখ্যা দেখায় AI অবকাঠামো হয়ে উঠছে
PC বা ইন্টারনেটের চেয়ে দ্রুত গ্রহণ, মার্কিন-চীন মডেলের ব্যবধান ১%-এর কম, $172B এন্টারপ্রাইজ মূল্য, ডেটা সেন্টার দেশ-পরিমাণ বিদ্যুৎ খেয়ে ফেলছে, এবং এজ AI মূলধারায় আসছে। প্রযুক্তি থেকে অবকাঠামোতে AI-এর রূপান্তরের পাঁচটি সংখ্যা।
আরও পড়ুন →Agentic AI 2026 ── "উত্তর দেয় যে AI" থেকে "কাজ করে যে AI"-তে
যে AI "শুধু উত্তর দেয়"-এর যুগ শেষ হচ্ছে। Anthropic Computer Use, Google Gemini Spark এবং NVIDIA-র লোকাল AI চিপ — সব একসঙ্গে আসার ফলে ২০২৬ সেই মোড় ঘোরানো বছর, যখন AI কর্মী হয়ে উঠছে। এখন ঘটতে থাকা নবীন থেকে মধ্য-কর্মজীবনের "পদোন্নতি"-র দিকে হাই স্কুলের শিক্ষার্থীরাও পড়ে বুঝতে পারে এমন এক দৃষ্টিপাত।
আরও পড়ুন →NVIDIA "RTX Spark" ── যেদিন এআই আপনার পিসিতে চলে আসে
১ জুন NVIDIA GTC Taipei-তে উন্মোচিত নতুন সুপারচিপ। ক্লাউড ছাড়াই ChatGPT-মানের AI আপনার PC-তে লোকালি চলার যুগের সূচনারেখা। "Uber Eats বনাম বাড়িতে রান্না" উপমা ব্যবহার করে আমরা পড়ে দেখছি ওষুধ খাতের জন্য এর অর্থ কী।
আরও পড়ুন →Anthropic-এর "মিথোস" কে? ── নিজেকেই সবচেয়ে বেশি ভয় পাওয়া AI কোম্পানির গল্প
ChatGPT-র প্রতিদ্বন্দ্বী Claude তৈরি করেছে Anthropic। তারা প্রকাশ্যে ঘোষণা করে, "মানবতার স্বার্থেই আমরা AI নিয়ে সবচেয়ে বেশি উদ্বিগ্ন কোম্পানি", অথচ তারাই বিশ্বের অন্যতম শক্তিশালী AI বিক্রি করে। এই বিরোধাভাস কোথা থেকে আসে? হাই স্কুলের পাঠকের উপযোগী একটি সহজ, স্বচ্ছন্দ ব্যাখ্যা।
আরও পড়ুন → ← হোমে ফিরে যান