পূর্ণ কারণিক গ্রাফ ছাড়া পাল্টা-তথ্যমূলক প্রশ্ন: রৈখিক প্রোগ্রামিংয়ের মাধ্যমে সীমানা

17 সেপ্টেম্বর 2026২১ প্রদর্শন

arXiv:2608.24427-এর লেখকরা সম্পূর্ণভাবে জানা causal graph-এর বাধ্যতামূলক শর্ত বাদ দেওয়ার প্রস্তাব করেছেন: কাউন্টারফ্যাকচুয়াল কোয়েরি নিজেই সাধারণত আংশিক একটি টপোলজিক্যাল ক্রম নির্ধারণ করে, এবং identification সমস্যাটি একটি লিনিয়ার প্রোগ্রামে পরিণত হয়। এই পদ্ধতিটি Tian ও Pearl (2000)-এর constraint framework-কে সাধারণীকৃত করে এবং প্রমাণযোগ্য নির্ভুল সীমা প্রদান করে, যার মধ্যে nested counterfactual কোয়েরিও অন্তর্ভুক্ত, যা পরিচিত কেস-স্টাডিগুলোর পুনর্মূল্যায়নের মাধ্যমে নিশ্চিত করা হয়েছে।

পূর্ণ কারণিক গ্রাফ ছাড়া পাল্টা-তথ্যমূলক প্রশ্ন: রৈখিক প্রোগ্রামিংয়ের মাধ্যমে সীমানা

কারণিক গ্রাফ কেন দরকার — এবং কেন এটি প্রায়ই থাকে না

প্রতিক্রিয়ামূলক প্রশ্নগুলো সহজ শোনায়: «রোগী যদি অন্য চিকিৎসা পেতেন তাহলে কী হতো», «দাম বাড়ালে চাহিদা কীভাবে বদলাত»। জটিলতা হলো, এগুলোর উত্তর শুধু পর্যবেক্ষণযোগ্য পারস্পরিক সম্পর্ক থেকে বের করা যায় না। দরকার একটি মডেল — কোন চলক কীভাবে অন্যটিকে প্রভাবিত করে, অর্থাৎ কারণিক কাঠামো।

অপ্যারামেট্রিক আইডেন্টিফিকেশন নিয়ে সাহিত্যের চিরাচরিত রেসিপি হলো: একটি সম্পূর্ণ নির্দিষ্ট কারণিক গ্রাফ নিন, মেকানিজমের ধরন নিয়ে অনুমান যোগ করুন — তারপর আগ্রহের রাশি বা তার গ্রহণযোগ্য পরিসর হিসাব করুন। এটি নির্ভরযোগ্যভাবে কাজ করে, কিন্তু নির্ভর করে এমন এক বিলাসিতার উপর যা বিশ্লেষকের প্রায় কখনোই থাকে না। বিষয়ক্ষেত্রটি আংশিকভাবে অধ্যয়ন করা, কিছু সংযোগ বিতর্কিত, কিছু চলক আদৌ পরিমাপ করা হয় না। এমন পরিস্থিতিতে পূর্ণ গ্রাফ কোনো সূচনাবিন্দু নয়, বরং এক দুর্লভ আদর্শ।

তত্ত্ব ও বাস্তবের এই ফাঁকটাই ভরতে চেয়েছেন এরিক রোসেত্তো ও আলেসসান্দ্রো আন্তোনুচ্চি তাঁদের Partial Identification under Causal Orders by Linear Programming (arXiv:2608.24427) প্রবন্ধে। তাঁদের পদক্ষেপ — «গ্রাফটা যেকোনোভাবে সম্পূর্ণ করে নেওয়া» নয়, বরং ইনপুটে এটি থাকার শর্তটাই বাদ দেওয়া।

প্রশ্নই কাঠামোর ইঙ্গিত দেয়

লেখকদের মূল পর্যবেক্ষণ এভাবে বলা যায়: প্রতিক্রিয়ামূলক প্রশ্ন কোনো নিরপেক্ষ প্রশ্ন নয়, বরং অভ্যন্তরীণ যুক্তিসম্পন্ন একটি বস্তু। যখন আমরা জিজ্ঞাসা করি «X চলকটি যদি x মান নিত তাহলে কী হতো», তখন আমরা ইতিমধ্যেই নিঃশব্দে চলকগুলোকে একটি সম্পর্কে সাজিয়ে ফেলি: একটি অন্যটির আগে আসে, একটি অন্যটির উপর নির্ভর করে, তৃতীয়টি পটভূমির শর্ত হিসেবে থাকে।

এটি টপোলজিক্যাল ক্রমের মাধ্যমে আনুষ্ঠানিক রূপ পায়। সাধারণ কারণিক গ্রাফে এমন ক্রম সম্পূর্ণ ও এককভাবে নির্দিষ্ট: A থেকে B-তে তীর থাকলে A আগে আসে। কিন্তু আইডেন্টিফিকেশনের জন্য সম্পূর্ণ ক্রম দরকার নেই। আংশিক ক্রমই যথেষ্ট — «আগে» সম্পর্কের এমন একটি সেট, যা সব জোড়া চলককে ঢাকে না। বাকি জোড়াগুলো কেবল অনির্দিষ্ট থেকে যায়, তাতে কাজের ক্ষতি হয় না।

প্রবন্ধের কেন্দ্রীয় ফলাফল হলো, যেকোনো প্রতিক্রিয়ামূলক প্রশ্ন ঠিক এমনই একটি — সাধারণভাবে আংশিক — টপোলজিক্যাল ক্রম তৈরি করে তার অন্তর্ভুক্ত চলকগুলোর উপর। তাছাড়া এই ক্রম অনুমান করতে বা হাতে বসাতে হয় না: এটি প্রশ্নের গঠন থেকেই বেরিয়ে আসে। ক্ষেত্র-বিশেষজ্ঞকে আর অস্বস্তিকর প্রশ্ন «পুরো গ্রাফটা আঁকুন»-এর উত্তর দিতে হয় না; সমস্যার উপস্থাপন থেকেই যা অনুসরণ করে তা মেনে নিলেই যথেষ্ট।

ক্রম থেকে লিনিয়ার প্রোগ্রামে

এরপর শুরু হয় কারিগরি অংশ, যার জন্যই সব কিছু। ক্রম থাকলে প্রশ্নটিকে স্পষ্ট প্যারামিটারযুক্ত রূপে লেখা যায়। এখানে প্যারামিটারগুলো ইচ্ছেমতো নয়, বরং কাঠামোর অধীন: তারা বিন্যাস ও মেকানিজম এমনভাবে বর্ণনা করে যাতে পর্যবেক্ষিত তথ্য এবং প্রাপ্ত ক্রম — উভয়ের সঙ্গেই সঙ্গতিপূর্ণ হয়।

এমন পুনঃপ্যারামিটারায়ণের পর আইডেন্টিফিকেশনের সমস্যা আর ফাংশন নিয়ে সমস্যা থাকে না, বদলে সংখ্যা নিয়ে সমস্যা হয়ে যায়। আর তা হলো — একটি লিনিয়ার প্রোগ্রাম: রৈখিক সীমাবদ্ধতার দ্বারা নির্ধারিত সেটের উপর একটি রৈখিক ফাংশনালকে মিনিমাইজ ও ম্যাক্সিমাইজ করতে হবে। মিনিমাম ও ম্যাক্সিমামই আগ্রহের রাশির নিম্ন ও ঊর্ধ্ব সীমা দেয়।

এই রূপান্তর কেবল সৌন্দর্যের জন্যই মূল্যবান নয়। লিনিয়ার প্রোগ্রামিং একটি সুপরিচিত ক্ষেত্র, যার নির্ভরযোগ্য সমাধানকারী রয়েছে, এবং সমস্যাটিকে এই রূপে আনা মানে সীমাগুলো সত্যিই হিসাব করা যায়, কেবল তাদের অস্তিত্ব প্রমাণ করা নয়। পদ্ধতিটি যেকোনো প্রতিক্রিয়ামূলক প্রশ্নের জন্য কাজ করে, নেস্টেড প্রশ্নসহ: যেখানে অনুমিত পরিস্থিতির ভেতরেই আরেকটি অনুমিত পরিস্থিতি থাকে। নেস্টেড কাঠামো বিদ্যমান পদ্ধতিগুলোর জন্য সবসময় মাথাব্যথার কারণ ছিল, কারণ এতে বিশ্বের একাধিক «স্তরে» একসঙ্গে হাত দিতে হয়।

সীমাগুলো কতটা সংকীর্ণ

কিছু সীমা পাওয়া কঠিন নয় — প্রশ্ন হলো সেগুলো কাজের কিনা। যদি ব্যবধানটি মানের প্রায় পুরো কল্পনাযোগ্য পরিসর ঢেকে ফেলে, তবে তা থেকে বিশেষ লাভ নেই।

লেখকেরা এর উত্তর দেন সঠিকতার প্রমাণ দিয়ে। গঠনের ধারণা: প্রতিটি সীমার জন্য এমন একটি কাঠামোগত কারণিক মডেল তৈরি করা হয় যা তাতে পৌঁছায়। এমন মডেলকে একসঙ্গে দুটি বিষয়ের সঙ্গে সঙ্গতিপূর্ণ হতে হয় — পর্যবেক্ষিত তথ্য-বিন্যাস এবং প্রশ্নটি যে ক্রম বোঝায় তা। মডেলটি যদি থাকে, তবে সীমাটি কৃত্রিম নয়: উপলব্ধ তথ্যের সঙ্গে সঙ্গতি না হারিয়ে এটিকে ভেতরের দিকে সরানো যায় না। অর্থাৎ, প্রদত্ত অনুমানের অধীনে ব্যবধানটি যতটা সম্ভব সংকীর্ণ।

ফলাফলের মর্যাদায় এটি একটি গুরুত্বপূর্ণ পরিবর্তন। এখানে কথা «আন্দাজে মোটা অনুমান» বা «সবচেয়ে খারাপ ক্ষেত্রে যা কিছুই হতে পারে» নিয়ে নয়। কথা অনিশ্চয়তার সৎ বর্ণনা নিয়ে: এই পর্যন্তই বলা যায়, এক ধাপও বেশি নয়।

চিরাচরিত কাঠামোর সঙ্গে সম্পর্ক

প্রবন্ধটি ২০০০ সালে কারণতার সম্ভাবনার জন্য Tian ও Pearl-এর প্রস্তাবিত পদ্ধতির একটি সাধারণীকরণ হিসেবে অবস্থান করে। সেই কাঠামোও বিন্দু-অনুমানের বদলে ব্যবধান দিতে পারত, কিন্তু তা নির্দিষ্ট শ্রেণির রাশিতে সীমাবদ্ধ ছিল এবং পরিচিত কাঠামো দাবি করত। নতুন ফলাফল প্রশ্নের শ্রেণি বিস্তৃত করে এবং পুরো গ্রাফ জানার শর্ত তুলে দেয়। এই ধারাবাহিকতা মনে রাখা কাজের: সামনে যা আছে তা শূন্য থেকে উদ্ভাবন নয়, বরং সময়ের পরীক্ষায় উত্তীর্ণ বিষয়ের সযত্ন সম্প্রসারণ।

পরিচিত উদাহরণে যাচাই

পদ্ধতিটি ব্যতিক্রমী কিছু নয় তা দেখাতে লেখকেরা আগে সাহিত্যে আলোচিত কয়েকটি কেসে ফিরে যান এবং সেগুলো তাঁদের পদ্ধতির মধ্য দিয়ে চালান। পরীক্ষার শর্ত কঠোর: ইনপুটে কারণিক গ্রাফ আদৌ দেওয়া হয় না। তার বদলে থাকে কেবল সেই ক্রম, যা প্রশ্নের গঠন থেকে নিঃসৃত হয়।

গবেষকেরা যে ফলাফল জানান তা হলো, প্রাপ্ত ব্যবধানগুলো তথ্যপূর্ণ থাকে। অন্য কথায়, পূর্ণ গ্রাফ ছেড়ে দেওয়া সিদ্ধান্তকে অর্থহীন «সবই সম্ভব»-এ পরিণত করে না। সম্ভবত এটাই প্রবন্ধের সবচেয়ে ব্যবহারিক সিদ্ধান্ত: অজ্ঞতার মূল্য সাধারণভাবে ভাবা হয় যতটা, তার চেয়ে কম।

বাস্তব কাজে এটি কী বদলায়

ব্যবহারিক মূল্য কয়েকটি বিন্দুতে দাঁড়ায়।

  • প্রবেশের সীমা কমে। পুরো সিস্টেম বর্ণনা করার দরকার নেই — সমস্যার উপস্থাপনায় যে ক্রম ইতিমধ্যেই বোঝা যায়, তা মেনে নিলেই যথেষ্ট।
  • অনিশ্চয়তা দৃশ্যমান হয়। বিন্দু-অনুমানের বদলে, যার পিছনে ইচ্ছেমতো অনুমান লুকিয়ে থাকে, বিশ্লেষক একটি ব্যবধান পান এবং বোঝেন তাঁর জ্ঞানের সীমা ঠিক কোথায়।
  • সরঞ্জামের ভিত্তি তৈরি হয়। লিনিয়ার প্রোগ্রামে রূপান্তরের মানে হলো হিসাবটি প্রমিত উপায়ে স্বয়ংক্রিয় করা যায়, প্রতিটি শ্রেণির প্রশ্নের জন্য আলাদা সমাধানকারী লিখতে হয় না।
  • গ্রহণযোগ্য প্রশ্নের শ্রেণি বিস্তৃত হয়। নেস্টেড প্রতিক্রিয়ামূলক গঠন, যা আগে আলাদা তত্ত্ব দাবি করত, সাধারণ কাঠামোয় ঢুকে পড়ে।

পদ্ধতিটি যা প্রতিশ্রুতি দেয় না

সীমারেখাও চিহ্নিত করা দরকার। প্রথমত, আংশিক ক্রমটি সঠিকভাবে বের করতে হবেই: প্রশ্নের গঠন থেকে ভুল পূর্বগামিতা সম্পর্ক বের হলে সীমার যৌক্তিকতা হারিয়ে যায়। দ্বিতীয়ত, ব্যবধানের প্রস্থ সরাসরি নির্ভর করে পর্যবেক্ষিত তথ্য কতটা সমৃদ্ধ এবং কতগুলো সম্পর্ক নির্ধারণ করা গেছে তার উপর: ক্রম যত বিরল, উত্তর তত প্রশস্ত। পদ্ধতিটি বিষয়ক্ষেত্রের জ্ঞানকে প্রতিস্থাপন করে না — অনুপস্থিত সম্পূর্ণতার বদলে তার খণ্ডাংশ নিয়ে কাজ করার সুযোগ দেয়।

প্রবন্ধের আয়তন মূল পাঠে ১৫ পৃষ্ঠা, সঙ্গে তিনটি পরিশিষ্ট, তিনটি চিত্র ও তিনটি সারণি, তাই প্রমাণের কারিগরি খুঁটিনাটি মূল বর্ণনার বাইরে রাখা হয়েছে এবং আলাদাভাবে পাওয়া যায়। যাঁরা বাস্তব তথ্যে কারণিক অনুমান নিয়ে কাজ করেন, যেখানে সিস্টেমের বর্ণনায় ফাঁক থাকে, তাঁদের জন্য এটি সম্ভবত আরেকটি অনুল্লিখিত অনুমানসহ বিন্দু-অনুমানের চেয়ে বেশি আগ্রহের খবর।

সাধারণ প্রশ্নোত্তর

বিভিন্ন উপাদান

সব উপাদান
OpenCollab: এজেন্টদের প্রোগ্রামযোগ্য সমন্বয়, নিয়ন্ত্রিত রানটাইম পরিবেশ এবং প্রোটোকল মেনে চলার মেট্রিক
সংবাদ

OpenCollab: এজেন্টদের প্রোগ্রামযোগ্য সমন্বয়, নিয়ন্ত্রিত রানটাইম পরিবেশ এবং প্রোটোকল মেনে চলার মেট্রিক

ফ্রেমওয়ার্কটি এজেন্টদের পারস্পরিক ক্রিয়াকলাপের কাঠামো নির্ধারণ, পরীক্ষার জন্য একটি অভিন্ন পরিবেশ এবং ইভেন্টের বিস্তারিত ট্রেসিংকে একত্র করে; নতুন প্রবর্তিত Adherence মেট্রিকটি দেখায়, বাস্তব সম্পাদন ঘোষিত কাঠামোর সঙ্গে কতটা সামঞ্জস্যপূর্ণ। বেঞ্চমার্কে Duo কনফিগারেশন নতুন SOTA অর্জন করে, অন্যদিকে একক-এজেন্ট সংস্করণে টোকেন খরচ সবচেয়ে কম।

11 নভেম্বর 2026
Toollery: ফাইন-টিউনিং ছাড়াই কয়েক দশ হাজার বিকল্প থেকে LLM এজেন্টের জন্য টুল নির্বাচন
সংবাদ

Toollery: ফাইন-টিউনিং ছাড়াই কয়েক দশ হাজার বিকল্প থেকে LLM এজেন্টের জন্য টুল নির্বাচন

Toollery দক্ষতা ও টুলের বিবরণের ওপর ভিত্তি করে একটি সার্চ ইনডেক্স তৈরি করে এবং অনুরোধের সময় মডেলকে কেবল সীমিতসংখ্যক সম্ভাব্য প্রার্থী দেয়। কয়েক দশ হাজার ফাংশন পর্যন্ত বিস্তৃত লাইব্রেরিতে চালানো পরীক্ষায় দেখা গেছে, নির্দিষ্ট top-K বজায় রেখেও এই পদ্ধতি বাছাইয়ের মান ধরে রাখতে পারে, যদিও চূড়ান্ত ফল নির্ভর করে ব্যবহারের ধরন এবং প্রোভাইডারের ক্যাশিংয়ের ওপর।

11 নভেম্বর 2026
ড্যাশবোর্ড বিশ্লেষণে GUI এজেন্টদের ধাপে ধাপে ডায়াগনস্টিকস: DashAct বেঞ্চমার্ক
গবেষণা

ড্যাশবোর্ড বিশ্লেষণে GUI এজেন্টদের ধাপে ধাপে ডায়াগনস্টিকস: DashAct বেঞ্চমার্ক

DashAct উপস্থাপন করা হলো—মানুষের দ্বারা যাচাই করা ৩৪৮টি ট্র্যাজেক্টরির একটি বেঞ্চমার্ক, যা ইন্টারঅ্যাকটিভ প্যানেলে GUI এজেন্টদের কাজকে তিনটি ধাপ ও চারটি ভিজ্যুয়াল পরিস্থিতিতে বিশ্লেষণ করে। ফলাফলগুলোতে অ্যাকশন পূর্বাভাস এবং ভিজ্যুয়াল লক্ষ্য শনাক্তকরণে ধারাবাহিক সমস্যা, পাশাপাশি প্রাসঙ্গিক ও স্থানিক সহায়তার ওপর এজেন্টদের প্রতিক্রিয়ার নির্ভরতা দেখা যায়।

11 নভেম্বর 2026