ডিসক্রিট ডিফিউশন মডেল: একটি সাধারণ কাঠামো, যেখানে স্টেট স্পেসের গঠন জেনারেশন নির্ধারণ করে
লেখকরা এই ধরনের মডেলগুলোকে বিচ্ছিন্ন অবস্থা-স্থানের নির্মাণের দৃষ্টিকোণ থেকে বিবেচনা করার প্রস্তাব দেন — টোকেন বিভাজন স্কিম, শব্দভান্ডারের টপোলজি এবং ডোমেইন-নির্দিষ্ট বর্ণমালা। ম্যাট্রিক্স ট্রানজিশন, মাস্কিং অবস্থা এবং স্কোরিং-ভিত্তিক পদ্ধতিগুলো একই ডিজাইন স্পেসের বিশেষ ক্ষেত্র হিসেবে উঠে আসে, যা প্রশিক্ষণের লক্ষ্য, ইনফারেন্স অ্যালগরিদম, স্কেলিং, সিস্টেম অপ্টিমাইজেশন এবং মূল্যায়ন প্রোটোকলে সাধারণ ট্রেড-অফগুলো উন্মোচন করে।

বিচ্ছিন্ন ডিফিউশন মডেলের অবস্থান
বিচ্ছিন্ন ডিনয়েজিং ডিফিউশন মডেল (DDM) বিচ্ছিন্ন ডেটা নিয়ে কাজ করে। এগুলো অটোরিগ্রেসিভ মডেলিংয়ের (AR) বিকল্প হিসেবে কাজ করে। ধাপে ধাপে সিকোয়েন্স চালিয়ে যাওয়ার বদলে মডেল সমান্তরালভাবে জেনারেট করে এবং পুনরাবৃত্তিমূলকভাবে ও বৈশ্বিকভাবে ফলাফল পরিমার্জন করে।
নিরবচ্ছিন্ন ডিফিউশনের সাথে মূল পার্থক্য হলো অবস্থা-স্পেসের গঠন। নিরবচ্ছিন্ন ক্ষেত্রে স্পেসটি নির্ধারিত। বিচ্ছিন্ন ক্ষেত্রে এটি নির্মিত হয়, এবং এই নির্মাণের উপরই জেনারেশন নির্ভর করে।
| পদ্ধতি | জেনারেশন মোড |
|---|---|
| অটোরিগ্রেসিভ মডেলিং | ক্রমিক জেনারেশন |
| নিরবচ্ছিন্ন ডিফিউশন | নির্ধারিত অবস্থা-স্পেসে পুনরাবৃত্তিমূলক পরিমার্জন |
| বিচ্ছিন্ন ডিফিউশন | সমান্তরাল জেনারেশন এবং পুনরাবৃত্তিমূলক বৈশ্বিক পরিমার্জন |

নির্বাচনের মানদণ্ডটি সহজ। DDM সেখানে নেওয়া হয় যেখানে সমান্তরাল জেনারেশন এবং ফলাফলের বৈশ্বিক পরিমার্জন প্রয়োজন। কিন্তু এমন জেনারেশনের গুণমান কেবল মডেল দ্বারাই নির্ধারিত হয় না।
অবস্থা-স্পেস: তিনটি উপাদান
একটি একক কাঠামো বিচ্ছিন্ন ডিফিউশনকে দেখে অন্তর্নিহিত বিচ্ছিন্ন অবস্থা-স্পেসের নির্মাণের মাধ্যমে। এই নির্মাণে তিনটি উপাদান রয়েছে।
- টোকেনাইজেশন স্কিম নির্ধারণ করে ডেটা কোন এককে বিভক্ত হয়।
- শব্দভাণ্ডারের টপোলজি নির্ধারণ করে এই এককগুলো পরস্পরের সাথে কীভাবে সম্পর্কিত।
- ডোমেইন-স্ট্রাকচারাল বর্ণমালা নির্ধারণ করে ক্ষেত্র-নির্দিষ্ট একক ও সংযোগ।

এই তিনটি সিদ্ধান্ত প্রস্তুত মডেলের উপরে সেটিংসে সীমাবদ্ধ নয়। এগুলো সেই স্পেসটিই নির্ধারণ করে যার মধ্য দিয়ে ডিফিউশন ঘটে। তাই টোকেনাইজেশন এবং জেনারেশন আলাদাভাবে নয়, বরং একই কাঠামোতে বিবেচনা করা হয়।
ব্যবহারিক মানদণ্ড: প্রথমে অবস্থা-স্পেস বর্ণনা করা হয়, তারপর মডেলের ফর্মুলেশন নির্বাচন করা হয়।
একক কাঠামো এবং তিনটি ফর্মুলেশন
বিচ্ছিন্ন ডিফিউশনের বিদ্যমান ফর্মুলেশনগুলো একটি সমাধান-স্পেসের ভিন্ন ভিন্ন ইনস্ট্যান্সিয়েশন হিসেবে প্রতীয়মান হয়। কাঠামোতে এগুলো তিনটি।
- Transition-matrix — ট্রানজিশন ম্যাট্রিক্সের মাধ্যমে ফর্মুলেশন।
- Masking / absorbing-state — মাস্কিং এবং শোষক অবস্থার মাধ্যমে ফর্মুলেশন।
- Score / ratio-based — স্কোর এবং অনুপাতের মাধ্যমে ফর্মুলেশন।
কাঠামোটি দেখায় যে এগুলো প্রতিদ্বন্দ্বী তত্ত্ব নয়, বরং একই নির্মাণের ভিন্নতা। এদের মধ্যে পার্থক্য লেখার পদ্ধতিতে, আর সাধারণ দিকটি হলো যে সমাধান-স্পেসের সাথে এগুলো সম্পর্কিত।
মানদণ্ড: ফর্মুলেশনগুলো তুলনা করা অর্থবহ কেবল একই কাঠামোর ভেতরে। এদের মধ্যে নির্বাচন অবস্থা-স্পেস কীভাবে গঠিত তার তুলনায় গৌণ।
সর্বব্যাপী ট্রেড-অফ
যে অক্ষগুলোতে সিদ্ধান্তগুলো সম্পর্কিত
কাঠামোটি একসাথে কয়েকটি অক্ষে সাধারণ ট্রেড-অফ প্রকাশ করে:
- প্রশিক্ষণের লক্ষ্য;
- ইনফারেন্স অ্যালগরিদম;
- স্কেলিংয়ে আচরণ;
- সিস্টেম অপ্টিমাইজেশন;
- মূল্যায়ন প্রোটোকল।

অক্ষগুলো পরস্পর সম্পর্কিত। প্রশিক্ষণের লক্ষ্য সম্পর্কিত সিদ্ধান্ত ইনফারেন্স অ্যালগরিদমের নির্বাচনকে সীমাবদ্ধ করে। সিস্টেম অপ্টিমাইজেশন এবং মূল্যায়ন প্রোটোকল একই নির্বাচনের উপর নির্ভর করে।
এটি কীভাবে ব্যবহার করবেন
বিকল্পগুলোর তুলনা একসাথে সব অক্ষে করা হয়। একটি অক্ষে লাভ বাকিগুলো যাচাই করা বাতিল করে না। কাঠামোটি আরও গবেষণার দিকনির্দেশও চিহ্নিত করে।
সিদ্ধান্তের ক্রম
- অবস্থা-স্পেস বর্ণনা করুন: টোকেনাইজেশন স্কিম, শব্দভাণ্ডারের টপোলজি, ডোমেইন স্ট্রাকচারাল বর্ণমালা।
- কাঠামোর ভেতরে ফর্মুলেশন নির্বাচন করুন: ট্রানজিশন ম্যাট্রিক্স, মাস্কিং, score/ratio।
- এই নির্মাণের জন্য প্রশিক্ষণের লক্ষ্য এবং ইনফারেন্স অ্যালগরিদম নির্ধারণ করুন।
- অক্ষগুলোতে সমাধান যাচাই করুন: স্কেলিং, সিস্টেম অপ্টিমাইজেশন, মূল্যায়ন প্রোটোকল।
নির্বাচনের মানদণ্ড: যদি অবস্থা-স্পেসের নির্মাণ বর্ণনা করা না হয়, তবে ফর্মুলেশন এবং ইনফারেন্স স্কিম ন্যায্যতা প্রতিপাদন করা যায় না। কাঠামোটি বর্ণিত হয়েছে «Discrete Diffusion Models: A Unified Framework from Tokenization to Generation» কাজে (arXiv:2607.13431, ২৫ আগস্ট ২০২৬-এর v2)।
সাধারণ প্রশ্নোত্তর
বিভিন্ন উপাদান
সব উপাদান
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
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
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