শিরোনাম: ভাগ্যের বদলে গ্রাফ: GxP-Agent কীভাবে LLM-ভিত্তিক ক্লিনিকাল ডেটা প্রোগ্রামিংকে নির্ভরযোগ্য করে তোলে
একটি প্রিপ্রিন্ট বিশ্লেষণ করা হচ্ছে, যেখানে পাঁচটি অত্যাধুনিক LLM নিয়ন্ত্রক জমার জন্য একটি বৈধ বিশ্লেষণাত্মক সেট প্রস্তুত করতে ব্যর্থ হয়েছে, অন্যদিকে ১৫টি বিশেষায়িত নোডের নির্দেশিত অ্যাসাইক্লিক গ্রাফ-ভিত্তিক মাল্টি-এজেন্ট সিস্টেম রেফারেন্সের সাথে ১০০% কাঠামোগত মিল দেখায়। এই পদ্ধতি মনোলিথিক কোড জেনারেশনকে যাচাইযোগ্য ডোমেইন-নির্দিষ্ট ধাপের একটি ক্রমে রূপান্তরিত করে।

ক্লটিক প্রোগ্রামিং: যেখানে এলএমএল হোসাম হোঁচট খেয়ে থাকে
রেগুলার এক্সপ্রেশনের জন্য ডিক্রিপশনের তথ্য প্রস্তুত করা একটি প্রক্রিয়া যেখানে কঠোর চাহিদা রয়েছে। প্রোটোকলকে একটি কাল্পনিক তথ্য হিসেবে পরিণত করতে হবে যা সিডিআইএসসি মান মেনে চলবে, এবং এখানে যে কোন ভুলের কারণে তার দেরি হতে পারে বা প্রত্যাখ্যান করতে পারে। দীর্ঘ সময় ধরে এই মঞ্চটি একটি বোতলের মধ্যে রয়ে গেছে: এটার উভয়ের দরকার ডোমেইন জ্ঞান, কোডের স্পষ্টতা আর নিয়ন্ত্রণ করা।
যখন ভাষার বিশাল মডেলসহ এই কোড তৈরি করা হয়, তখন ছবিটিকে অন্ধকার বলে মনে হয় । আর্ভ-এ একটি পরীক্ষামূলক পরীক্ষার সময় পাঁচটি সীমান্ত মডেলকে একটি বৈধ বিষয়ে তথ্য তৈরি করার চেষ্টা করা হয়- এবং তা সফল হয়নি। এটা ছোটখাটো ত্রুটি নয়, কিন্তু ফলাফল সম্পূর্ণ না থাকায়. এই মডেলটি মনে হচ্ছে এই প্রক্রিয়ার কাঠামোকে উপেক্ষা করছে: তারা একবার পুরো লাইনকে একত্রিত করার চেষ্টা করছে, কোন ধরনের ধাপগুলো বাধ্যতামূলক এবং পূর্বের লোকদের উপর নির্ভর করে।

GxP-Aজেন্ট: প্রসেসের মাধ্যমে degre-sp-sdeedia
এই সমস্যার উত্তর ছিল মাল্টি-agent সিস্টেম GxPAR... এখানে মূল চিন্তা হচ্ছে, মডেলের "যুক্তিমূলক" কাজের উপর নির্ভর করা নয়। প্রসেস সমাপ্ত করার জন্য প্রস্তুত করা হয়েছে। নিয়মতান্ত্রিক গ্রাফ (এনডিজি) পরিচালনা করে এই কাজের নিয়ন্ত্রণ পদ্ধতিকে চিহ্নিত করা হয়। পুরো তথ্য ধারণ করা প্রজন্মের পরিবর্তে, কাজটি ১৫টি ডোমেইন-নির্দিষ্ট নোডে ভেঙ্গে ফেলা হয়েছে। প্রতিটি নোড একটি ভিন্ন অপারেশন যা একজন শ্রমিকের দ্বারা পরিচালিত। ( মথি ২৪: ১৪) নোডগুলোর মধ্যে বৈধ প্রবেশপথ রয়েছে, এবং প্রয়োজনের সময় শর্ত পূরণ করা হয়েছে ।
এটা ত্রুটির প্রকৃতিকে পরিবর্তন করে । মডেলটি যদি প্রত্যাশিত কোন নোডের ফলাফল থেকে বিকৃত হয়ে থাকে, তাহলে অবিলম্বে এটিকে সনাক্ত করা হবে এবং সমগ্র পাইপলাইন পুনরুদ্ধার করার বদলে এর ধাপ পুনরায় চালু করা যাবে। এর ফলে এলএমএলএমএল ‘সব কিছুর প্রভাব’ বন্ধ হয়ে যায় এবং এটি স্থানীয়দের একটি অঙ্গীভূত উপকেন্দ্রে পরিণত হয়। গ্রাফ টপজি একটি কঠোর কাঠামো সরবরাহ করে যার মধ্যে দিয়ে মডেল আরো স্বাধীনভাবে কাজ করতে পারে।

কি এই অনুশীলনের মত দেখায়
প্রতিটি DAG নোড একটি নির্দিষ্ট তথ্য ডোমেনের জন্য দায়ী, আর কর্মী একটি বিরুপ কাজ পায় না যেমন "ARADF", কিন্তু পরিষ্কার তথ্য, এবং বৈধ মান অনুসারে। ফলাফল বিফল হলে, অবস্থা পুনরায় আরম্ভ করার প্রচেষ্টা করা হবে - এজেন্ট দ্বারা প্রতিক্রিয়া ও কোড সংশোধন করা হবে । এটা অনেকটা এমন একটা "বিড়াল- চেক" লুপের মতো - কিন্তু গ্রাফের কাঠামোকে নিমিষেই মেরে ফেলার পরিবর্তে।
CD-IC-B এ সংখ্যা: ০ থেকে ১০০ এর মধ্যে
এই পদক্ষেপের কার্যকারিতা মূল্যায়ন করার জন্য, লেখকরা সিডিআইএসসি-বিঞ্চন নামে একটি মৃত্যুদণ্ডের প্রক্রিয়া শুরু করেছে। এটা আসল এফডিএ পাইলট জমা দেয়া হয়েছে। ( মথি ২৪: ৪৫ - ৪৭; প্রেরিত ২: ১, ২) এই ধরনের একটি সমষ্টি পরীক্ষা করা শুধু কোডের বাক্য নয়, বরং এর মৃত্যুদণ্ডের প্রকৃত ফলাফলও পরীক্ষা করে ।
এখানে জিএক্সপি-এজেপি-এর অসাধারণ ফলাফল প্রদর্শন করা হয়েছে: সিলাদে সননেট ৪. ৬ মডেল, এটা অর্জন করেছে ১০০% কাঠামোগত ম্যাচ- সব ৪৯টি ভেরিয়েবল এবং ২৫৪ টি রেকর্ড। তুলনার জন্য, সর্বাধিক উপযোগী পুনর্বিবাহ-বিবাহের ভিত্তি ৫৯. অন্য কথায়, গ্রাফালজি ছাড়া কোন স্থাপত্যই কেবল নিয়ন্ত্রণ করতে পারে না কাজ.

দুর্বল মডেলও উপকৃত
একটি মজার দিক হচ্ছেঃ মডেলটির জন্য ডিএজি মনস্তাত্বের চাহিদাকে কমিয়ে দিয়েছে। একই গ্রাফে শ্রমিক হিসেবে জিপি-৪১ ব্যবহার করা হলে গড় কাঠামোর খেলা ছিল ৫৯ শতাংশ। গ্রাফের কাঠামো ছাড়া, GPT-4.1 একটি শূণ্য ফলাফল প্রদর্শন করেছে। এই বিষয়টি নিশ্চিত করে যে, একজন ব্যক্তি মডেলের ক্ষমতা দ্বারা চূড়ান্ত ভূমিকা পালন করা হয় না, কিন্তু কিভাবে এই প্রক্রিয়া সংগঠিত করা হয়।
পদক্ষেপ এবং উপসংহারের বহুতা
লেখক একটি ডোমেনের উপর সীমা অতিক্রম করেননি। এই একই নীতি এ ডিএএএডি ডাটাসেটের (সম্প্রদায়িক ঘটনা) ক্ষেত্রে প্রয়োগ করা হয়েছে- যা ৯টি নোড, ৫৫টি ভেরিয়েবল এবং ১১৯১ রেকর্ডের শাখাকে ব্যবহার করে থাকে। প্রথম প্রচেষ্টায় ১০০% কাঠামোগত ম্যাচ অর্জিত হয়েছে। এটি ইঙ্গিত করে যে ADSL এর বাইরে যে পদ্ধতিটা সাধারণ তা অন্য ধরনের চিকিৎসা বিষয়ক তথ্যের জন্য উপযুক্ত।
এই কাজের প্রধান দিক হচ্ছে চিকিৎসা বিষয়ক প্রোগ্রামিং যা এলএমএল-এর যুক্তির মাধ্যমে অর্জন করা সম্ভব নয়, কিন্তু এই প্রক্রিয়ার উপর ডোমেইন জ্ঞান প্রয়োগের মাধ্যমে এই প্রক্রিয়া পরিচালনা করা হয়েছে। মডেলটি গুরুত্বপূর্ণ, কিন্তু একমাত্র সিস্টেমের অংশ নয়। এই গ্রাফটি বাধা ও অনুক্রম নির্ধারণ করে, যখন ভাষার মডেলটি কনক্রিট কোড দিয়ে ভরে যায়। জিএক্সপি-কমের জন্য আবেদন করা ফলাফল পেতে পারে যা কর্ত্রীদের জমা দিতে পারে।
সাধারণ প্রশ্নোত্তর
বিভিন্ন উপাদান
সব উপাদান
RL সিমুলেটরের ব্যর্থতা নির্ণয়ে ক্যানোনিক্যাল বহুপদী ইনভেরিয়েন্ট: এগুলো আসলে কোথায় কাজে লাগে
এই কাজটি পরীক্ষা করে, প্রশিক্ষণযোগ্য গতিবিদ্যার মডেলগুলোতে পদার্থবিজ্ঞানের সূত্র অন্তর্ভুক্ত করা কতটা যুক্তিযুক্ত: ট্র্যাজেক্টরি থেকে আহরিত এবং গ্রোবনার ভিত্তির মাধ্যমে ক্যানোনিকাল রূপে আনা ইনভারিয়ান্টগুলো পূর্বাভাসে সামান্য উন্নতি আনে, তবে রোগনির্ণয়ে কার্যকর—এগুলো লঙ্ঘিত সীমাবদ্ধতাটি কোথায় ঘটেছে তা নির্দিষ্ট করতে এবং নির্দিষ্ট ভুল প্যারামিটার শনাক্ত করতে সাহায্য করে।
10 নভেম্বর 2026
AURA-Eval: কীভাবে যাচাই করবেন যে LLM এজেন্ট ঝুঁকি শনাক্ত করেছে এবং পরবর্তী পদক্ষেপ পরিবর্তন করেছে
এই ফ্রেমওয়ার্ক LLM এজেন্টদের আচরণকে চূড়ান্ত রায় দিয়ে নয়, বরং গুরুত্বপূর্ণ মুহূর্তে ঝুঁকির প্রতিক্রিয়া দিয়ে মূল্যায়ন করে: টুল কলের ধারা মাঝপথে থামিয়ে দেওয়া হয়, এরপর মডেলকে তার যুক্তি ও কাজ চালিয়ে যেতে হয়; আর LLM বিচারকদের একটি প্যানেল ঝুঁকি শনাক্তকরণ, পদক্ষেপের ধরন ও নিরাপত্তা বিশ্লেষণ করে। R-Judge-এর 157টি ট্র্যাজেক্টরি থেকে সংগৃহীত 1249টি কাজে, 20টি মডেলের নিরাপদ পথ না থাকলে অনিরাপদ পদক্ষেপ নেওয়ার প্রবণতা বেড়ে যায়; আর কাজ সম্পন্ন হওয়ার আগে তদারকি তুলে নিলে শুরুতে নিরাপদ থাকা ঘটনাগুলোর 52,3% অনিরাপদ হয়ে ওঠে।
10 নভেম্বর 2026
চের্ন–সাইমনস রিজার্ভারের স্মৃতি: সংযোগের স্বায়ত্তশাসিত গতিবিদ্যা এবং ঘনত্ব পরিবহন
এই নিবন্ধে আলোচনা করা হয়েছে, কীভাবে একটি রিজার্ভয়ার ইনপুট সিগন্যালের ইতিহাস একই সঙ্গে ঘনত্বের বণ্টন এবং জ্যামিতিক স্বাধীনতার মাত্রায় সংরক্ষণ করে। চারটি প্রক্রিয়ার তুলনা দেখায় যে কারেন্ট একটি স্বতন্ত্র সংযুক্তি উপাদান তৈরি করে, যা ঘনত্বের পরবর্তী প্রতিক্রিয়া পরিবর্তন করে; আর পরিমাপ করা সব বৈশিষ্ট্য বিবেচনায় নিলে ইমপালসের ক্রম ডিকোড করার ক্ষেত্রে সামান্য উন্নতি হয়।
10 নভেম্বর 2026