PerMIT: LLM এজেন্টদের দীর্ঘমেয়াদি স্মৃতির অখণ্ডতা এবং মেশিন যাচাইসহ সমষ্টিগত আস্থা
লেখকেরা PerMIT আর্কিটেকচার প্রস্তাব করেছেন, যা একটি সসীম মেমরি ইন্টারফেসের মাধ্যমে পরিবেশের অবিশ্বস্ত ডেটা এজেন্টের সংবেদনশীল কার্যক্রমে প্রবেশ করা সীমিত করে; Lean 4-এ যাচাইকৃত দুটি উপপাদ্য এবং সম্প্রদায়ের রায় জমা হওয়ার প্রক্রিয়া পৃথক ব্যবহারকারীর ওপর চাপ না বাড়িয়েই বিষপ্রয়োগের ঝুঁকি কমায়। Trojan Hippo এবং τ²-bench-এ পরীক্ষায়, হালকা ভেরিফায়ার ব্যবহার করে এই পদ্ধতিতে কোনো সফল ইনজেকশন শনাক্ত হয়নি এবং বিলম্বিত কাজগুলোতে নতুন এজেন্টদের ফলাফল উন্নত হয়েছে।

PerMIT — LLM এজেন্টদের জন্য মেমরি আর্কিটেকচার। Tanqiu Jiang, Min Bai, Sadat Shahriar, Wanyu Du এবং Sandesh Swamy-র প্রবন্ধটি ২০ অক্টোবর ২০২৬ তারিখে জমা দেওয়া হয়েছে; arXiv:2610.28987।

বিশ্বাসের মডেল
PerMIT বিশ্বাস সম্পর্কে একটি স্পষ্ট অনুমান নির্ধারণ করে। কেবল ব্যবহারকারীর দেওয়া ইনপুট এবং গেটে যাচাইকৃত মানকেই বিশ্বস্ত বলে গণ্য করা হয়। পরিবেশ থেকে আসা সব মানই অবিশ্বস্ত থাকে। মেমরির একটি সসীম ইন্টারফেসের মাধ্যমে আর্কিটেকচারটি এগুলোর আদান-প্রদান ও ব্যবহার নিয়ন্ত্রণ করে। এজেন্টের বহু-ধাপের পরিকল্পনা এবং টুল নির্বাচন অক্ষুণ্ণ থাকে।
ব্যবহারিক মানদণ্ড: ব্যবহারকারীর ইনপুটকে বিশ্বস্ত এবং পরিবেশের ডেটাকে অবিশ্বস্ত হিসেবে গণ্য করা হলে পরিস্থিতিটি উপযুক্ত।
গেট ও যাচাইযোগ্য সিদ্ধান্ত
মেমরির সসীম ইন্টারফেসটি একটি গেটের ওপর নির্ভর করে। লেখকেরা ইন্টারফেসটির জন্য অখণ্ডতার দুটি উপপাদ্য প্রমাণ করেছেন। Lean 4-এ উপপাদ্যগুলো মেশিনের মাধ্যমে যাচাই করা হয়েছে। একসঙ্গে এগুলো দুটি বৈশিষ্ট্যের নিশ্চয়তা দেয়। পরিবেশ থেকে আসা মেমরি কোনো সংবেদনশীল কাজকে প্রভাবিত করতে পারে কেবল গেটে যাচাইয়ের পর। এজেন্টের আচরণ বদলায় কেবল গেট যা দেখায়, তার মাধ্যমে।
হুমকির মডেলের অধীনে, প্রতিটি আক্রমণকে একটি যাচাইযোগ্য সিদ্ধান্তে নামিয়ে আনা যায়। বাস্তবে, সিদ্ধান্তটি একজন মানুষ, একটি LLM যাচাইকারী, অথবা উভয়ে মিলে নেন।
ব্যবহারিক মানদণ্ড: হুমকির মডেলের অধীনে কোনো আক্রমণকে একটি যাচাইযোগ্য সিদ্ধান্তে নামিয়ে আনা গেলে এই সুরক্ষা প্রযোজ্য।
যাচাইকরণ ও সমষ্টিগত আস্থা
প্রতিটি যাচাইকরণ হলো নির্দিষ্ট বিষয়বস্তু সম্পর্কে নথিভুক্ত একটি রায়। বিভিন্ন ব্যবহারকারীর কাছ থেকে যাচাইকরণ জমা হতে থাকে। পর্যাপ্ত সমর্থন পাওয়া উপাদানগুলো আর যাচাই ছাড়াই সম্প্রদায়-যাচাইকৃত হয়ে ওঠে।
সুস্পষ্ট অনুমানের ভিত্তিতে লেখকেরা যৌথ স্কেলিংয়ের একটি বৈশিষ্ট্য প্রমাণ করেছেন। সিমুলেশনেও তাঁরা এটি নিশ্চিত করেছেন। সম্প্রদায় বাড়ার সঙ্গে সঙ্গে বিষাক্ত ডেটা এগিয়ে নেওয়া এবং ভালো জ্ঞান ভুল করে মুছে ফেলার ঝুঁকি কমে। যাচাইয়ের জন্য একক ব্যবহারকারীর প্রচেষ্টা বাড়ে না।
| সম্প্রদায় বাড়লে যা বদলায় | প্রবণতা |
|---|---|
| বিষাক্ত ডেটা এগিয়ে নেওয়ার ঝুঁকি | কমে |
| ভালো জ্ঞান ভুল করে মুছে ফেলার ঝুঁকি | কমে |
| যাচাইয়ের জন্য একক ব্যবহারকারীর প্রচেষ্টা | বাড়ে না |
ব্যবহারিক মানদণ্ড: রায়গুলো যখন নির্দিষ্ট বিষয়বস্তুর সঙ্গে যুক্ত থাকে এবং বিভিন্ন ব্যবহারকারীর কাছ থেকে জমা হয়, তখন সমষ্টিগত স্তরটি উপযুক্ত।
পরীক্ষা
Trojan Hippo-তে PerMIT-এ আক্রমণের পর্যবেক্ষিত সাফল্যের হার ছিল শূন্য। স্ব-যাচাই এবং হালকা যাচাইকারী ব্যবহার করে এই ফল পাওয়া গেছে।
τ²-bench-এ PerMIT ব্যবহার করে সর্বোচ্চ ৯০টি স্বায়ত্তশাসিত এজেন্টের সম্প্রদায়গুলো যৌথ জ্ঞানভান্ডার তৈরি করে। সরাসরি কোনো মেমরি ইনজেকশনই এগিয়ে নেওয়া হয়নি। অর্জিত জ্ঞান নতুন এজেন্টদের স্থগিত রাখা কাজগুলোতে ফলাফল উল্লেখযোগ্যভাবে উন্নত করে।
ব্যবহারিক মানদণ্ড—দুটি ফল: সরাসরি ইনজেকশন এগিয়ে না নেওয়া এবং স্থগিত রাখা কাজগুলোতে নতুন এজেন্টদের উন্নতি।
সাধারণ প্রশ্নোত্তর
বিভিন্ন উপাদান
সব উপাদান
মাথা ও ঘাড়ের টিউমারের প্রোটন পরিকল্পনার জন্য প্রমাণভিত্তিক ফিডব্যাক লুপসহ সমন্বিত মাল্টি-এজেন্ট AI সিস্টেম
কাজটিতে প্রশিক্ষিত PPO পলিসির সমন্বয় বর্ণনা করা হয়েছে, যা পরিকল্পনার একাধিক বিকল্প দেয়, এবং LLM এজেন্টদের, যারা ক্লিনিক্যাল মেট্রিক ও সীমাবদ্ধতা যাচাই করে কথোপকথনের মাধ্যমে স্পষ্টীকরণ করে; ২১ জন রোগীর তথ্যের ভিত্তিতে, ফাইন-টিউন করা Qwen3-14B নির্দেশনা আরও ভালোভাবে অনুসরণ করেছে এবং অগ্রাধিকারপ্রাপ্ত লক্ষ্যগুলোর পক্ষে সমঝোতাকে এগিয়ে নিতে সাহায্য করেছে। ব্যবহারিক উপসংহার হলো—প্রতিদ্বন্দ্বী সীমাবদ্ধতাগুলোর ওপর নিয়ন্ত্রণ বজায় রেখেই স্বয়ংক্রিয় DRL পরিকল্পনাকে পরিচালিত কথোপকথনের মাধ্যমে আরও সমৃদ্ধ করা যায়।
20 নভেম্বর 2026
অভিজ্ঞতাভিত্তিক পরীক্ষা-নিরীক্ষার বদলে গণনাভিত্তিক বাছাই: ব্যাটারির উপকরণ নিয়ে নতুন পদ্ধতি
এই উপাদানটি দেখায়, কীভাবে গণনামূলক ডেটাবেস, মেশিন লার্নিং এবং জেনারেটিভ মডেল সম্ভাবনাময় সংমিশ্রণের পরিসর সংকুচিত করে, আর স্বয়ংক্রিয় পরীক্ষাগারগুলো সেগুলোর যাচাই দ্রুত করে; তবে চূড়ান্ত ফল সংশ্লেষণ ও পরীক্ষার ওপর নির্ভর করে, যেখানে পূর্বাভাস বাস্তব পরিবাহিতা থেকে ভিন্ন হতে পারে।
20 নভেম্বর 2026
টাস্ক পুলের আকার বাড়ার সঙ্গে এজেন্ট বেঞ্চমার্কের বিবর্তন: প্রমাণ নির্বাচন ও ধারাবাহিক রেসের ভূমিকা
এই কাজটি ব্যাখ্যা করে, কাজের সংখ্যা বাড়ালে কেন এজেন্টিক বেঞ্চগুলোর বিবর্তন আরও খারাপ হতে পারে: এর কারণ তথ্যের পরিমাণ নয়, বরং প্রমাণের অনুপযুক্ত নির্বাচন। প্রস্তাবিত Successive Scale Racing পালাক্রমে বৈচিত্র্যময় কাজের সমন্বয় বেছে নেয় এবং কম খরচে প্রার্থীদের তুলনা করে; তিনটি বেঞ্চমার্কে পুলের আকার 40 থেকে 200-তে বাড়ানোর সময় এটি সফল রানগুলোর হার বাড়িয়েছে, যেখানে বেসলাইন পদ্ধতিগুলোর কার্যকারিতা কমেছে এবং যাচাইকরণ রান প্রায় 60% কমেছে।
19 নভেম্বর 2026