ফিড

355 বস্তু

সংবাদ5 নভেম্বর 2026

ইন্টারঅ্যাকটিভ XR ডেভেলপমেন্টে কোডিং এজেন্টদের মূল্যায়ন: GenXR-Bench-এর ফলাফল

প্রকাশিত হয়েছে GenXR-Bench—ইন্টারেক্টিভ XR ডেভেলপমেন্টে কোডিং এজেন্টগুলোর এন্ড-টু-এন্ড মূল্যায়নের জন্য ১১২টি বিশেষজ্ঞ-নির্ধারিত কাজের একটি সেট: ফিচার উন্নত করা ও ত্রুটি ঠিক করা থেকে শুরু করে ভোক্তা-পর্যায়ের ডিভাইসে আচরণ যাচাইসহ অ্যাপ্লিকেশন তৈরি পর্যন্ত। পরীক্ষিত দশটি মডেলের মধ্যে সেরা ফল ছিল ৫০.৯% Pass@1; বারবার দেখা ব্যর্থতার মধ্যে রয়েছে সেন্সরের অ্যাসিঙ্ক্রোনাস ইভেন্ট সামলানো, বাস্তব স্থানের সঙ্গে অবজেক্ট যুক্ত করা এবং ভৌত প্রেক্ষাপটে মিথস্ক্রিয়া বোঝা।

পড়ো

সংবাদ5 নভেম্বর 2026

স্কেলার পুরস্কার থেকে প্যারেটো ফ্রন্টিয়ার: বহু-উদ্দেশ্যভিত্তিক রিইনফোর্সমেন্ট লার্নিংয়ের মাধ্যমে LLM-ভিত্তিক RTL সংশ্লেষণ

একটি ভাষা মডেলকে একটি মাত্র নকশা নয়, বরং ক্ষেত্রফল, বিলম্ব ও বিদ্যুৎ খরচের মধ্যে বিভিন্ন সমঝোতাসহ একগুচ্ছ RTL প্রার্থী তৈরি করতে প্রশিক্ষণ দেওয়ার একটি পদ্ধতি প্রস্তাব করা হয়েছে; পুরস্কার নির্ধারিত হয় প্যারেটো ফ্রন্টের হাইপারভলিউমে প্রতিটি বিকল্পের অবদানের ভিত্তিতে। RTLLM v2-তে আপেক্ষিক হাইপারভলিউম PPA অপ্টিমাইজেশনবিহীন বেসলাইন সংস্করণের তুলনায় ১৩.৩ শতাংশ পয়েন্ট এবং একক-লক্ষ্যভিত্তিক রিইনফোর্সমেন্ট লার্নিংয়ের তুলনায় ১৪.৪ শতাংশ পয়েন্ট বেড়েছে।

পড়ো

সংবাদ4 নভেম্বর 2026

চিকিৎসাবিষয়ক LLM-গুলো নির্দেশিকা সংশোধনের কথা জানে, কিন্তু প্রায়ই পুরোনো নিয়ম অনুযায়ী উত্তর দেয়

1709টি ক্লিনিক্যাল নির্দেশিকার পরিবর্তন নিয়ে ChronoEvo-এর গবেষণায় দেখা গেছে: মূল মডেলে 90,8% উত্তর নতুনত্বটি শনাক্ত করেছিল, তবে মাত্র 58,5% তা সম্পূর্ণভাবে প্রয়োগ করেছিল; 32,3 শতাংশ পয়েন্টের এই ব্যবধান 14টি মডেলেই বজায় ছিল। আপডেটগুলোর দৃশ্যমানতা বাড়িয়েও নতুন নিয়মগুলো ক্লিনিক্যাল নির্দেশিকায় সম্পূর্ণভাবে অন্তর্ভুক্ত করার ক্ষেত্রে উল্লেখযোগ্য উন্নতি হয়নি।

পড়ো

সংবাদ4 নভেম্বর 2026

সীমাবদ্ধ LLM-এ এজেন্টদের জন্য বিশ্ব মডেল: ঝুঁকির মুহূর্তে সংশোধন

PAWM প্রস্তাব করা হয়েছে—একটি বাহ্যিক পূর্বাভাসদাতা, যা ধাপে ধাপে পর্যবেক্ষণের পুনরাবৃত্তি না করে সম্ভাব্য ব্যর্থতার সময় সক্রিয় হয় এবং এজেন্টকে ভুল পদক্ষেপ থেকে সরিয়ে দেয়। সিন্থেটিক পরিস্থিতিতে SFT এবং GRPO-সহ-প্রশিক্ষণের পর, Claude Sonnet 4.5-এর জন্য পদ্ধতিটি ScienceWorld-এ 24,3% এবং WebArena-Lite-এ 7,7% উন্নতি এনেছে।

পড়ো

তুলনা4 নভেম্বর 2026

SpeechLLM-এর ওপর শ্রেণিবিন্যাসের অতিরিক্ত স্তর: আবেগ শনাক্তকরণে কোথায় এটি লেবেল তৈরির পদ্ধতিকে ছাড়িয়ে যায়

IEMOCAP ও MELD ডেটাসেটে কমপ্যাক্ট SpeechLLM-এর লুকানো উপস্থাপনার ওপর জেনারেটিভ আবেগ-লেবেল পূর্বাভাস এবং লিনিয়ার ক্লাসিফায়ারের তুলনা করা হয়েছে। ক্লাসিফায়ার থেকে প্রাপ্ত মানের উন্নতি সর্বজনীন নয়: এটি কর্পাসের ওপর এবং রেফারেন্স ট্রান্সক্রিপ্ট নাকি ASR-এর ফলাফল ব্যবহার করা হচ্ছে, তার ওপর নির্ভর করে।

পড়ো

সংবাদ4 নভেম্বর 2026

ব্যক্তিগত স্কোর থেকে অনুমোদিত সেটে: DDI সীমাবদ্ধতার অধীনে গ্লোবাল ডিকোডিং

নিবন্ধটি MIMIC-III-তে FLAME-এর নির্দিষ্ট স্কোর ব্যবহার করে mixed-integer linear programming-এর মাধ্যমে বাস্তবায়িত সামঞ্জস্যপূর্ণ ওষুধের সেটের নির্ভুল বৈশ্বিক নির্বাচনকে DDI সংঘাত স্থানীয়ভাবে দূর করার কয়েকটি পদ্ধতির সঙ্গে তুলনা করেছে। পরীক্ষামূলক নমুনায় বৈশ্বিক পদ্ধতিটি Jaccard স্কোরে সামান্য হলেও ধারাবাহিক উন্নতি দেখায়, যা সীমাবদ্ধতা আরও কঠোর হলে বাড়ে এবং সবচেয়ে শক্তিশালী স্থানীয় বেসলাইন পদ্ধতির তুলনায় +0.0064-এ পৌঁছায়।

পড়ো

সংবাদ3 নভেম্বর 2026

সম্ভাব্যতার সিমপ্লেক্সে স্থানান্তর কনট্রাস্টিভ মাল্টিমোডাল মডেলগুলিতে মোডালিটি ব্যবধান কমায়

arXiv:2610.32890 গবেষণাপত্রে গোলীয় এম্বেডিংয়ের বদলে সম্ভাব্যতামূলক সিমপ্লেক্স ব্যবহারের প্রস্তাব করা হয়েছে, সঙ্গে যুক্ত করা হয়েছে হালকা softmax অ্যাডাপ্টার এবং Total Variation সাদৃশ্য। পাঁচটি অনুসন্ধান বেঞ্চমার্কে, অনুসন্ধানের মান বজায় রেখে বা বাড়িয়ে, বিভিন্ন মডালিটির মধ্যে সেন্ট্রয়েডের ℓ2 দূরত্ব 97–99% কমেছে।

পড়ো

সংবাদ3 নভেম্বর 2026

LLM এজেন্টদের মেমরি গ্রাফে ডিফিউশনের সময় ActionRAG কীভাবে প্রমাণ পুনর্বিবেচনা করে

একটি গ্রাফ মেমরি আর্কিটেকচার প্রস্তাব করা হয়েছে, যা ইনডেক্সিংয়ের সময় সত্তাগুলোর মধ্যে সতর্কভাবে সামঞ্জস্য স্থাপন করে এবং প্রশ্নের সময় স্থানীয় কাঠামোর ভিত্তিতে সম্পর্কগুলো নতুন করে মূল্যায়ন করে। MemoryAgentBench-এ পদ্ধতিটি গড়ে ৫৫.১ নির্ভুলতা দেখিয়েছে এবং সংশ্লেষণের খরচ প্রতি প্রশ্নে খুবই কম রেখে সবচেয়ে শক্তিশালী তথ্য-উদ্ধারভিত্তিক বেসলাইনের তুলনায় ৫.৪ শতাংশ পয়েন্ট উন্নতি করেছে।

পড়ো

সংবাদ1 নভেম্বর 2026

স্বায়ত্তশাসিত বিনিয়োগে LLM এজেন্টদের নিয়ন্ত্রিত বিকাশ: অপরিবর্তনীয় সুরক্ষা স্তরসহ একটি মাল্টি-এজেন্ট কাঠামো

এই নিবন্ধে Steward-এর বর্ণনা দেওয়া হয়েছে—নয়টি ভূমিকা-নির্দিষ্ট LLM এজেন্টের একটি ব্যবস্থা, যেখানে পোর্টফোলিও-সংক্রান্ত সিদ্ধান্তগুলো ঝুঁকি ব্যবস্থাপকের যাচাইয়ের মধ্য দিয়ে যায়, আর প্রম্পটে পরিবর্তন আনা যায় কেবল প্রত্যাবর্তনযোগ্য নিয়ন্ত্রণ এবং সংরক্ষিত ডেটা পুনরুৎপাদনের মাধ্যমে। মূল সিদ্ধান্ত হলো—অপরিবর্তনীয় কোর এবং অডিট পদ্ধতি এজেন্টদের উন্নত করতে সাহায্য করে, ঝুঁকি-নিয়ম ও অর্ডার কার্যকর করার নিয়ন্ত্রণ তাদের হাতে না দিয়েই।

পড়ো