178 বস্তু
ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজির প্রকৌশলীরা একটি এআই-টুল তৈরি করেছেন যা পর্যবেক্ষণ সংরক্ষণাগারে অনুপস্থিত চরম আবহাওয়ার পরিস্থিতি তৈরি করে। মডেলটি অতীতের দুর্যোগের তথ্যে প্রশিক্ষণ ছাড়াই তাদের সম্ভাব্য তীব্রতা, সময়কাল এবং বিস্তার মূল্যায়ন করে।
নতুন কাজের লেখকরা যুক্তি দেন যে, স্বায়ত্তশাসিত বৈজ্ঞানিক সিস্টেমগুলিকে ফাজারের মতো ঘন মধ্যবর্তী অগ্রগতির সংকেতের উপর নির্ভর করা উচিত, শুধুমাত্র বিরল চূড়ান্ত ফলাফলের উপর নয়। এই পদ্ধতি এজেন্টকে অপ্রচলিত অনুমান অনুসন্ধান করতে এবং বেঞ্চমার্কের প্রতি অতিমাত্রায় মানিয়ে নেওয়া এড়াতে সাহায্য করে।
ISWC 2026-এর নিবন্ধে লেখকরা একটি টুল উপস্থাপন করেছেন যা LLM-এর সাধারণ প্রশ্নগুলিকে বৈধ SHACL-সীমাবদ্ধতায় রূপান্তর করার ক্ষমতা পরিমাপ করে, বিবেচনায় রেখে যে একই নিয়ম বিভিন্ন রূপে দেখা যেতে পারে। চারটি মডেলের পরীক্ষায় দেখা গেছে: তারা সহজেই সিনট্যাক্স সামলাতে পারে, কিন্তু প্রায়ই জটিল সীমাবদ্ধতার অর্থ বুঝতে পারে না।
গবেষকরা দেখেছেন যে, LLM-এর মানক আনলার্নিং পদ্ধতিগুলি অল্প সংখ্যক ভুলে যাওয়া উদাহরণের উপর পুনঃপ্রশিক্ষণের সময় সহজেই ভেঙে পড়ে। তাদের প্রস্তাবিত মার্জিন ক্যালিব্রেশন কৌশলটি একটি অ-স্যাচুরেটিং মার্জিন পেনাল্টি যোগ করে এবং বিভিন্ন মডেল ও ডেটাসেটে এই ধরনের আক্রমণের সাফল্য উল্লেখযোগ্যভাবে হ্রাস করে।
একটি নতুন বেঞ্চমার্ক ইংরেজি এবং আরবি ভাষায় ১০০টি প্রশ্ন-উত্তর পরিস্থিতি প্রস্তাব করে, যা অপারেটরের প্রকৃত ডেটার চারপাশে নির্মিত: ওয়েবসাইট, SQL ডেটাবেস এবং ওয়েব আর্কাইভ। ১২টি মডেলে পরীক্ষা করে দেখা গেছে যে সেরা মডেলটিও মাত্র ৭১% কাজ সমাধান করতে পারে, এবং ভিজ্যুয়াল বিভাগগুলিতে ফলাফল ৩০% এর নিচে নেমে যায়।
ক্যালটেকের একজন অধ্যাপক এবং তার সহকর্মী, বেজোস-সমর্থিত প্রকল্পে অংশীদারিত্ব প্রত্যাখ্যান করে নিজস্ব স্টার্টআপ চালু করেছেন। নতুন কোম্পানিটি রোবোটিক্স, সেমিকন্ডাক্টর এবং জলবায়ুর জন্য ভৌত ঘটনা পূর্বাভাস দেয় এমন মডেল তৈরি করতে চায়।
LRS-এর নতুন পদ্ধতি জেনারেশনের সময় মডেলের লুকানো উপস্থাপনাগুলো সূক্ষ্মভাবে সংশোধন করে, মধ্যবর্তী ধাপগুলোর গুণমানের সংকেতের উপর ভিত্তি করে। এর ফলে যুক্তিবাদী ভাষা মডেলগুলো নিজেরাই তাদের ভুল খুঁজে বের করে এবং সংশোধন করে, এবং পরীক্ষাগুলো একাধিক বেঞ্চমার্কে স্থিতিশীল নির্ভুলতা বৃদ্ধি দেখায়।
গবেষকরা একটি পদ্ধতি প্রস্তাব করেছেন যা মডেলগুলিকে জ্ঞানের পরিমাণ বা বাস্তবতা থেকে বিচ্ছিন্নভাবে নয়, বরং এমন কাজের মাধ্যমে মূল্যায়ন করে যার জন্য একই সাথে যুক্তি, প্রসঙ্গ নিয়ন্ত্রণ এবং সীমাবদ্ধতার সাথে কাজ করা প্রয়োজন। বেঞ্চমার্কে ৮২০টি মৌলিক কাজ অন্তর্ভুক্ত ছিল এবং এর লেখকরা "চিন্তাভাবনা" সেটিংস এবং মডেলের অন্যান্য প্যারামিটার ফলাফলকে কীভাবে প্রভাবিত করে তাও অধ্যয়ন করেছেন।
গবেষকরা MindHelper পরীক্ষা উপস্থাপন করেছেন, যেখানে একটি এজেন্টকে ক্রমাগত একজন ব্যক্তিকে পর্যবেক্ষণ করতে হয় এবং শুধুমাত্র প্রয়োজনীয় মুহূর্তে সাহায্য করতে হয়, বাকি সময় দূরে থাকতে হয়। প্রস্তাবিত MindClaw ফ্রেমওয়ার্ক হস্তক্ষেপের নির্ভুলতা এবং কাজ সম্পাদনে সরাসরি VLM-পদ্ধতির তুলনায় উল্লেখযোগ্যভাবে উন্নত।
