SignalStack
খবরে ফিরে যান

ডাটাবেস গ্রেডিংকে RL রিওয়ার্ডে রূপান্তর: ThinkingBox দিয়ে এজেন্ট পোস্ট-ট্রেনিং

মূল প্রতিবেদন পড়ুন

এআই সারাংশ

এই গবেষণাটি দেখায় যে কীভাবে ডাটাবেস গ্রেডিংকে রিইনফোর্সমেন্ট লার্নিং রিওয়ার্ডে রূপান্তর করে ThinkingBox ফ্রেমওয়ার্ক ব্যবহার করে AI এজেন্টগুলিকে কার্যকরভাবে পোস্ট-ট্রেন করা যায়।

এআই দিয়ে তৈরি সারাংশ। প্রেক্ষাপট ও নির্ভুলতার জন্য মূল প্রতিবেদন দেখুন।

অগ্রাধিকার সম্পর্কে

উৎসের বিশ্বাসযোগ্যতা, শব্দ ও সত্তার ভিত্তিতে ১–১২ স্কেলে স্বয়ংক্রিয়ভাবে সাজানোর সহায়ক। উচ্চ: ৯–১২; মাঝারি: ৬–৮; নিম্ন: ১–৫। এটি জরুরিতা বা খবরের সত্যতা নির্ধারণ করে না এবং সম্পাদকীয় অনুমোদন নয়।

এই বিষয়ের আরও খবর

MarkTechPost

Kyutai CADRE: ২৩০ মিলিসেকেন্ডের নিচে ওয়ার্ল্ড মডেল ল্যাগ কমাতে ভিডিও অটোএনকোডার

Kyutai-এর CADRE অটোএনকোডারগুলো ওয়ার্ল্ড মডেল ল্যাটেন্সি ২৩০ মিলিসেকেন্ডের নিচে নামিয়ে আনে, যা একটি একক H100 GPU-তে দ্রুত এবং আরও সাড়াশীপূর্ণ ইন্টারঅ্যাকটিভ সিমুলেশন সম্ভব করে।

মাঝারি অগ্রাধিকার 6/12
MarkTechPost

মুনশট এআই-এর কিমি K3.1 প্রো: ২.৮ ট্রিলিয়ন মোট/১০৪ বিলিয়ন সক্রিয় প্যারামিটার (MoE) এবং ১ মিলিয়ন কনটেক্সট সহ মডেল

মুনশট এআই-এর কিমি K3.1 প্রো ১ মিলিয়ন টোকেনের বিশাল কনটেক্সট এবং কম খরচে প্রতিযোগিতামূলক পারফরম্যান্স প্রদান করে, যা শীর্ষ প্রাইভেট মডেলগুলিকে চ্যালেঞ্জ জানাচ্ছে এবং ২০২৬ সালের শেষের দিকে ওপেন ওয়েটস প্রদানের প্রতিশ্রুতি দিচ্ছে।

মাঝারি অগ্রাধিকার 6/12
MIT AI News

MIT-এ, মার্থা মিনোউ AI ব্যবহার ও অতিক্রমের মাধ্যমে গণতন্ত্রকে টিকিয়ে রাখার বিষয়ে কথা বলেন

মার্থা মিনোউর MIT লেকচারটি দেখায় কীভাবে AI গণতান্ত্রিক ভিত্তিগুলিকে হুমকি দেয়, একই সঙ্গে যুক্তরাষ্ট্রের শাসনকে শক্তিশালী করার সম্ভাব্য সরঞ্জাম সরবরাহ করে, এবং সংবিধানিকতাকে টিকিয়ে রাখতে পদক্ষেপ নেওয়ার আহ্বান জানায়।

উচ্চ অগ্রাধিকার 12/12