উৎস: ইলেকট্রনিক নিউজ, প্রতিবেদক লি ওন-জি
“ক্লেভি, from scratch নিজস্ব মডেল দিয়ে GAIA-তে 79.07%...3,090টি মডেলের মধ্যে শীর্ষ 2.5%” নিবন্ধের পূর্ণাঙ্গ উদ্ধৃতি
প্রকাশের তারিখ: 2026-04-07
লিংক: https://www.etnews.com/20260407000203
cip-5.5-agent·cip-5.5-mm স্বতন্ত্র মডেল স্ট্যাকে ৫টি এজেন্টের সবাই ৭০-এর বেশি স্কোর করেছে
তথ্য হারানোর বিষয়টি বিবেচনায় নিলে 98%+ নির্ভুলতা, মানুষের (92%) চেয়েও বেশি
AI স্টার্টআপ 'ক্লেভি' from scratch নিজস্ব মডেল ব্যবহার করে বৈশ্বিক AI এজেন্ট বেঞ্চমার্ক 'GAIA'-তে 79.07% নির্ভুলতা অর্জন করেছে এবং মোট 3,090টি নিবন্ধিত মডেলের মধ্যে শীর্ষ 2.5%-এর মধ্যে স্থান করে নিয়েছে।
খাতসংশ্লিষ্টদের ব্যাখ্যা অনুযায়ী, AI বেঞ্চমার্ক বাজারে GAIA 'ব্যবহারিক AI এজেন্ট'-এর সক্ষমতা বিশ্বস্তভাবে প্রতিফলিত করে বলে মূল্যায়িত হয়। মেটা AI, HuggingFace এবং প্যারিস-সাকলে বিশ্ববিদ্যালয়সহ অন্যান্য প্রতিষ্ঠান যৌথভাবে তৈরি এই বেঞ্চমার্কটি 2023 সালের নভেম্বরে প্রথম প্রকাশিত হয়।
GAIA-কে অন্যান্য বেঞ্চমার্ক থেকে আলাদা করে এমন মূল বৈশিষ্ট্য তিনটি। প্রথমত, সঠিক উত্তর প্রকাশ করা হয় না, তাই অতিরিক্ত ফিটিং সম্ভব নয়। দ্বিতীয়ত, মাল্টিস্টেপ ও মাল্টিমোডাল জটিল যুক্তি প্রয়োজন হওয়ায় সরল প্যাটার্ন ম্যাচিং দিয়ে উচ্চ স্কোর করা অসম্ভব। তৃতীয়ত, HuggingFace-এর অফিসিয়াল লিডারবোর্ডের মাধ্যমে বিশ্বজুড়ে 3,090টিরও বেশি মডেল একই শর্তে প্রতিযোগিতা করে।
টেস্ট সেটে মোট 301টি প্রশ্ন রয়েছে। Level 1-এ একটি টুল ব্যবহার ও সরল যুক্তি, Level 2-এ একাধিক টুলের সমন্বয় ও মধ্যম স্তরের যুক্তি, আর Level 3-এ পাঁচ বা তার বেশি ধাপের এজেন্ট পরিকল্পনা ও বাস্তবায়ন প্রয়োজন এমন সর্বোচ্চ কঠিন প্রশ্ন রয়েছে। বেঞ্চমার্ক প্রকাশের সময় GPT মডেল (প্লাগইনসহ)-এর স্কোর ছিল প্রায় 15%, আর বর্তমানে শীর্ষস্থানীয় দলগুলো তা 70–80%-এ উন্নীত করেছে।
এর মধ্যে, ক্লেভি জোর দিয়ে বলেছে যে এই সাফল্যের ক্ষেত্রে প্রযুক্তিগতভাবে সবচেয়ে উল্লেখযোগ্য বিষয় হলো GPT, Claude, Gemini ইত্যাদি কোনো বাহ্যিক LLM API একেবারেই ব্যবহার করা হয়নি। ক্লেভির বৈশিষ্ট্য হলো from scratch পদ্ধতিতে স্বাধীনভাবে তৈরি দুটি মডেল ব্যবহার করা।
cip-5.5-agent হৈছে এক এজেণ্টিক AI মডেল, যিয়ে জটিল কামসমূহ স্বয়ংক্ৰিয়ভাৱে পৰিকল্পনা (planning)·সম্পাদন (execution)·পৰীক্ষণ (verification) কৰা এজেণ্ট পাইপলাইনৰ মূল মস্তিষ্ক হিচাপে কাম কৰে। cip-5.5-mm হৈছে কণ্ঠ, ছবি, ভিডিঅ’ আদি বিভিন্ন ফাইল ফৰ্মেট বুজি যুক্তি প্ৰয়োগ কৰিব পৰা উচ্চ-ক্ষমতাসম্পন্ন সাধাৰণ মাল্টিম’ডেল মডেল। GAIA-ৰ বহু সংখ্যক প্ৰশ্নতে PDF, ছবি, অডিঅ’ ফাইল আদি অ-পাঠ্য ইনপুট অন্তৰ্ভুক্ত থকাৰ বাবে, এই মাল্টিম’ডেল ক্ষমতা উচ্চ নম্বৰ লাভৰ মূল কাৰণ হৈ পৰিছে।
ক্লেভিয়ে এই দুটা নিজা মডেলৰ ভিত্তিত ৫টা ভিন্ন এজেণ্ট কনফিগাৰেচন GAIA-ত অংশগ্ৰহণ কৰাইছিল, আৰু সকলোৱে ৭০-ৰ ওপৰত নম্বৰ লাভ কৰিছিল।
প্ৰতিষ্ঠানটোৰ ব্যাখ্যা অনুসৰি, ক্লেভিৰ আভ্যন্তৰীণ পৰৱৰ্তী পৰ্যালোচনাত এক আকৰ্ষণীয় ফলাফল পোৱা গৈছিল। মুঠ ৩০১টা প্ৰশ্নৰ ভিতৰত কিছুমানৰ সঠিক উত্তৰৰ ভিত্তি বৰ্তমান ৰাজহুৱা ৱেবত নোহোৱা হৈ গৈছে। পূৰ্বতে অনলাইন বা সন্ধান ইঞ্জিনত পোৱা তথ্য মচি পেলোৱা বা সলনি কৰা হৈছে আৰু সেয়েহে এতিয়া আৰু প্ৰৱেশযোগ্য নহয়। বৰ্তমান মানুহে ৰাজহুৱাভাৱে পৰীক্ষা কৰিব পৰা তথ্যৰ পৰিসৰৰ ভিতৰত পুনৰ মূল্যায়ন কৰোঁতে, ক্লেভিৰ সঠিক উত্তৰৰ হাৰ ৯৮%তকৈ অধিক বুলি দেখা গৈছে। এই সংখ্যা ইতিমধ্যে মানৱ গড় ৯২%তকৈ অধিক।
ক্লেভিৰ এজন বিষয়াই কয়, “ক্লেভিয়ে বাহ্যিক মডেলৰ মিশ্ৰণ নকৰাকৈ, from scratch নিজা মডেল আৰু নিজা AI এজেণ্ট সমাধানৰ জৰিয়তে ৫টা এজেণ্টৰ সকলোৱে 70+ নম্বৰ লাভ কৰি ৰাজহুৱা বেঞ্চমাৰ্কত শীৰ্ষ ২.৫%ত প্ৰৱেশ কৰিছে। ভৱিষ্যতে নিজা মডেল আৰু এজেণ্ট সমাধানৰ উন্নতিৰ জৰিয়তে চৰকাৰী নম্বৰতো আৰু উন্নতি সম্ভৱ বুলি ধাৰণা কৰা হৈছে। এই সাফল্যৰ গুৰুত্ব এই কথাত যে ই বিশ্বব্যাপী ৰাজহুৱা বেঞ্চমাৰ্কত প্ৰকৃত মাপৰ জৰিয়তে ‘প্ৰমাণিত বিশ্বাসযোগ্যতা’ দেখুৱাইছে, ই দেশীয় AI উন্নয়ন প্ৰতিষ্ঠানৰ from scratch নিজা মডেল-ভিত্তিক সাফল্য, বাহ্যিক মডেলৰ মিশ্ৰণ নহয় বৰঞ্চ স্বতন্ত্ৰ মডেল ষ্টেকৰ ফলাফল, আৰু কিছুমান প্ৰশ্নৰ তথ্য হেৰাই যোৱাৰ কথাও বিবেচনা কৰিলে নম্বৰতকৈ অধিক ব্যাখ্যামূলক মূল্য বহন কৰে।”