টেদারের বটপসাই এআই মডেল বেঞ্চমার্কে বড় মডেলগুলির চেয়ে ভালো পারফর্ম করে: যা জানা দরকার

টেদারের বটপসাই এআই মডেল বেঞ্চমার্কে বড় মডেলগুলির চেয়ে ভালো পারফর্ম করে: যা জানা দরকার

কাস্টম ইমেজ
টেথার, USDT স্টেবলকয়েন-এর প্রতিষ্ঠাতা, QVAC BotPsy-0.8B নামক একটি কম্প্যাক্ট এআই মডেল চালু করে তাদের কৃত্রিম বুদ্ধিমত্তা গবেষণা বিস্তার করেছে, যা কিছু এজেন্টিক বেঞ্চমার্কে বড় প্রতিদ্বন্দ্বীদের উপর অতিক্রম করেছে বলে দাবি করা হয়েছে। ২০২৬ সালের ১১ নভেম্বরে ঘোষিত, এই ৮০০ মিলিয়ন-প্যারামিটার মডেলটি Tether-এর মূল্যায়ন অনুযায়ী, ছয়টির মধ্যে পাঁচটি নির্বাচিত পরীক্ষায় Alibaba-এর Qwen3.5-2B-কে ছাড়িয়েছে। ফলাফলগুলি সফটওয়্যার কমান্ড চালানোর এবং একাধিক-পদক্ষেপের কাজ পরিচালনা করতে সক্ষম ছোট, বিশেষায়িত এআই সিস্টেমগুলির প্রতি বৃদ্ধি পাওয়া আগ্রহকে বোঝায়। তবে, বেঞ্চমার্কের তুলনা, বাস্তব-জগতের নির্ভরযোগ্যতা এবং নিরাপত্তা সম্পর্কে প্রশ্নগুলি এখনও অবশিষ্ট। BotPsy-এর আর্কিটেকচার, প্রশিক্ষণ পদ্ধতি, পারফরম্যান্সের ফলাফল এবং Tether-এর ব্যাপক QVAC কৌশলের সঙ্গে এর সম্পর্ককে বুঝা, এটির সম্ভাব্য গুরুত্বের পরিষ্কার চিত্র প্রদান করে।

প্রধান বিষয়গুলি

  • টেথার এআই রিসার্চ ১১ নভেম্বর, ২০২৬-এ QVAC BotPsy-0.8B চালু করে, যা টুল কলিং এবং মাল্টি-স্টেপ টাস্ক অটোমেশনের জন্য ডিজাইন করা ৮০০ মিলিয়ন প্যারামিটারের এআই মডেল।
  • টেথারের মূল্যায়নে, বটপসি ছয়টি এজেন্টিক বেঞ্চমার্কের মধ্যে পাঁচটিতে বড় Qwen3.5-2B মডেলকে পরাজিত করেছে, যা বিশেষায়িত এআই কাজগুলিতে এর সুবিধাগুলির প্রমাণ করে।
  • মডেলটি নির্দেশনা অনুসরণ, ফাংশন কল এবং কাজ সম্পাদন উন্নত করতে সুপারভাইজড ফাইন-টিউনিং, জ্ঞান ডিস্টিলেশন এবং শক্তিশালী শেখা ব্যবহার করে।
  • BotPsy স্থানীয় AI ডিপ্লয়মেন্টকে ডাউনলোডযোগ্য, কোয়ান্টাইজড মডেল ফরম্যাটের মাধ্যমে সমর্থন করে, যা কেন্দ্রীয় ক্লাউড ইনফ্রাস্ট্রাকচারের উপর নির্ভরশীলতা কমাতে পারে।
  • এর বেঞ্চমার্ক পারফরম্যান্সের প্রতিকূলে, বটপসি জটিল যুক্তিবিদ্যা, বহুভাষিক কাজ, তথ্য অনুসন্ধান এবং নিরাপত্তা-সংবেদনশীল অ্যাপ্লিকেশনগুলিতে সীমাবদ্ধতা বহন করে।
  • টেদারের ব্যাপক QVAC উদ্যোগটি ডিসেন্ট্রালাইজড, গোপনীয়তা-কেন্দ্রিক এআই ক্ষমতা বাড়ানোর লক্ষ্যে চলেছে, যদিও বাণিজ্যিক গ্রহণ এবং বাস্তব জীবনের নির্ভরযোগ্যতা এখনও অনিশ্চিত।

টেথারের বটপসাই এআই মডেল কী এবং এটি কিভাবে কাজ করে?

টেথারের বটপসি এআই মডেল, যার ঔপচারিক নাম QVAC BotPsy-0.8B, হল একটি ওপেন-ওয়েট কৃত্রিম বুদ্ধিমত্তা সিস্টেম যা টুল কলিং এবং মাল্টি-স্টেপ অটোমেশনের মাধ্যমে দৈনন্দিন কাজ সম্পাদনের জন্য ডিজাইন করা হয়েছে। ২০২৬ সালের ১১ নভেম্বরে টেথার এআই রিসার্চ কর্তৃক ঘোষিত, এই মডেলটিতে ৮০০ মিলিয়ন প্যারামিটার রয়েছে এবং এটি আলিবাবার Qwen3.5-0.8B আর্কিটেকচারের উপর ভিত্তি করে তৈরি। সাধারণ চ্যাটবটগুলির মতো শুধুমাত্র টেক্সট প্রতিক্রিয়া তৈরির পরিবর্তে, বটপসি অ্যাপ্লিকেশনের সাথে ইন্টারঅ্যাক্ট করতে, কমান্ড বাস্তবায়ন করতে এবং ক্যালেন্ডার, ইমেইল, ফাইল এবং ডিভাইস সেটিংসসহ কাজগুলি সম্পন্ন করতে ডিজাইন করা হয়েছে। টেথারের প্রকাশিত মূল্যায়নে, বটপসি ৬টির ৫টি এজেন্টিক বেঞ্চমার্কে Qwen3.5-2B মডেলকে পরাজিত করেছে, যা স্থানীয় ডিপ্লয়মেন্টের জন্য বিশেষায়িত ছোট AI মডেলগুলির সম্ভাবনা উজ্জ্বলভাবে প্রকাশ করে।

বটপসি কিভাবে এআই টুল কলিং ব্যবহার করে দৈনন্দিন কাজ সম্পন্ন করে

BotPsy একটি প্রক্রিয়ার মাধ্যমে কাজ করে যাকে AI টুল কলিং বলা হয়, যা একটি ভাষা মডেলকে শুধুমাত্র প্রশ্নের উত্তর দেওয়ার পরিবর্তে সফটওয়্যার অ্যাপ্লিকেশনগুলির থেকে কার্যগুলি নির্বাচন এবং অনুরোধ করতে সক্ষম করে। উদাহরণস্বরূপ, যখন একজন ব্যবহারকারী একটি মিটিং সময়সূচীতে যোগ করতে সহায়তা চায়, BotPsy উপযুক্ত ক্যালেন্ডার ফাংশনটি শনাক্ত করতে, প্রয়োজনীয় আর্গুমেন্টগুলি তৈরি করতে এবং অ্যাপ্লিকেশনটি দ্বারা ফেরত আসা ফলাফলগুলি ব্যাখ্যা করতে পারে। আরও জটিল অনুরোধগুলির মধ্যে কয়েকটি সংযুক্ত কার্যক্রম অন্তর্ভুক্ত থাকতে পারে, যেমন: উপলব্ধতা পরীক্ষা, সময়সূচীর দ্বন্দ্ব সমাধান, চুক্তিগুলি আপডেট করা, এবং মনে করিয়ে দেওয়া। মডেলটি মেসেজিং, ডকুমেন্ট ম্যানেজমেন্ট,ওয়েব অনুসন্ধান,এবংডিভাইস নিয়ন্ত্রণেরজন্যসমর্থিতফাংশনগুলিওসহযোগিতাকরতেপারে। AI agents in cryptoএরমধ্যেঅনুরূপটুল-ভিত্তিকক্ষমতাগুলিকেঅনুসন্ধানকরাহচ্ছে,যদিওBotPsy-এরনথিভুক্তঅ্যাপ্লিকেশনগুলিব্লকচেইনলেনদেওয়াবদলেসাধারণসফটওয়্যারকাজগুলিতেফোকাসকরে।তবে,এইকার্যগুলিসম্পন্নকরতেBotPsy-এরআগেহোস্টঅ্যাপ্লিকেশনটিকেটুল,অনুমতি,এবংএকিউটিশনপরিবেশপ্রদানকরতেহবে।
 
একটি বিশেষ বৈশিষ্ট্য হলো BotPsy-এর ক্ষমতা যা একটি চেষ্টাকৃত কাজ ব্যর্থ হলে প্রতিক্রিয়া জানায়। Tether দ্বারা বর্ণিত একটি ACEBench মূল্যায়নে, মডেলকে একটি মিটিং মনে করিয়ে দেওয়ার জন্য বলা হয়েছিল, কিন্তু দুটি সমস্যা দেখা দেয়: Wi-Fi অক্ষম ছিল, এবং মেসেজিং ইনবক্সটি পূর্ণ ছিল। ব্যর্থ অপারেশনটি পুনরাবৃত্তি করার পরিবর্তে, BotPsy Wi-Fi সক্রিয় করে, ইনবক্সের জায়গা পরিষ্কার করে, এবং মেসেজ পাঠানোর কাজটি সম্পন্ন করে। একই পরিস্থিতিতে অধীনস্থ Qwen3.5-0.8B মডেলটি অসফলভাবেই পুনরায় চেষ্টা করতে থাকে। এই উদাহরণটি দেখায় যে কেন অ্যাপ্লিকেশনের সাথে tương tác করা AI এজেন্টদের জন্য একাধিক-পদক্ষেপের যুক্তি এবং ত্রুটির পুনরুদ্ধারগুলি গুরুত্বপূর্ণ। তবুও, প্রদর্শিত আচরণটি একটি নিয়ন্ত্রিত বেঞ্চমার্ক থেকে আসে, এবং এটি প্রতিটি বাস্তব-বিশ্বের অ্যাপ্লিকেশনের জন্য reliable performance-এর প্রমাণ দেয়না।

BotPsy-এর Qwen3.5 আর্কিটেকচার এবং ডিভাইস-অন-এআই ক্ষমতা

BotPsy এর ভিত্তি হিসেবে Alibaba-এর Qwen3.5-0.8B ব্যবহার করা হয়েছে, যা একটি সংক্ষিপ্ত আর্কিটেকচার বজায় রাখে এবং এজেন্টিক ওয়ার্কফ্লোর জন্য এর আচরণকে বিশেষায়িত করে। এর 800 মিলিয়ন-প্যারামিটার আকার, তুলনামূলকভাবে অনেক বড় ভাষা মডেলের সাথে তুলনা করলে, মডেল ওজন সংরক্ষণের সাথে জড়িত মেমোরির প্রয়োজনীয়তা কমিয়ে দেয়, যা এটিকে স্মার্টফোন, ল্যাপটপ এবং ব্যক্তিগত কম্পিউটারে ডিপ্লয়মেন্টের জন্য উপযুক্ত করে তোলে। Tether Hugging Face-এর মাধ্যমে Apache 2.0 লাইসেন্সের অধীনে মডেলের ওজন প্রকাশ করেছে, যার ফলে ডেভেলপাররা এই মডেলটিকে সামঞ্জস্যপূর্ণ অ্যাপ্লিকেশনগুলিতে একীভূত করতে পারবেন। GGUF-কোয়ান্টাইজড ভার্সনগুলিও উপলব্ধ, যার মধ্যে Q4_K_M মডেল ফাইলটি প্রায় 0.53 GB। এই ছোট ফরম্যাটগুলি সংরক্ষণ এবং মেমোরির চাহিদা কমিয়ে দিতে পারে, তবে বাস্তবিক ইনফারেন্স গতি এবং হার্ডওয়্যার সামঞ্জস্যতা ডিভাইস এবং সফটওয়্যার কনফিগারেশনেরউপর নির্ভরশীল।
 
এই রিলিজটি টেদারের ব্যাপক QVAC (QuantumVerse Automatic Computer) প্রকল্পকেও সমর্থন করে, যা ব্যবহারকারী-নিয়ন্ত্রিত হার্ডওয়্যারে কাজ করার জন্য বিশেষায়িত এআই সিস্টেম বিকাশের উপর ফোকাস করে। স্থানীয় ইনফারেন্স ব্যবহারকারীর অনুরোধ কেন্দ্রীয় এআই প্রদানকারীদের কাছে প্রেরণের প্রয়োজনীয়তা কমিয়ে দিতে পারে, যা সম্ভবত ব্যক্তিগতভাবে সংবেদনশীল তথ্য এবং অ্যাপ্লিকেশন ডেটা নিয়ন্ত্রণের জন্য ব্যবহারকারীদের বেশি নিয়ন্ত্রণ দেয়। তবে,ওয়েব অনুসন্ধান, মেসেজিং, এবং অনলাইন বুকিংয়ের মতো বাহ্যিক ফাংশনগুলির জন্য এখনও নেটওয়ার্ক সংযোগ এবং তৃতীয়-পক্ষের সেবাগুলির প্রবেশাধিকারের প্রয়োজন হতে পারে। BotPsy বর্তমানে একটি ডেভেলপার-উন্মুখী মডেল হিসাবে বিতরণ করা হচ্ছে, এটি একটি সম্পূর্ণ ভোক্তা-সহায়ক নয়,এবং Tether-এর দীর্ঘমেয়াদী দৃষ্টিভঙ্গির মধ্যে স্মার্টফোন,ব্যক্তিগতকম্পিউটার,এবং বিশ্বস্ত peer-to-peer ইনফ্রাস্ট্রাকচারকে সংযুক্ত করা অন্তর্ভুক্ত।এর ব্যবহারিকগুরুত্বহলএটিদেখানোযেকমপ্যাকট,কাজ-কেন্দ্রিকএআইমডেলগুলিকিভাবেবড়ক্লাউড-হোস্টেডভাষামডেলগুলিরউপরপুরোপুরিভিত্তিরহীনভাবেআরওক্ষমব্যক্তিগতসহায়কদেরসমর্থনকরতপারে।

টেদার বটপসি বনাম Qwen3.5-2B: বেঞ্চমার্ক ফলাফল এবং পারফরম্যান্স তুলনা

টেদারের বটসাই এআই মডেলটি ২০২৬ সালের ১১ নভেম্বরে প্রকাশিত ছয়টি এজেন্টিক বেঞ্চমার্কের মধ্যে পাঁচটিতে আলিবাবার বড় Qwen3.5-2B-Think এর চেয়ে শ্রেষ্ঠ পারফরম্যান্স দেখিয়েছে। Qwen-এর 2 বিলিয়নের তুলনায় কেবল 800 মিলিয়ন প্যারামিটার থাকা সত্ত্বেও, বটসাই ফাংশন কলিং, মাল্টি-স্টেপ টাস্ক এক্সিকিউশন এবং টুল-ভিত্তিক সমস্যা সমাধানে উচ্চতর স্কোর অর্জন করেছে। টেদার এআই রিসার্চের প্রযুক্তিগত মূল্যায়ন অনুযায়ী, বটসাই 45.0 এর একটি অনুজ্জ্বল গড় স্কোর অর্জন করেছে, যা Qwen3.5-2B-Think-এর 38.8 এবং এর ভিত্তি Qwen3.5-0.8B মডেলের 24.7-এর চেয়ে বেশি। এই ফলাফলগুলি বিশেষায়িত এআই প্রশিক্ষণের সম্ভাব্য সুবিধাগুলির প্রমাণ দেয়, যদিও এই তুলনা সমগ্র কৃত্রিম বুদ্ধিমত্তা ক্ষমতার পরিবর্তে নির্বাচিত বেঞ্চমার্কগুলিকেই প্রতিফলিত করে।

BotPsy বনাম Qwen3.5-2B বেঞ্চমার্ক স্কোর এবং টুল-কলিং পারফরম্যান্স

বটপসি একাধিক ইন্টারঅ্যাকশনের মধ্যে এআই এজেন্টগুলির টুল নির্বাচন, কমান্ড বাস্তবায়ন এবং কাজ সম্পন্ন করার দক্ষতা পরিমাপের পরীক্ষাগুলিতে তার সর্বোচ্চ ফলাফল অর্জন করেছে। বার্কলে ফাংশন কলিং লিডারবোর্ড (BFCL v4)-এ, বটপসি 44.0 স্কোর করেছে, যা Qwen3.5-2B-Think-এর 37.7-এর চেয়ে বেশি, যখন এটির ACEBench স্কোর 58.7 এবং 55.4-এর বিপরীতে। ছোট মডেলটি τ-বেঞ্চেও শীর্ষে ছিল, 51.5 স্কোর করেছে, যা 46.5-এর বিপরীতে, এবং ToolSandbox-এ, যেখানে এটি 64.6 স্কোর করেছে, 41.2-এর বিপরীতে। BrowseComp-Plus-এর ফলাফলগুলি 4.5 বনাম 2.8-এর বিপরীতে বটপসির পক্ষে ছিল, যদিও উভয় স্কোরই জটিল তথ্য অনুসন্ধানের সাথে বড় কঠিনতা নির্দেশ করে। Qwen3.5-2B-Think Claw-Eval-এ 48.9 স্কোর করেছে, যা বটপসির 46.5-এর বিপরীতে। ছয়টি পরীক্ষার মধ্যে, Tether-এরওয়েটহীন বেঞ্চমার্কের ভিত্তিতে, বটপসির 평균 16% বেশি।
 
এই পারফরম্যান্সের ব্যবধানটি বিশেষভাবে চিহ্নিত হয়েছিল মাল্টি-টার্ন এজেন্টিক ওয়ার্কফ্লোগুলিতে, যেগুলিতে এআই মডেলগুলিকে প্রসঙ্গ বজায় রাখতে, পরিবর্তিত অবস্থাগুলি ব্যাখ্যা করতে এবং ক্রমাগত কার্যগুলি সমন্বয় করতে হয়। BFCL v4-এর মাল্টি-টার্ন মূল্যায়নে, BotPsy 46.1 স্কোর করেছে, যখন Qwen3.5-2B-Think-এর স্কোর 23.8 এবং এর মূল 0.8B বেস মডেলের স্কোর মাত্র 7.5। τ²-bench টেলিকমিউনিকেশনস টাস্কগুলিতে, BotPsy 82.5 স্কোর করেছে, যখন বড় Qwen মডেলটি 69.3 স্কোর করেছে, যা সমস্যা নির্ণয় এবং নীতির সীমাবদ্ধতা সহ পরিকল্পিত গ্রাহক-সমর্থন ইন্টারঅ্যাকশনগুলিতে শক্তিশালী পারফরম্যান্সের ইঙ্গিত দেয়। BotPsy BFCL-এর হ্যালুসিনেশন-ফোকাসড টেস্টগুলিতেও 86.1 স্কোর করেছে, যা মূল্যায়ন করে যে মডেলটি উপযুক্ত টুল না থাকলেও অনুপযুক্ত ফাংশন কলগুলি এড়ায়। এই ফলাফলগুলির প্রস্তাবনা, বিশেষায়িত পোস্ট-ট্রেনিংয়ের মাধ্যমে AI এজেন্টটির সফটওয়্যার টুলগুলি কখন এবং কিভাবে ব্যবহার করতে হবে, তা সম্পর্কে সিদ্ধান্তগুলির উন্নতি ঘটতে পারে, যদিওবাৎখামা-সফলতা অনির্দিষ্ট, বাস্তব-বিশ্বেরপরিবেশগুলিতেওএকইভাবেবিশ্বসনীয়তা guaranteedকরেনা।

কোথায় Qwen3.5-2B ভালো পারফর্ম করে এবং কেন বেঞ্চমার্ক পদ্ধতি গুরুত্বপূর্ণ

বটপসির নির্বাচিত টুল-ব্যবহার বেঞ্চমার্কে সুবিধা থাকা সত্ত্বেও, Qwen3.5-2B-Think ব্যাপক জ্ঞান মূল্যায়নে প্রায়শই অনেক বেশি শক্তিশালী। টেথারের মূল্যায়নে, বড় মডেলটি GPQA Diamond-এ 59.9 স্কোর করেছে, যা বটপসির 38.1-এর তুলনায় বেশি, এবং MMLU-Pro-এ 65.5 স্কোর করেছে, যা 48.9-এর তুলনায় বেশি। এই পরীক্ষাগুলি জ্ঞান-প্রধান যুক্তি এবং জটিল প্রশ্নের উত্তর দেওয়ার ক্ষমতা পরীক্ষা করে, যা প্রমাণ করে যে বিশেষায়িত এজেন্ট প্রশিক্ষণ মডেলের অতিরিক্ত ক্ষমতার সুবিধা বিলুপ্ত করতে পারে না।
 
একটি গুরুত্বপূর্ণ বিবেচ্য বিষয় হল মূল্যায়ন পদ্ধতির মধ্যে পার্থক্য। টেটার Qwen3.5-2B-Think-এর জন্য BFCL v4 স্কোর 37.7 প্রকাশ করেছে, যেখানে আলিবাবার অফিসিয়াল Qwen3.5-2B মডেল ডকুমেন্টেশনে তাদের নিজস্ব টেস্টিং কনফিগারেশনের অধীনে 43.6 উল্লেখ করা হয়েছে। ভিন্ন স্যাম্পলিং প্যারামিটার, প্রম্পটিং পদ্ধতি এবং মূল্যায়ন প্রক্রিয়াগুলি বেঞ্চমার্ক ফলাফলকে প্রভাবিত করতে পারে, যার অর্থ আলাদা শর্তের অধীনে উত্পন্ন স্কোরগুলিকে সমতুল্য পরিমাপ হিসাবে তুলনা করা উচিত নয়। তাই Tether-এর প্রকাশিত 44.0 BotPsy স্কোরকে Alibaba-এর 43.6-এর সঙ্গে সরাসরি বিজয় হিসাবে বিবেচনা করা উচিত নয়। ব্যাপকভাবে, ফোকাসড ট্রেনিংয়ের মাধ্যমে ছোট AI মডেলগুলি নির্দিষ্ট কাজগুলিতে বড় বিকল্পগুলির চেয়েও ভালোভাবে কাজ করতে পারে, যখন সামগ্রিক পারফরম্যান্সটি এখনও লোডওয়ার্ক, মূল্যায়নের শর্তাবলী এবং পরিমাপযোগ্য মডেলের ক্ষমতারউপর নির্ভরশীল।

টেদার কিভাবে বটপসাইকে এআই টুল কলিং এবং ডিভাইস-ভিত্তিক অ্যাপ্লিকেশনের জন্য প্রশিক্ষণ দিয়েছে

টেথার এআই রিসার্চ একটি চার-পর্যায়ের পোস্ট-ট্রেনিং প্রক্রিয়ার মাধ্যমে বটসাই তৈরি করেছে, যা মডেলের প্যারামিটার কাউন্ট বাড়ানো ছাড়াই এআই টুল কলিং, নির্দেশ অনুসরণ এবং যুক্তিসঙ্গত দক্ষতা উন্নত করার জন্য ডিজাইন করা হয়েছে। ২০২৬ সালের ১১ নভেম্বরের প্রযুক্তিগত রিপোর্টে এই প্রক্রিয়াটি বিস্তারিতভাবে বর্ণনা করা হয়েছে, যেখানে সুপারভাইজড ফাইন-টিউনিং, মাল্টি-টিচার জ্ঞান ডিস্টিলেশন এবং দুটি পর্যায়ের শক্তিশালীকরণ শিক্ষা একত্রিত করা হয়েছে। এই পদ্ধতির উদ্দেশ্য হলো সংকুচিত এআই মডেলগুলিকে সংগঠিত কমান্ডগুলি বাস্তবায়নে সহায়তা করা, যখন উপযুক্ত সাধারণ ক্ষমতা বজায় রাখা। এই উন্নয়নটি টেথারের ব্যাপক QVAC প্রকল্পকেও সমর্থন করে, যা ব্যক্তিগত ডিভাইসে চলমান বিশেষায়িত মডেলগুলির মাধ্যমে কেন্দ্রীয় এআই ইনফ্রাস্ট্রাকচারেরউপর নির্ভরশীলতা কমানোর লক্ষ্যে।

কিভাবে সুপারভাইজড ফাইন-টিউনিং, জ্ঞান ডিস্টিলেশন এবং রিইনফোর্সমেন্ট লার্নিং বটপসি উন্নত করেছে

প্রথম প্রশিক্ষণ পর্যায়ে সফল টুল ইন্টারঅ্যাকশনের উদাহরণ ব্যবহার করে সুপারভাইজড ফাইন-টিউনিং (SFT) করা হয়েছিল, যার মধ্যে রয়েছে ব্যক্তিগত কমান্ড, সমান্তরাল ফাংশন কল, বহু-পদক্ষেপ অপারেশন এবং এমন পরিস্থিতি যেখানে একটি এআই সহায়ককে অপ্রয়োজনীয় কাজগুলি এড়ানো উচিত। তারপর টেটার মাল্টি-টিচার অন-পলিসি ডিস্টিলেশন প্রয়োগ করে, যার ফলে BotPsy-এর টুল ব্যবহার, সাধারণ যুক্তি এবং নির্দেশ অনুসরণের জন্য প্রশিক্ষিত তিনটি বিশেষজ্ঞ Qwen3.5-4B শিক্ষক মডেলের কাছ থেকে শেখা সম্ভব হয়। এই প্রক্রিয়ায়, ছোট মডেলটি নিজেরই প্রতিক্রিয়াগুলি তৈরি করেছিল, যখন উপযুক্ত শিক্ষকটি টোকেন-স্তরের ফিডব্যাক প্রদান করেছিল। এটি AI-এর বিশেষীকরণের সাধারণ চ্যালেঞ্জগুলির মধ্যে একটি—লক্ষ্যযুক্ত কাজগুলিতে কর্মক্ষমতা উন্নতি করা—এর সমাধানে সহায়তা করেছিল, যখন ব্যাপকভাবে যুক্তি এবংজ্ঞানের ক্ষমতা অত্যধিকভাবে দুর্বল হয়ে পড়েনি। টেটারের প্রযুক্তিগত রিপোর্টটি ইঙ্গিত করেছে যে, ডিস্টিলেশনের পর্যায়টি প্রথমবারের SFT-এর সময় অবনতির মুখোমুখি হওয়া সাধারণ ক্ষমতাগুলিরও восстановление (পুনরুদ্ধার) करता है।
 
শেষ দুটি পর্যায়ে DAPO (ডিকাপল্ড ক্লিপ এবং ডাইনামিক স্যাম্পলিং পলিসি অপ্টিমাইজেশন) এর উপর ভিত্তি করে শক্তিশালী শেখা ব্যবহার করা হয়েছিল, যেখানে পুরস্কারগুলি পূর্বনির্ধারিত নিয়ম এবং স্বয়ংক্রিয় যাচাইকরণ দ্বারা নির্ধারিত হয়েছিল। প্রথম রাউন্ডটি সঠিক ফাংশন কলিং-এর উপর জোর দিয়েছিল, যার মধ্যে রয়েছে BotPsy কি সঠিক টুলটি বেছে নিয়েছে, বৈধ আর্গুমেন্টগুলি প্রদান করেছে কিনা এবং প্রয়োজনীয় আউটপুট ফরম্যাটটি অনুসরণ করেছে কিনা। প্রতিটি ভুল প্রতিক্রিয়াকে সমানভাবে বিবেচনা না করে, পুরস্কার ব্যবস্থাটি টুলের নাম এবং আর্গুমেন্টের মানগুলির সামঞ্জস্যতা এর জন্য আংশিক পুরস্কার প্রদান করেছিল, যা মডেলটিকে ভুলগুলির উপর আরও বিস্তারিত ফিডব্যাক দিয়েছিল। দ্বিতীয় রাউন্ডটি গণিত, কোডিং,জ্ঞানভিত্তিক প্রশ্ন, সংগঠিত আউটপুট,এবং পরিস্থিতি-ভিত্তিককর্মস্থলেরকাজগুলিরপ্রশিক্ষণকেবিস্তৃতকরেছিল।এইব্যাপকপদ্ধতিটিবিশেষায়িতএজেন্টব্যবহারকেসাধারণযুক্তিবোধেরসঙ্গেসমন্বয়করতেসাহায্যকরেছিল।Tether-এরমূল্যায়নঅনুযায়ী,BotPsy-এরIFEvalঅনুসরণ-নির্দেশস্কোরমূলমডেলেরজন্য59.7থেকেপ্রশিক্ষণেরপর90.8পর্যন্তবৃদ্ধিপেয়েছিল,যদিওএগুলিএখনওডেভেলপার-প্রতিবেদিতবেঞ্চমার্কফলাফল।

ডিভাইসে এআই দক্ষতা, বাস্তবায়নের সুযোগ, এবং ভবিষ্যতের কিউভ্যাক উন্নয়ন

BotPsy-এর প্রশিক্ষণের একটি গুরুত্বপূর্ণ ফলাফল হল এর অপ্রয়োজনীয় যুক্তিবিদ্যার হ্রাস, যা সীমিত কম্পিউটিং সম্পদ সহ ডিভাইসগুলিতে প্রতিক্রিয়ার দক্ষতা উন্নত করতে পারে। Tether-এর তুলনায় GPQA Diamond প্রশ্নগুলি, যেগুলি Tether-এর তুলনায় পাঁচটি মডেলের সবগুলিই সঠিকভাবে উত্তর দিয়েছে, BotPsy একটি গড় 3,690 যুক্তিবিদ্যা টোকেন তৈরি করেছে, যা এর মূল Qwen মডেলের 11,563-এর তুলনায় প্রায় 68% হ্রাস পেয়েছে। IFBench-এর উপর এর পুনরাবৃত্তি যুক্তিবিদ্যার হারও 22.9% থেকে 1.4% এ下降 করেছে। কম টোকেন তৈরি করলে গণনামূলক কাজ কমানো যায় এবং সম্ভবত ল্যাটেন্সি উন্নত হয়, তবে কোম্পানিটি গ্রাহকদের স্মার্টফোনগুলিতে সমতুল্য পারফরম্যান্সের উন্নতি প্রতিষ্ঠা করেনি। Tether-এর 2026 সালের 6–7 নভেম্বর Tether-এর GGUF মূল্যায়ন, NVIDIA H100 হার্ডওয়্যারের উপর পরিচালিত, প্রতিদিনের মোবাইল-ডিভাইসের গতির পরিবর্তে সংকুচিত মডেলের কর্মক্ষমতা সম্পর্কে প্রমাণ প্রদান করে। ডেভেলপারদের জন্য, এই দক্ষতা উন্নতিরা ক্লাউড-ইনফারেন্স, বাইরের API-এর মূল্য,এবং নিরবচ্ছিন্ন ইন্টারনেট-সংযোগেরউপরকমভিত্তিরসহস্থানীয়AIসহকারীদেরঅনুসন্ধানকরারসুযোগসৃষ্টিকরে।
 
BotPsy এছাড়াও Tether-এর ডিসেন্ট্রালাইজড এআই ইনফ্রাস্ট্রাকচারে বিস্তারের একটি আরও পদক্ষেপ প্রতিনিধিত্ব করে, যা ৯ এপ্রিল, ২০২৬-এ তাদের QVAC SDK-এর লঞ্চের পরে। কোম্পানির ভবিষ্যতের উন্নয়ন পরিকল্পনায় রয়েছে QVAC Fabric-এর মাধ্যমে গভীর স্থানীয় ব্যক্তিগতকরণ, Hypersearch-এর মাধ্যমে এনক্রিপ্টেড পিয়ার-টু-পিয়ার অনুসন্ধান ক্ষমতা, এবং স্মার্টফোন, হোম কম্পিউটার এবং বিশ্বস্ত নেটওয়ার্ক নোডগুলির মধ্যে টাস্ক অর্পণ। এই উন্নয়নগুলি শেষপর্যন্ত সংক্ষিপ্ত ভাষা মডেলগুলির সাথে বিশেষায়িত স্পিচ, দৃশ্য এবং অনুবাদ সিস্টেমগুলির সমন্বয়ে অ্যাপ্লিকেশনগুলির সমর্থন করতে পারে। তবে, Tether একটি সম্পূর্ণ একীভূত BotPsy সহায়কের জন্য একটি নিশ্চিত 商業 লঞ্চ সময়সূচি নির্ধারণ করেনি, এবং মডেলটির থেকে আয়ের পূর্বানুমান বা পরিমাপযোগ্য আর্থিক সুবিধা প্রকাশও করেনি। সম্ভাব্য বাজারের প্রভাবগুলির মধ্যে রয়েছে edge AI software-এ বড় প্রতিযোগিতা, কেন্দ্রীয় inference providers-এরউপর কম নির্ভরশীলতা, এবং privacy-focused applications-এর জন্য developers-এর জন্য নতুন সুযোগ। এইসবসুবিধাগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্যাওপদক্ষেপগুলি ্য

টেথার বটপসির সীমাবদ্ধতা, নিরাপত্তা ঝুঁকি এবং QVAC AI-এর ভবিষ্যতের দিকনির্দেশ

নির্বাচিত এআই এজেন্ট বেঞ্চমার্কে এর শক্তিশালী পারফরম্যান্সের বিপরীতে, টেথারের BotPsy-0.8B-এর জটিল কাজ সম্পাদন, তথ্য অনুসন্ধান, নিরাপত্তা এবং বাস্তব জগতের নির্ভরযোগ্যতা সংক্রান্ত গুরুতর সীমাবদ্ধতা রয়েছে। মডেলটি মূলত কম-থেকে-মধ্যম কঠিনতা বিশিষ্ট কাজের জন্য ডিজাইন করা হয়েছে, যা ব্যাপক যুক্তিসঙ্গত, সংবেদনশীল তথ্য বা স্বয়ংক্রিয় সিদ্ধান্তগ্রহণ প্রয়োজনীয় দাবিশীল ওয়ার্কফ্লোগুলির জন্য কমই উপযুক্ত। টেথারের ১১ নভেম্বর, ২০২৬-এর গবেষণা প্রতিবেদনে এই দুর্বলতাগুলি স্বীকার করা হয়েছে এবং QVAC বাস্তুতন্ত্রকে বিস্তারের পরিকল্পনা উল্লেখ করা হয়েছে। মডেলটির দীর্ঘমেয়াদী গুরুত্ব নির্ভর করবে এটির দক্ষতার সুবিধাগুলি কি ভবিষ্যতে ভিন্নভিন্ন গ্রাহক-ডিভাইসে নির্ভরযোগ্য অ্যাপ্লিকেশনে রূপান্তরিত হবে কিনা।

জটিল এআই কাজ এবং বহুভাষিক পারফরম্যান্সে সীমাবদ্ধতা

কাজগুলি আরও জটিল হয়ে উঠলে বটপসির কর্মক্ষমতা হ্রাস পায়, বিশেষ করে যখন একাধিক টুল, নির্দেশ বা তথ্যের উৎসকে সমন্বিত করতে হয়। টেথারের অ্যাপ্লিকেশন-লেভেল মূল্যায়নে, সাধারণ একক-টুল পরিস্থিতিতে মডেলটি 75 পাবে, কিন্তু জটিল ওয়ার্কফ্লোতে শুধুমাত্র 39.5 পায়। একাধিক ধাপবিশিষ্ট তথ্য অনুসন্ধান বিশেষভাবে চ্যালেঞ্জিং ছিল, যা 15 পয়েন্ট পায়, যখন সহজ অনুসন্ধান কাজগুলি 79 পায়। দীর্ঘ কথোপকথনের মধ্যে নির্দেশ অনুসরণের কর্মক্ষমতাও দুর্বল হয়ে পড়ে, এবং বহুভাষিক পরীক্ষায় ইংরেজি এবং অন্যান্য অনেক সমর্থিত ভাষার তুলনায় হিন্দিতে অনেক কম ফলাফল পাওয়া যায়। এই ফলাফলগুলির থেকে বোঝা যায় যে, ব্যবহারিক প্রয়োগগুলির জন্য কাজের জটিলতা সীমা, ফলব্যাক মেকানিজম, এবং মানব-পর্যবেক্ষণের প্রয়োজন হতে পারে, অনির্বিচারে স্বয়ংক্রিয়করণের পরিবর্তে।

এআই এজেন্টের জন্য নিরাপত্তা দুর্বলতা এবং গোপনীয়তা চ্যালেঞ্জ

সিকিউরিটি এখনও অটোনোমাস এআই সহায়কদের জন্য একটি প্রধান বাধা, কারণ টুল-কলিং মডেলগুলি বাহ্যিক তথ্যের সাথে মিথস্ক্রিয়া করতে পারে এবং প্রায়শই গুরুতরপূর্ণ কাজগুলি সম্পাদন করতে পারে। টেথারের অটোমেটেড সেফটি মূল্যায়নে, BotPsy ক্ষতিকর-অনুরোধ পরীক্ষার 21% এবং প্রম্পট-ইনজেকশন পরীক্ষার 31% এ অনিরাপদ প্রতিক্রিয়া তৈরি করেছে, যা দেখিয়েছে যে বিশেষজ্ঞ প্রশিক্ষণ সিকিউরিটি ভঙ্গুরতা দূর করেনি। প্রম্পট ইনজেকশন বিশেষভাবে চিন্তার বিষয়, যখন একটি এআই এজেন্ট ইমেইল,ওয়েবপেজ বা অন্যান্য অবিশ্বস্ত উপাদানে অন্তর্ভুক্ত ক্ষতিকারক নির্দেশগুলিকে বৈধ কমান্ড হিসেবে ব্যাখ্যা করে। যদিও লোকাল প্রসেসিংয়ের মাধ্যমে ক্লাউড ইনফ্রাস্ট্রাকচারের উপর নির্ভরশীলতা সীমিত করা যায়, তবুও এটি অননুমোদিত টুল অ্যাকশন, ডেটা প্রকাশ, বা দুর্বলতা-পূর্ণ ইন্টিগ্রেশনগুলির প্রতিরোধের জন্য স্বয়ংক্রিয়ভাবেই পর্যাপ্ত নয়। উৎপাদন-স্তরের বাস্তবায়নগুলির জন্য অনুমতি-নিয়ন্ত্রণ,সীমিত টুল-অ্যাকসেস,ক্রেডেনশিয়ালগুলির নিরাপদভাবে পরিচালনা,এবং সংবেদনশীলঅপারেশনগুলিরআগেব্যবহারকারী-যাচাইকরণপ্রয়োজন।টেথারস্পষ্টভাবেBotPsyকেউচ্চ-ঝুঁকিপূর্ণআর্থিক,চিকিৎসা,বাঅন্যান্যসংবেদনশীলসিদ্ধান্তগুলিরজন্যব্যবহারকরবেননা।

ভবিষ্যতের QVAC AI উন্নয়ন এবং সম্ভাব্য বাজার প্রভাব

টেদারের দীর্ঘমেয়াদী QVAC কৌশলের মধ্যে রয়েছে QVAC Fabric এর মতো প্রযুক্তির মাধ্যমে স্থানীয় AI ক্ষমতা বাড়ানো, যা ডিভাইস-ভিত্তিক মডেল কাস্টমাইজেশনকে সমর্থন করে, এবং Hypersearch, যা ডিসেন্ট্রালাইজড তথ্য অনুসন্ধানকে শক্তিশালী করার উদ্দেশ্যে তৈরি। ভবিষ্যতের উন্নয়নের কল্পনা করা হয়েছে স্মার্টফোন, ব্যক্তিগত কম্পিউটার এবং বিশ্বস্ত পি-টু-পি কম্পিউটিং সম্পদের মধ্যে সমন্বয়ের, যা ছোট ডিভাইসগুলিকে কেন্দ্রীয় AI সেবাগুলির উপর নির্ভরশীল না হয়েও চাপযুক্ত কাজগুলি হস্তান্তর করার সম্ভাবনা তৈরি করতে পারে। এই ক্ষমতাগুলি গোপনীয়তা-কেন্দ্রিক উৎপাদনশীলতা সফটওয়্যার, এন্টারপ্রাইজ অটোমেশন, এবং ক্লাউড-ভিত্তিক ইনফারেন্সের বিকল্প খুঁজছেন এমন ডেভেলপারদের জন্য সুযোগ তৈরি করতে পারে। AI এবং crypto-এর বিস্তৃত একীভবনও ডিসেন্ট্রালাইজড কম্পিউটিং এবংবিকল্প ডিজিটাল বিজনেস মডেলগুলির প্রতি আগ্রহকে জাগিয়েছে, যদিও BotPsy-এর টোকেন একীভবনের ঘোষণা করা হয়নি। t, Tether BotPsy-এর একটি 완全 통합된 소비자 어시스턴트의 정확한 타임라인을 발표하지 않았으며, 그 채택과 관련된 수익 예측도 공개 করেনি। ভবিষ্যতের অগ্রগতি n 독립적 평가, 모바일 하드웨어 성능, 안전한 소프트웨어 통합, 개발자 참여 및 에이전트 워크플로우가 더 복잡해질수록 신뢰성을 유지할 수 있는 능력에 달려 있다.

সিদ্ধান্ত

টেথারের BotPsy-0.8B দেখায় কিভাবে বিশেষায়িত প্রশিক্ষণ ছোট এআই মডেলগুলিকে টুল কলিং, নির্দেশ অনুসরণ এবং বহু-পদক্ষেপ অটোমেশনে বড় বিকল্পগুলির সাথে প্রতিযোগিতা করতে সাহায্য করে। ছয়টি এজেন্টিক বেঞ্চমার্কের মধ্যে পাঁচটিতে এর প্রতিবেদিত বিজয় দক্ষ এআই উন্নয়নে অগ্রগতির ইঙ্গিত দেয়, যখন এর সংক্ষিপ্ত আর্কিটেকচার টেথারের ডিভাইস-ভিত্তিক এবং ডিসেন্ট্রালাইজড কৃত্রিম বুদ্ধিমত্তার ব্যাপক লক্ষ্যকে সমর্থন করে। তবুও, BotPsy-এর বেঞ্চমার্ক সাফল্যগুলি সমস্ত এআই কাজের উপর শ্রেষ্ঠত্ব প্রতিষ্ঠা করে না এবং বাস্তব-বিশ্বের নির্ভরযোগ্যতা নিশ্চিত করে না। সুরক্ষা ভঙ্গুরতা, জটিল ওয়ার্কফ্লোয়ের সীমাবদ্ধতা, এবং 독립ভাবে যাচাইকৃত গ্রাহক-ডিভাইসের পারফরম্যান্সের অভাব এখনও গুরুত্বপূর্ণ চ্যালেঞ্জ। যখন টেথার QVAC বাস্তুতন্ত্রের উন্নয়নে এগিয়ে যাচ্ছে, মডেলটির দীর্ঘমেয়াদী গুরুত্ব নির্ভর করবে এই পরীক্ষামূলক সুবিধাগুলি নিরাপদ, ব্যবহারযোগ্য, এবং ।

প্রায়শই জিজ্ঞাসিত প্রশ্নাবল�

ব্যবহারকারীরা টেথারের বটপসাই এআই মডেল কোথায় ডাউনলোড করতে পারেন?

টেথারের BotPsy-0.8B হাগিং ফেসে স্ট্যান্ডার্ড মডেল-ওয়েট এবং GGUF ফরম্যাটে পাবলিকভাবে উপলব্ধ। ডেভেলপাররা মডেলটি ডাউনলোড করতে পারেন, এর ডকুমেন্টেশন পর্যালোচনা করতে পারেন এবং একটি প্রপ্রাইটারি মডেল API-এর উপর নির্ভর করা ছাড়াই এটিকে সামঞ্জস্যপূর্ণ স্থানীয় AI অ্যাপ্লিকেশনগুলিতে একীভূত করতে পারেন।

টেথার বটপসি কমার্শিয়াল প্রকল্পের জন্য বিনামূল্যে ব্যবহার করা যায়?

BotPsy এপাচি 2.0 লাইসেন্সের অধীনে প্রকাশিত হয়েছে, যা সাধারণত বাণিজ্যিক ব্যবহার, পরিবর্তন এবং পুনর্বিতরণ অনুমতি দেয়, লাইসেন্সের শর্তাবলীর অধীনে। ডেভেলপারদের প্রযোজ্য তৃতীয় পক্ষের লাইসেন্স, ডেটা-সংরক্ষণ প্রয়োজনীয়তা এবং অন্যান্য প্রাসঙ্গিক আইনগুলির সাথে সঙ্গতি রাখার দায়িত্ব রয়েছে।

স্থানীয়ভাবে BotPsy চালানোর জন্য কোন সফটওয়্যার সমর্থন করে?

BotPsy সাধারণ এআই ইনফারেন্স ফ্রেমওয়ার্কগুলি সমর্থন করে, যার মধ্যে রয়েছে Hugging Face Transformers, llama.cpp, vLLM এবং Ollama-সঙ্গতিপূর্ণ GGUF ডিপ্লয়মেন্ট। ডেভেলপারদের উপযুক্ত রানটাইম এবং টুল ইন্টিগ্রেশন কনফিগার করতে হবে, যখন পারফরম্যান্স উপলব্ধ হার্ডওয়্যার এবং মডেল সেটিংসের উপর নির্ভর করে।

BotPsy-এর জন্য কত স্টোরেজ এবং মেমোরি প্রয়োজন?

প্রকাশিত BotPsy GGUF ফাইলগুলি প্রায় 0.53 জিবি থেকে 1.52 জিবি পর্যন্ত পরিসরে রয়েছে, যা নির্ভুলতার উপর নির্ভর করে। তবে, এগুলি মডেল ফাইলের আকার, মোট RAM প্রয়োজনীয়তার নয়। প্রকৃত মেমোরি ব্যবহারও ইনফারেন্স ইঞ্জিন, কনটেক্সট দৈর্ঘ্য এবং রানটাইম ওভারহেডের উপর নির্ভর করে।

বটপসি কাজ করতে ইন্টারনেট কানেকশনের প্রয়োজন হয় কি?

একবার মডেল এবং প্রয়োজনীয় সফটওয়্যার ইনস্টল করার পর, BotPsy একটি নিরবচ্ছিন্ন ইন্টারনেট সংযোগ ছাড়াই স্থানীয়ভাবে প্রতিক্রিয়া তৈরি করতে পারে। তবে, অনলাইন অনুসন্ধান, ক্লাউড অ্যাপ্লিকেশন বা রিমোট সেবাগুলির সাথে সম্পর্কিত অপারেশনগুলির জন্য এখনও নেটওয়ার্ক অ্যাক্সেসের প্রয়োজন হয়। অফলাইন ইনফারেন্স স্বয়ংক্রিয়ভাবে প্রতিটি সংযুক্ত ওয়ার্কফ্লোকে অফলাইন করে তোলে না।
 
দায়বদ্ধতা হ্রাস: এই সাধারণ বাজার তথ্য, যা সম্ভবত তৃতীয় পক্ষ, বাণিজ্যিক বা স্পনসরকৃত উৎস থেকে আসে, শুধুমাত্র রেফারেন্স এবং শিক্ষামূলক উদ্দেশ্যে প্রদান করা হয়েছে এবং এটি আর্থিক বা বিনিয়োগ পরামর্শ, অফার, আহ্বান বা গ্যারান্টি হিসেবে কাজ করে না। আমরা এর সঠিকতা, পূর্ণতা, বিশ্বস্ততা এবং যেকোনো ফলাফলের ক্ষতির জন্য দায়বদ্ধতা অস্বীকার করি। বিনিয়োগ/ট্রেডিংয়ের ঝুঁকি রয়েছে; অতীতের পারফরম্যান্স ভবিষ্যতের ফলাফলের গ্যারান্টি দেয় না। ব্যবহারকারীদেরকে গবেষণা করতে, সতর্কভাবে বিচার করতে এবং পূর্ণাঙ্গভাবে দায়িত্ব নিতে হবে। আরও বিস্তারিতের জন্য, KuCoin-এর Terms of Use এবং Risk Disclosure পরামর্শ করুন।

ডিসক্লেইমার: আপনার সুবিধার্থে এই পৃষ্ঠাটি AI প্রযুক্তি ব্যবহার করে অনুবাদ করা হয়েছে। সবচেয়ে সঠিক তথ্যের জন্য, মূল ইংরেজি সংস্করণটি দেখুন।