গণিতের সবচেয়ে কঠিন বেঞ্চমার্কগুলির একটিতে প্রতিটি সমস্যা সমাধান করতে সাধারণত দশহাজার ডলার খরচ হয়। NEAR AI শুধুমাত্র $111-এ এটি করে ফেলেছে।
২০২৬ সালের ৬ সেপ্টেম্বর, এনিয়ার প্রোটোকলের সহ-প্রতিষ্ঠাতা আলেক্স স্কিদানভ ঘোষণা করেন যে প্রকল্পটির ওপেন-সোর্স লিয়ান এজেন্টটি পুটনামবেঞ্চ বেঞ্চমার্কের সমস্ত ৬৭২টি সমস্যা সমাধান করেছে, যা উইলিয়াম লোয়েল পুটনাম গণিত প্রতিযোগিতা থেকে নেওয়া একটি সামগ্রী। মোট বিল: $111। দ্বিতীয় সস্তা জানা সাবমিশনটির খরচ 250 গুণ বেশি।
PutnamBench কী এবং এটি কেন গুরুত্বপূর্ণ
পুটনাম প্রতিযোগিতা উত্তর আমেরিকার সবচেয়ে সম্মানিত স্নাতক গণিত প্রতিযোগিতা। ব্রিলিয়ান্ট শিক্ষার্থীদের মধ্যেও শূন্য স্কোর পাওয়া অসাধারণ নয়। পরীক্ষাটি তোমাকে ভাঙার জন্য ডিজাইন করা হয়েছে।
2024 এ পরিচয় করিয়ে দেওয়া পুটনামবেঞ্চ সেই কঠিনতার ঐতিহ্যকে একটি ঔপচারিক মূল্যায়ন স্যুটে পরিণত করেছে যা AI উপপাদ্য-প্রমাণকারীদের জন্য। বেঞ্চমার্কটিতে 672টি সমস্যা Lean 4-এ এনকোড করা হয়েছে, যা একটি প্রমাণ সহায়ক ভাষা যা গাণিতিক যুক্তির মেশিন-যাচাইযোগ্য সূক্ষ্মতা প্রয়োজন। যদি কোনো প্রমাণ যুক্তিগতভাবে অস্পষ্ট হয়, তবে তা সম্পূর্ণরূপে অস্বীকৃত হবে, আংশিক পয়েন্ট দেওয়া হবে না।
NEAR AI-এর ফলাফলের আগে, PutnamBench চেষ্টা করা এজেন্টগুলি প্রতিটি সমস্যার জন্য প্রায় হাজার হাজার ইনফারেন্স কল প্রয়োজন হত। কম্পিউট খরচ দ্রুত বেড়ে যেত, যার ফলে শীর্ষস্থানীয় সিস্টেমগুলির জন্য পুরো বেঞ্চমার্ক চালানোর মোট ব্যয় $10,000 থেকে $25,000 পর্যন্ত হত।
NEAR AI-এর লিয়েন এজেন্ট $111-এ সম্পূর্ণ 672-সমস্যার সেট সম্পন্ন করেছে।
কেন খরচের ব্যবধানই প্রকৃত গল্প
প্রতিটি পূর্ণ রানের জন্য $10,000 থেকে $25,000 খরচ হলে, কেবলমাত্র কিছু সংস্থাই তাদের থিওরেম-প্রুভিং পাইপলাইন পুনরায় বিকাশ, পরীক্ষা এবং উন্নত করতে পারত। $111 হলে, এই গণনা সম্পূর্ণরূপে উল্টে যায়।
2025 এবং 2026 এর মধ্যে PutnamBench ফলাফলের দ্রুত উন্নতি ইতিমধ্যেই বড় ভাষা মডেল এবং Lean-এর প্রুফ-চেকিং ইঞ্জিনকে একত্রিত করে তৈরি করা এজেন্টিক ওয়ার্কফ্লো দ্বারা পরিচালিত হচ্ছিল। NEAR AI-এর পদ্ধতি সেই প্যাটার্নকে বিস্তারিত করে, কিন্তু বেঞ্চমার্ক সম্প্রদায়ের আগে কখনও দেখা যায়নি এমন একটি দক্ষতার স্তর যোগ করে।
NEAR AI এই অর্জনটিকে তাদের আইরনক্লক নামক একটি কনফিডেনশিয়াল এবং যাচায়নযোগ্য এআই-এর উপর ভিত্তি করে গড়ে উঠা ব্যাপক ইনফ্রাস্ট্রাকচার ভিশনের অংশ হিসেবে স্থান দিয়েছে। ফরমাল ভেরিফিকেশনের ক্ষমতা সরাসরি এই কাঠামোর সাথে মেলে: যদি আপনি মেশিন লেভেলে একটি গাণিতিক যুক্তির সঠিকতা প্রমাণ করতে পারেন, তাহলে আপনার কাছে এমন এআই সিস্টেমের জন্য একটি ভিত্তি রয়েছে যার আউটপুটকে বিশ্বাসের উপর নয়, বরং স্বতন্ত্রভাবে অডিট করা যাবে।
NEAR প্রোটোকলের লিয়ান এজেন্টকে ওপেন-সোর্স করার সিদ্ধান্তটি গুরুত্বকে আরও বাড়িয়ে দেয়। যেসব প্রোপ্রাইটারি টুলস 250x খরচের সুবিধা প্রদান করে, সেগুলো সাধারণত প্রোপ্রাইটারি হয়েই থাকে। এজেন্টকে ওপেন-সোর্স করা মানে যে পদ্ধতিটি যেকোনোর জন্য পরীক্ষা, বিস্তার এবং ব্যবহারের জন্য উপলব্ধ।