ওপেনসায়েন্স টার্মিনাল-বেঞ্চ সায়েন্সে ৭৫.৭% স্কোর অর্জন করে, কোডেককে পরাজিত করে

ME AI সংবাদ, Y Combinator 2026 শীতকালীন ব্যাচ (YC W26) কোম্পানি Synthetic Sciences আনুষ্ঠানিকভাবে ওপেন-সোর্স বৈজ্ঞানিক Agent OpenScience প্রকাশ করেছে। এটি গবেষণা পত্র খোঁজা, ডেটা প্রক্রিয়াকরণ, কোড লেখা এবং বৈজ্ঞানিক ডেটাবেস কল করতে পারে, এবং নতুনভাবে যোগ করা Autoresearch ফিচারটি AI-কে নিজেই ধারাবাহিকভাবে পরীক্ষা চালানোর অনুমতি দেয়। উদাহরণস্বরূপ, একটি মডেল ট্রেন করার সময়, গবেষকদের শুধুমাত্র বলতে হবে “ভ্যালিডেশন সেটের loss-এর মান কমিয়ে আনো।” OpenScience প্রথমে বেসলাইন চালাবে, তারপর নিজেই মডিফিকেশনের প্রস্তাব দেবে, এবং ধাপে ধাপে পরীক্ষা চালাবে। ফলাফল ভালো হলে সেটি রাখা হবে, খারাপ হলে পূর্ববর্তী অবস্থায় ফিরে যাওয়া হবে, এবং আগের ফলাফলগুলির ভিত্তিতে পরবর্তী পরীক্ষা কীভাবে চালানো হবে, তা নির্ধারণ করা হবে। ব্যবহারকারীরা পূর্বনির্ধারিতভাবে চলার সংখ্যা, মোট সময়সীমা, এবং বন্ধের শর্তগুলিও সীমিত করতে পারেন, ।অথবা “পরবর্তীতে শুধুমাত্র optimizer-এরই পরিবর্তন” —এইভাবেও । OpenScience-এর মাধ্যমে, ।গবেষকদের ।পুনঃপুনঃ ।পর্যবেক্ষণ ।করতে ।হওয়া ।পরীক্ষা ।পুনরাবৃত্তি ।স্বয়ংক্রিয়ভাবে ।হয়ে ।গেছে: ।প্রস্তাব ।প্রস্তুত ।করা, ।পরীক্ষা ।চালানো, ।মাপদণ্ড ।তুলনা ।করা, ।অসফল ।প্রস্তাব ।বাদ ।দেওয়া, ।এবং ।পরবর্তী ।চক্র ।শুরু ।করা। ।পরীক্ষা ।স্থানীয়ভাবে ।চলতে ।পারে, ।অথবা ।দূরবর্তী ।GPU, ।SSH ।সার্ভার, ।এবং ।Slurm/PBS ।ক্লাস্টারগুলিতে ।দিয়ে ।দেওয়া ।যেতে ।পারে। ।প্রতিটি ।পরীক্ষা ।চক্রের ।কোড, ।ফলাফল, ।এবং ।সিদ্ধান্তগুলি ।সংরক্ষিত ।থাকবে, ।যা ।পরবর্তীতে ।পরীক্ষা-নিরীক্ষা ।করতে ।সহজতর ।করবে। এটি ChatGPT/Codex-এর সদস্যতা-এর ।সঙ্গে ।সরাসরি ।লগইন ।করতে ।পারে, ।অথবা ।আপনার ।নিজস্ব ।API ।কি, ।স্থানীয় ।মডেল, ।অথবা ।ঔপচারিকভাবে ।প্রদত্ত ।পয়েন্ট-অন-ডিমান্ড Ace-এও ।যোগযোগ ।করতে ।পারে। ঔপচারিকভাবে ।পরীক্ষা-নিরীক্ষা-এ, OpenScience-এর Terminal-Bench Science-এর 70টি টাস্ক-এর 中, .53টি .সম্পন্ন .হয়েছিল, .75.7% .স্কোর .পেয়েছিল. .এই .তুলনায়, .Codex + GPT-6 Astra-এর .প্রকাশিত .ফলাফল .68.1% .ছিল. (উৎস: BlockBeats)