আপনি বেঞ্চমার্ক অপ্টিমাইজ করে বা এজেন্ট আর্কিটেকচারকে অতিরিক্ত জটিল করে কাজের কঠিনতা এড়াতে পারবেন না। অনেক ফ্রেমওয়ার্ক তৈরিকারী চালাকি করে রাউটিং টেমপ্লেটের মাধ্যমে অসাধারণ সঠিকতা প্রতিশ্রুতি দেন। কিন্তু সাম্প্রতিক গবেষণা প্রমাণ করেছে যে এটি বড় অংশে একটি মিথ্যা অনুভূতি। OfficeQA-এ 13,000টি এজেন্ট রানের ভিত্তিতে, বিজ্ঞানীরা বেস মডেলের ক্ষমতার উপর ভারী নির্ভরশীলতা শনাক্ত করেছেন। বিভিন্ন স্ক্যাফোল্ডিং পদ্ধতি 88-93% সময়ে একমত হয় যে AI একটি নির্দিষ্ট পরীক্ষা পাশ করবে কিনা। আমি এই উপসংহারটিকে সমগ্র ওপেন-সোর্স সফটওয়্যার শিল্পের জন্য গুরুত্বপূর্ণ বলে মনে করি। আমাদের ওয়্যাপারগুলির উপর পোলিশিংয়ের বদলে মডেলগুলির মৌলিক যুক্তির ক্ষমতার উপর ফোকাস করা উচিত। @SentientAGI-এর গবেষকদের @iamnamanvats এবং Deep Halder-এর ডেটা আমাদের বাস্তবিক অবস্থার প্রতি দৃষ্টি আকর্ষণ করে।