WorkForge চালু আছে

WorkForge হলো Tencent Hunyuan ও ফুদান বিশ্ববিদ্যালয়ের যৌথভাবে চালু করা এজেন্ট প্রশিক্ষণ পরিবেশ নির্মাণের ফ্রেমওয়ার্ক। WorkForge বিশেষজ্ঞদের কর্মপ্রবাহের নকশা থেকে শুরু করে স্বয়ংক্রিয়ভাবে বাস্তব জগতের সম্পদ অনুসন্ধান করে কর্মপরিসর তৈরি করে, কর্মপরিসরের তথ্যের ভিত্তিতে কাজ ও দ্বৈত যাচাইকরণ মানদণ্ড তৈরি করে, যাতে এজেন্টের সম্পাদন-উৎপাদনের ট্র্যাজেক্টরি ডেটা সংগ্রহ করা যায়। WorkForge ইতিমধ্যে 16.7Kটি যাচাইযোগ্য পরিবেশ তৈরি করেছে, যা 40টি পেশাগত ক্ষেত্রজুড়ে বিস্তৃত। এটি 35B মডেলের GDPval স্কোর 28 পয়েন্ট বাড়িয়ে অত্যাধুনিক মডেলের স্তরের কাছাকাছি নিয়ে যেতে পারে।

দৃশ্যপটের নকশা তৈরি: বিশেষজ্ঞদের অভিজ্ঞতাকে পুনর্ব্যবহারযোগ্য কর্মপ্রবাহ টেমপ্লেটে রূপান্তর করে ডেলিভারেবল, প্রয়োজনীয় সম্পদ ও গুরুত্বপূর্ণ সিদ্ধান্তের বিন্দু নির্ধারণ করা।
বাস্তব কর্মপরিসর সংশ্লেষণ: সংগ্রহকারী এজেন্ট ওয়েব অনুসন্ধান করে বাস্তব কোড রিপোজিটরি, ডেটাসেট ও ওয়েবপেজের উপকরণ ডাউনলোড করে এবং মূল ডিরেক্টরি কাঠামো অনুযায়ী কর্মপরিসর তৈরি করে।
পরিবেশের প্রোফাইল ও তথ্যের নোঙর নিষ্কাশন: প্রতিটি ফাইলের ভূমিকা ও নির্ভরতা স্বয়ংক্রিয়ভাবে শনাক্ত করে এবং সরাসরি যাচাইযোগ্য “তথ্যভিত্তি” নথিভুক্ত করা।
কাজ তৈরি: নকশা ও প্রোফাইলের সমন্বয়ে কর্মপরিসরের বাস্তব বিষয়বস্তুর ওপর ভিত্তি করে কাজের নির্দেশনা ও গোপন রেফারেন্স সমাধান তৈরি করা।
দ্বৈত যাচাইকরণ ব্যবস্থা: প্রোগ্রামভিত্তিক পরীক্ষা সংখ্যাগত মান ও ফাইল তৈরি হওয়া যাচাই করে; LLM বিচারক মূল্যায়ন মানদণ্ড অনুযায়ী অর্থগত গুণমান মূল্যায়ন করেন।
ট্র্যাজেক্টরি সংগ্রহ ও স্কোরিং: এজেন্ট কেবল কর্মপরিসর ও কাজের বিবরণ দেখতে পেয়ে স্বতন্ত্রভাবে কাজ সম্পাদন করে; পুরো প্রক্রিয়াটি স্কোরসহ প্রশিক্ষণ ডেটা হিসেবে সংরক্ষিত হয়।
বৃহৎ পরিসরে পরিবেশ তৈরি: এক ক্লিকেই 16.7Kটি যাচাইযোগ্য কর্মপরিবেশ তৈরি করা যায়, যা 40টি পেশাগত ক্ষেত্র ও 60 ধরনের ফাইলকে অন্তর্ভুক্ত করে।
এজেন্টের পরবর্তী প্রশিক্ষণ: উৎপাদিত দীর্ঘ-পরিসরের ট্র্যাজেক্টরি ব্যবহার করে মডেলকে ফাইন-টিউন করা, ফলে কর্মক্ষেত্রের কাজ সম্পাদনের সক্ষমতা উল্লেখযোগ্যভাবে বাড়ে।

তথ্যের নোঙর-চালিত কাজ-যাচাইকরণ সহাবস্থান নকশা: WorkForge-এর মূল premise হলো কাজ প্রণয়ন করা যাবে কি না এবং ফলাফল যাচাই করা যাবে কি না, তা কর্মপরিসরে পর্যবেক্ষণযোগ্য তথ্যের ওপর নির্ভর করে। প্রথমে এটি কর্মপরিসরের পূর্ণাঙ্গ প্রোফাইল তৈরি করে (Profiling), ফাইলের ভূমিকা, আন্তঃফাইল নির্ভরতা এবং নির্দিষ্টভাবে যাচাইযোগ্য তথ্যের রেকর্ড নিষ্কাশন করে। কাজের নির্দেশনা, রেফারেন্স সমাধান, প্রোগ্রামভিত্তিক পরীক্ষার বিষয় এবং অর্থগত মূল্যায়ন মানদণ্ড সবই এই তথ্যের নোঙর থেকে উদ্ভূত হয়; রেফারেন্স সমাধানের গুরুত্বপূর্ণ তথ্যও কর্মপরিসরে ফিরিয়ে যাচাই করা হয়।
2. বাস্তব সম্পদ-চালিত পরিবেশের জটিলতা নির্মাণ: LLM-সংশ্লেষিত কর্মপরিসরের বিপরীতে, WorkForge সংগ্রহকারী এজেন্টের মাধ্যমে অনুসন্ধান—পড়া—ডাউনলোড—প্রিভিউ চক্র বারবার চালায়, বাস্তব রিপোজিটরি ও ডেটাসেট থেকে সম্পদ সংগ্রহ করে এবং মূল ডিরেক্টরি কাঠামো সংরক্ষণ করে। তুলনামূলক পরীক্ষায় দেখা গেছে, বাস্তব কর্মপরিসরে ফাইলের সংখ্যা সংশ্লেষিত পরিবেশের 5.4 গুণ এবং ফাইলের ধরন 2.4 গুণ; প্রমাণ অল্প কয়েকটি ফাইলে কেন্দ্রীভূত না থেকে পুরো ডিরেক্টরি ট্রিতে ছড়িয়ে থাকে। ফলে এজেন্টকে আগে অনুসন্ধান, পরে সিদ্ধান্ত নিতে হয় এবং বাস্তব অপারেশনাল ঘর্ষণ ও দীর্ঘমেয়াদি মিথস্ক্রিয়ার প্রয়োজন তৈরি হয়।
প্রোগ্রামভিত্তিক ও অর্থগত দ্বৈত যাচাইকরণ: যাচাইকরণ মডিউল দুটি পরিপূরক অংশ নিয়ে গঠিত। প্রোগ্রামভিত্তিক যাচাইকারী নির্ধারিত প্রয়োজনীয়তা পরীক্ষা করে, যেমন সংখ্যা সঠিক কি না, লক্ষ্য ফাইল তৈরি হয়েছে কি না এবং কর্মপরিসরের অবস্থা প্রত্যাশিত কি না; নির্দেশক ফাংশন অনুযায়ী স্কোর দেয়। অর্থগত যাচাইকারী কাজের নির্দেশনায় কনফিগার করা LLM বিচারক ব্যবহার করে এবং উন্মুক্ত ধরনের ডেলিভারেবলকে মূল্যায়ন মানদণ্ড অনুযায়ী প্রতিটি বিষয়ে স্কোর দিয়ে তা স্বাভাবিকীকরণ করে। দুই ধরনের স্কোর আলাদাভাবে সংরক্ষিত থাকে। পরীক্ষায় দেখা গেছে, উভয়ের সমন্বিত মিশ্র筛选 (ALE 22.11) যেকোনো একক সংকেত ব্যবহারের তুলনায় (15.62 / 14.89) উল্লেখযোগ্যভাবে ভালো, কারণ দুই ধরনের যাচাইকরণ ডেলিভারির মানের ভিন্ন মাত্রা ধরতে পারে।

WorkForge বর্তমানে একটি গবেষণা ফ্রেমওয়ার্ক; পেপারে ওপেন সোর্স কোড বা ডেটাসেট প্রকাশের কোনো চ্যানেলের উল্লেখ নেই।

আরও বেশি বাস্তবতা: সরাসরি বাস্তব জগতের সম্পদ থেকে কর্মপরিসর তৈরি করা হয়। ফাইলের সংখ্যা, ফাইলের ধরন ও আয়তন যথাক্রমে LLM-সংশ্লেষিত পরিবেশের 5.4 গুণ, 2.4 গুণ ও 13 গুণ; প্রমাণ অল্প কয়েকটি ফাইলে কেন্দ্রীভূত না থেকে ডিরেক্টরি ট্রিতে ছড়িয়ে থাকে।
যাচাইকরণ অনুসরণযোগ্য: কাজ, রেফারেন্স সমাধান ও মূল্যায়ন মানদণ্ড সবই কর্মপরিসরের “তথ্যের নোঙর” থেকে উদ্ভূত হয় এবং গুরুত্বপূর্ণ তথ্য কর্মপরিসরে ফিরিয়ে যাচাই করা হয়, ফলে বিভ্রম-ভিত্তিক মূল্যায়ন প্রয়োজনীয়তা এড়ানো যায়।
দ্বৈত যাচাইকরণের পরিপূরকতা: প্রোগ্রামভিত্তিক পরীক্ষা (সংখ্যা/ফাইল) ও LLM-এর অর্থগত স্কোরিং একত্রিত করা হয়; মিশ্র筛选 যেকোনো একক সংকেতের তুলনায় অনেক ভালো ফল দেয়।
দীর্ঘমেয়াদি মিথস্ক্রিয়া প্রশিক্ষণ: গড়ে 31.8 ধাপ ও 7.6万 tokens-এর বাস্তব অনুসন্ধান ট্র্যাজেক্টরি মডেলকে অনুসন্ধান, প্রমাণ সংগ্রহ, ত্রুটি সংশোধন ও ডেলিভারির পূর্ণ কর্মপ্রক্রিয়া শেখায়।
বৃহৎ পরিসরের সক্ষমতা: একটি পাইপলাইন 16.7Kটি পরিবেশ তৈরি করে এবং 40টি ক্ষেত্রজুড়ে বিস্তৃত হয়, ফলে হাতে তৈরি পরিবেশের তুলনায় প্রকৌশল ব্যয় ব্যাপকভাবে কমে।
উল্লেখযোগ্য কর্মক্ষমতা বৃদ্ধি: A3B মডেলের GDPval 28.1 পয়েন্ট বাড়ে এবং এটি সব <100B বিশেষায়িত এজেন্ট মডেলের চেয়ে এগিয়ে যায়; 27B মডেল 15 গুণ বেশি প্যারামিটারের 397B মডেলকে ছাড়িয়ে যায়।

arXiv প্রযুক্তিগত পেপার：https://arxiv.org/pdf/2610.04906

এজেন্ট প্রশিক্ষণ ডেটা উৎপাদন: প্রতিষ্ঠান/গবেষণা সংস্থার জন্য বৃহৎ পরিসরে উচ্চমানের দীর্ঘমেয়াদি ট্র্যাজেক্টরি ডেটা তৈরি করে নিজস্ব কর্ম-এজেন্টের পরবর্তী প্রশিক্ষণে ব্যবহার করা, যাতে হাতে পরিবেশ তৈরির ব্যয়বাধা দূর হয়।
কর্মক্ষেত্রের ডিজিটাল কর্মী প্রশিক্ষণ: অফিসকাজ, ডেটা বিশ্লেষণ, অর্থনীতি, শিক্ষা ইত্যাদি 40টি পেশাগত ক্ষেত্রে রিপোর্ট, স্প্রেডশিট, PPT-এর মতো বাস্তব ডেলিভারেবল তৈরি করতে সক্ষম “ডিজিটাল কর্মী” প্রশিক্ষণ দেওয়া।
এজেন্ট সক্ষমতা মূল্যায়ন: তথ্যের নোঙর-চালিত দ্বৈত যাচাইকরণ ব্যবস্থা মূল্যায়নের একটি আদর্শ পদ্ধতি হিসেবে ব্যবহার করা যায়, যা এলোমেলো ফাইলের পরিবেশে এজেন্টের অনুসন্ধান, প্রমাণ সংগ্রহ ও ডেলিভারি সক্ষমতা পরীক্ষা করে।
ক্ষেত্রভিত্তিক কর্মপ্রবাহের ডিজিটাল রূপান্তর: প্রতিষ্ঠানগুলো অভ্যন্তরীণ বিশেষজ্ঞদের অভিজ্ঞতা দৃশ্যপটের নকশায় রূপান্তর করার পর একই ধরনের কাজের বিভিন্ন উদাহরণ দ্রুত বৃহৎ পরিসরে তৈরি করতে পারে, যা প্রশিক্ষণ বা মূল্যায়নে ব্যবহারযোগ্য।
বিশেষায়িত Agent-এর গবেষণা ও উন্নয়নের ভিত্তি: আর্থিক পরিমাণগত বিশ্লেষণ, কোড পর্যালোচনা, কমপ্লায়েন্স যাচাইয়ের মতো বহু উৎসের ফাইল পরস্পর যাচাই করতে হয় এমন পেশাগত ক্ষেত্রে এটি পরিবেশের অবকাঠামো হিসেবে কাজ করতে পারে এবং ওপরের স্তরের Agent পণ্যের সক্ষমতা উন্নয়নে সহায়তা করতে পারে।