Microsoft-Decision-1 চালু আছে

Microsoft-Decision-1 হলো মাইক্রোসফটের নতুন প্রজন্মের দ্রুত সিদ্ধান্ত গ্রহণকারী AI মডেল, যা কাঠামোবদ্ধ সিদ্ধান্তের কাজের জন্য তৈরি। এটি পূর্বনির্ধারিত বিকল্প থেকে সেরা সমাধান বেছে নিতে পারে এবং প্রতিটি বিকল্প উত্তরের জন্য সম্ভাব্যতার স্কোর দিতে পারে, যাতে নিম্নধারার অ্যাপ্লিকেশন সিদ্ধান্ত নিতে পারে কার্যকর করবে, পুনরায় চেষ্টা করবে নাকি মানুষের কাছে হস্তান্তর করবে। Microsoft-Decision-1 36টি বেঞ্চমার্ক পরীক্ষার সবকটিতে নির্ভুলতায় প্রথম স্থান অর্জন করেছে; এর গতি GPT-6 Sol-এর 35 গুণ এবং প্রতি মিলিয়ন ইনপুট tokens-এর জন্য খরচ মাত্র 0.042 ডলার, আউটপুট বিনামূল্যে। মডেলটি Qwen3.5-9B-এর ওপর ভিত্তি করে তৈরি এবং Microsoft Foundry-তে চালু হয়েছে।

সেরা সমাধান নির্বাচন: পূর্বনির্ধারিত বিকল্প থেকে সেরা উত্তর নির্বাচন করে এবং প্রতিটি বিকল্প উত্তরের সম্ভাব্যতার স্কোর প্রদান করে।
রাউটিং ও বিতরণ: অনুরোধ বা কাজকে বুদ্ধিমত্তার সঙ্গে উপযুক্ত নিম্নধারার মডিউল বা সার্ভিসে পাঠায়।
কনটেন্ট শ্রেণিবিন্যাস: টেক্সটসহ বিভিন্ন কনটেন্ট দ্রুত শ্রেণিবদ্ধ করে; যেমন Xbox দল এটি ব্যবহার করে হাজার হাজার গেম-সংক্রান্ত প্রতিক্রিয়া শ্রেণিবদ্ধ করে।
কাজের অগ্রাধিকার নির্ধারণ: একাধিক অপেক্ষমাণ কাজের প্রক্রিয়াকরণের ক্রম নির্ধারণ করে।
ফলাফল যাচাই: AI-উৎপাদিত ফলাফলের মান মূল্যায়ন করে এবং তা গ্রহণ করা হবে নাকি পুনরায় চেষ্টা করা হবে তা নির্ধারণ করে।
ওয়ার্কফ্লো নিয়ন্ত্রণ: Agent ওয়ার্কফ্লোর অর্কেস্ট্রেশন উপাদান হিসেবে সিদ্ধান্ত নেয় কাজ চালিয়ে যাবে, পুনরায় চেষ্টা করবে, উচ্চতর পর্যায়ে পাঠাবে নাকি মানুষের কাছে হস্তান্তর করবে।

ভিত্তি স্থাপত্য: Microsoft-Decision-1 ওপেন-সোর্স Qwen3.5-9B মডেলের ওপর ভিত্তি করে তৈরি। এর প্যারামিটারের আকার মাঝারি, ফলে ইনফারেন্সের গতি ও স্থাপনার খরচের মধ্যে ভারসাম্য বজায় থাকে। মাইক্রোসফট ভবিষ্যতে এটিকে নিজেদের MAI: সিরিজ, OpenAI মডেল এবং অন্যান্য ভিত্তি মডেলে স্থানান্তরের পরিকল্পনা করছে।
বিশেষায়িত পোস্ট-ট্রেনিং: মডেলটি “একবারের সিদ্ধান্ত স্কোরিং”-কে কেন্দ্র করে বিশেষ পোস্ট-ট্রেনিংয়ের মধ্য দিয়ে গেছে। পূর্বনির্ধারিত বিকল্পের সম্ভাব্যতাভিত্তিক স্কোরিংয়ের মাধ্যমে এটি বড় ভাষা মডেলকে কাঠামোবদ্ধ সিদ্ধান্ত ইঞ্জিনে রূপান্তর করেছে।
সিদ্ধান্ত গ্রহণের প্রক্রিয়া: প্রতিটি সিদ্ধান্তের অনুরোধে মডেল একবারেই স্কোরিং ও নির্বাচন সম্পন্ন করে, ফলে বহু-ধাপের ইনফারেন্স করা বড় ভাষা মডেলের তুলনায় বিলম্ব উল্লেখযোগ্যভাবে কমে। অফিসিয়ালের ভাষ্য অনুযায়ী, ধারাবাহিক 20টি সিদ্ধান্তে প্রতিটিতে অতিরিক্ত 100 মিলিসেকেন্ড করে যে সঞ্চিত বিলম্ব তৈরি হয়, এই স্থাপত্যে তা উল্লেখযোগ্যভাবে কমানো হয়েছে।
দৃঢ়তা নকশা: সিদ্ধান্তের স্থিতিশীলতার জন্য বিশেষভাবে অপ্টিমাইজ করা হয়েছে। একই অনুরোধের 8 ধরনের পরিবর্তিত রূপে গড় সিদ্ধান্ত-বদলের হার মাত্র 1.3%; বিকল্পের বর্ণনা পুনর্লিখন বা ক্রম উল্টে দেওয়ার মতো পরিস্থিতিতে বদলের হার শূন্য, ফলে ইনপুটের পরিবর্তন সিদ্ধান্তের সামঞ্জস্যকে প্রভাবিত করে না।
নিরাপত্তা সামঞ্জস্য: মডেলটি 11টি বেঞ্চমার্ক ও 5250টি অনুরোধ নিয়ে পরিচালিত নিরাপত্তা পরীক্ষায় অংশ নিয়েছে। এতে ক্ষতিকর কনটেন্ট শনাক্তকরণ, জেলব্রেক আক্রমণ এবং প্রম্পট ইনজেকশনসহ বিভিন্ন পরিস্থিতি অন্তর্ভুক্ত ছিল। ক্ষতিকর অনুরোধ প্রত্যাখ্যানের পাশাপাশি এটি স্বাভাবিক কাজের উচ্চ কার্যকারিতা বজায় রাখে।

প্ল্যাটফর্মে সংযুক্তি: মাইক্রোসফটের AI ডেভেলপমেন্ট প্ল্যাটফর্ম Microsoft Foundry-এর মাধ্যমে ডেভেলপারদের জন্য ব্যবহার উন্মুক্ত।
সিদ্ধান্তের পরিস্থিতি নির্ধারণ: কাজকে “পূর্বনির্ধারিত বিকল্প + সেরা সমাধান নির্বাচন”-এর কাঠামোবদ্ধ সিদ্ধান্ত সমস্যায় রূপান্তর করুন, যেমন রাউটিং ও বিতরণ, কনটেন্ট শ্রেণিবিন্যাস এবং অগ্রাধিকার নির্ধারণ।
অনুরোধ জমা: যে কনটেন্টের বিষয়ে সিদ্ধান্ত নিতে হবে, তা কাঠামোবদ্ধ ফরম্যাটে মডেলের কাছে পাঠান।
সম্ভাব্যতার স্কোর পান: মডেলটি মুক্তধর্মী টেক্সটের পরিবর্তে সেরা বিকল্প এবং প্রতিটি বিকল্প উত্তরের সম্ভাব্যতার স্কোর ফেরত দেয়।
নিম্নধারার কাজ চালান: স্কোরের ভিত্তিতে কাজ চালিয়ে যাওয়া, পুনরায় চেষ্টা, উচ্চতর পর্যায়ে পাঠানো অথবা মানব পর্যালোচনায় হস্তান্তরের সিদ্ধান্ত নিন।
ওয়ার্কফ্লোতে সংযুক্তি: বিদ্যমান অ্যাপ্লিকেশন, AI Agent এবং ওয়ার্কফ্লো সিস্টেমে নির্বিঘ্নে সংযুক্ত হয়ে অর্কেস্ট্রেশনের ভিত্তি উপাদান হিসেবে কাজ করতে পারে।

অত্যন্ত দ্রুত: P50 বিলম্ব GPT-6 Sol-এর তুলনায় 35 গুণ এবং Quyet-1.0-Large-এর তুলনায় 4.5 গুণ; পরীক্ষায় এটি দ্রুততম সিদ্ধান্ত গ্রহণকারী মডেল।
নির্ভুলতায় এগিয়ে: প্রায় 150,000টি প্রশ্নের 36টি বেঞ্চমার্ক পরীক্ষায় নির্ভুলতায় সবকটিতে প্রথম স্থান অর্জন করেছে।
অত্যন্ত কম খরচ: প্রতি মিলিয়ন ইনপুট tokens-এর জন্য মাত্র 0.042 ডলার এবং আউটপুট বিনামূল্যে; অভ্যন্তরীণ পরীক্ষায় শ্রেণিবিন্যাসের কাজের খরচ GPT-6 Sol-এর তুলনায় প্রায় 200 গুণ কম।
স্কোরযোগ্য সিদ্ধান্ত: প্রতিটি বিকল্প উত্তরের সম্ভাব্যতার স্কোর প্রদান করে, ফলে নিম্নধারার সিস্টেম সহজে কার্যকর করা, পুনরায় চেষ্টা বা মানুষের কাছে হস্তান্তরের সিদ্ধান্ত নিতে পারে। “ব্ল্যাক-বক্স” ধরনের জেনারেশনের তুলনায় এটি বেশি নিয়ন্ত্রণযোগ্য।
উচ্চ দৃঢ়তা: 8 ধরনের পরিবর্তিত ইনপুটে সিদ্ধান্ত-বদলের গড় হার মাত্র 1.3%; বিকল্পের বর্ণনা পুনর্লিখন বা ক্রম উল্টে দেওয়ার পরিস্থিতিতে বদলের হার শূন্য।
নিরাপদ ও নির্ভরযোগ্য: 11টি বেঞ্চমার্ক ও 5250টি অনুরোধের নিরাপত্তা পরীক্ষায় উত্তীর্ণ; ক্ষতিকর অনুরোধ প্রত্যাখ্যান করেও স্বাভাবিক ব্যবহারের কার্যকারিতা বজায় রাখতে পারে।

প্রকল্পের অফিসিয়াল ওয়েবসাইট: https://commandline.microsoft.com/microsoft-decision-1-model-foundry/

বুদ্ধিমান রাউটিং ও বিতরণ: ব্যবহারকারীর অনুরোধ বা কাজের প্রবাহকে সবচেয়ে উপযুক্ত নিম্নধারার সার্ভিস, মডেল বা Agent-এ বুদ্ধিমত্তার সঙ্গে পাঠায়।
কনটেন্ট শ্রেণিবিন্যাস ও পর্যালোচনা: বিপুল পরিমাণ ব্যবহারকারী প্রতিক্রিয়া ও মন্তব্য দ্রুত শ্রেণিবদ্ধ করে এবং ক্ষতিকর কনটেন্ট শনাক্ত করে।
কাজের অগ্রাধিকার নির্ধারণ: কাস্টমার সার্ভিস টিকিট ও ত্রুটি ব্যবস্থাপনার মতো ক্ষেত্রে কাজের প্রক্রিয়াকরণের ক্রম নির্ধারণ করে এবং ওয়ার্কফ্লো অটোমেশন ও অর্কেস্ট্রেশন বাস্তবায়ন করে।
AI ফলাফল যাচাই: AI প্রতিক্রিয়া মূল্যায়নকারী হিসেবে উৎপাদিত ফলাফল গ্রহণযোগ্য কি না তা নির্ধারণ করে এবং তা অনুমোদন, পুনরায় চেষ্টা বা উচ্চতর পর্যায়ে পাঠানোর সিদ্ধান্ত নেয়।
অস্বাভাবিক সিদ্ধান্ত ও উচ্চতর পর্যায়ে হস্তান্তর: ঘটনা মোকাবিলা ও মান নিয়ন্ত্রণের মতো পরিস্থিতিতে সম্ভাব্যতার স্কোরের ভিত্তিতে মানব পর্যালোচনায় পাঠানো হবে কি না তা নির্ধারণ করে এবং মানুষ ও মেশিনের সমন্বিত নিরাপত্তা ব্যবস্থা গড়ে তোলে।