WikiSkill চালু আছে

WikiSkill হলো Google Research-এর উদ্ভাবিত Agent দক্ষতা-বিবর্তন ফ্রেমওয়ার্ক। এর তিন-স্তরীয় স্থাপত্যে Raw Layer-এ কাঁচা ট্র্যাজেক্টরি, Wiki Layer-এ ক্রমাগত সঞ্চিত কাঠামোবদ্ধ জ্ঞান এবং Skills Layer-এ নির্বাহযোগ্য দক্ষতা রাখা হয়। এর ফলে Agent-এর অভিজ্ঞতা স্থায়ী জ্ঞানে পরিণত হয় এবং সেখান থেকে পুনর্ব্যবহারযোগ্য দক্ষতা তৈরি হয়। প্রতিটি পুনরাবৃত্তিতে Wiki Maintainer ট্র্যাজেক্টরি বিশ্লেষণ করে জ্ঞানভান্ডার আপডেট করে, আর Skill Proposer জ্ঞানের ভিত্তিতে দক্ষতা আপডেট প্রস্তাব করে; যাচাইয়ের পর তা গ্রহণ বা রোলব্যাক করা হয়। পরীক্ষায় দেখা গেছে, WikiSkill-সহ 9B মডেল 27B-এর খালি মডেলকে ছাড়িয়ে যেতে পারে এবং দক্ষতাগুলো বিভিন্ন মডেলে স্থানান্তর করা যায়।

তিন স্তরে জ্ঞান পৃথকীকরণ: কাঁচা ট্র্যাজেক্টরি, কাঠামোবদ্ধ জ্ঞান এবং নির্বাহযোগ্য দক্ষতা তিনটি পৃথক স্তরে সংরক্ষণ করা হয়, যাতে প্রত্যেকটি নিজ নিজ ভূমিকা পালন করে।
স্বয়ংক্রিয় দক্ষতা-বিবর্তন: পুনরাবৃত্তিমূলক চক্রের মাধ্যমে Agent-এর দক্ষতা অভিজ্ঞতা থেকে ক্রমাগত বিকশিত ও উন্নত হয়।
স্থায়ী জ্ঞান সঞ্চয়: Wiki স্তরে পুনরাবৃত্তিগুলোর মধ্যে জ্ঞান সঞ্চিত হতে থাকে; কোনো দক্ষতা প্রত্যাখ্যাত হলেও ইতিমধ্যে সঞ্চিত জ্ঞান হারায় না।
বিভিন্ন মডেলে স্থানান্তর: বিবর্তিত দক্ষতা ভিন্ন মডেল, এমনকি ভিন্ন মডেল পরিবারের মধ্যেও পুনর্ব্যবহার করা যায়।
যাচাই-ভিত্তিক গেটিং: প্রার্থী দক্ষতাগুলো যাচাই সেটে মূল্যায়ন করা হয়; কেবল কর্মদক্ষতা বাড়ায় এমন আপডেট গ্রহণ করা হয়।

তিন-স্তরীয় স্থাপত্য: Raw Layer অপরিবর্তনীয় নির্বাহ-ট্র্যাজেক্টরি স্থায়ীভাবে সংরক্ষণ করে এবং তথ্যের ভিত্তি হিসেবে কাজ করে; Wiki Layer ট্র্যাজেক্টরিগুলোকে কাঠামোবদ্ধ প্যাটার্ন ও বিবর্তন-লগে রূপান্তর করে, যা ক্রমাগত সঞ্চিত হয় এবং কখনো রোলব্যাক করা হয় না; Skills Layer-এ বর্তমানে সক্রিয় নির্বাহযোগ্য দক্ষতা রাখা হয় এবং শর্তসাপেক্ষ আপডেট ও রোলব্যাক সমর্থন করে। PURPOSE.md-এর মাধ্যমে দক্ষতার উৎস অনুসরণ করা যায়।
চার ধাপের বিবর্তন চক্র: Inference Agent বর্তমান দক্ষতা ব্যবহার করে প্রশিক্ষণ সেটে কাজ চালিয়ে ট্র্যাজেক্টরি তৈরি করে; Wiki Maintainer ট্র্যাজেক্টরি নমুনা নিয়ে মূল কারণ বিশ্লেষণ করে এবং Wiki-এর প্যাটার্ন ডিরেক্টরি ও লগ আপডেট করে; Skill Proposer ReAct পদ্ধতিতে Wiki ও ট্র্যাজেক্টরি পড়ে একবারে একটি দক্ষতা তৈরি বা প্যাচের প্রস্তাব দেয়; Gating ব্যবস্থা যাচাই সেটে প্রার্থী দক্ষতা মূল্যায়ন করে, স্কোর বাড়লে তা গ্রহণ করে, অন্যথায় দক্ষতাটি রোলব্যাক করে (Wiki প্রভাবিত হয় না)।
জ্ঞান স্থায়ীকরণ নকশা: Wiki স্তরে skill-impact.md ফাইলে প্রতিটি প্রস্তাবের diff, যাচাই স্কোর এবং গ্রহণ/প্রত্যাখ্যানের ফল নথিবদ্ধ করা হয়। এতে একটি নিরপেক্ষ অডিট ট্র্যাজেক্টরি তৈরি হয়, যা পরবর্তী Proposer-কে একই ব্যর্থ পদ্ধতি পুনরাবৃত্তি এড়াতে সাহায্য করে এবং পুনরাবৃত্তিগুলোর মধ্যে জ্ঞানের চক্রবৃদ্ধি ঘটায়।
দক্ষতা আবিষ্কার ও প্রয়োগের পৃথকীকরণ: পরীক্ষায় দেখা গেছে, দক্ষতা আবিষ্কার (অভিজ্ঞতা থেকে কৌশল বের করা) এবং দক্ষতা প্রয়োগ (অনুমানের সময় কৌশল ব্যবহার করা) দুটি ভিন্ন ক্ষমতা। WikiSkill-এর মাধ্যমে বিবর্তিত দক্ষতা বিভিন্ন মডেলে স্থানান্তর করা যায়; এমনকি অন্য মডেলের বিবর্তিত দক্ষতাও কখনো মডেলটির নিজস্ব বিবর্তিত দক্ষতার চেয়ে ভালো হতে পারে।

ওয়ার্কস্পেস初始化: raw/, wiki/ এবং skills/ তিনটি স্তরের ডিরেক্টরি তৈরি করে খালি দক্ষতা সেট থেকে শুরু করুন।
প্রশিক্ষণ rollout চালান: Inference Agent বর্তমান দক্ষতা ব্যবহার করে প্রশিক্ষণ সেটে কাজ চালাবে এবং তৈরি হওয়া নির্বাহ-ট্র্যাজেক্টরি raw/-এ লিখবে।
জ্ঞানভান্ডার আপডেট করুন: Wiki Maintainer সফল ও ব্যর্থ ট্র্যাজেক্টরি নমুনা নিয়ে মূল কারণ বিশ্লেষণ করবে, wiki/patterns/-এ প্যাটার্ন ফাইল তৈরি বা আপডেট করবে এবং logs.md ও skill-impact.md-এ তথ্য যোগ করবে।
দক্ষতা আপডেট প্রস্তাব করুন: Skill Proposer Wiki সূচি, ঐতিহাসিক প্রভাবের রেকর্ড এবং কাঁচা ট্র্যাজেক্টরি পড়ে ReAct পদ্ধতিতে একবারে একটি দক্ষতা তৈরি বা প্যাচের প্রস্তাব দেবে।
যাচাই ও গেটিং: প্রার্থী দক্ষতা যাচাই সেটে মূল্যায়ন করা হবে; স্কোর বাড়লে তা নতুন skills/ হিসেবে গ্রহণ করা হবে।
পুনরাবৃত্তি চালান: যাচাই কর্মদক্ষতা স্থিতিশীল হওয়া বা নির্ধারিত পুনরাবৃত্তির সংখ্যা পূর্ণ হওয়া পর্যন্ত ওপরের ধাপগুলো পুনরাবৃত্তি করুন। শেষে অনুমানের কাজে ব্যবহারের জন্য বিবর্তিত দক্ষতা সেট পাওয়া যাবে।

স্থায়ী জ্ঞানের চক্রবৃদ্ধি: Wiki স্তরে পুনরাবৃত্তিগুলোর মধ্যে জ্ঞান সঞ্চিত হতে থাকে। দক্ষতা প্রত্যাখ্যাত হলেও জ্ঞান হারায় না, ফলে পরবর্তী আপডেটগুলোতে পুরো ঐতিহাসিক অন্তর্দৃষ্টি পুনর্ব্যবহার করা যায়।
জ্ঞান ও দক্ষতার পৃথকীকরণ: “কী জানা আছে” এবং “কীভাবে করতে হবে” আলাদা করা হয়। দক্ষতা রোলব্যাক করা গেলেও জ্ঞান স্থায়ী থাকে, ফলে দক্ষতার প্যাচের সঙ্গে অভিজ্ঞতা হারিয়ে যায় না।
ছোট মডেলের বড় মডেলকে ছাড়িয়ে যাওয়া: WikiSkill-সহ Qwen-3.5-9B, Qwen-3.6-27B-এর খালি মডেলকে ছাড়িয়ে যেতে পারে এবং জ্ঞানের মাধ্যমে আকারের ব্যবধান পূরণ করে।
বিভিন্ন মডেলে স্থানান্তর ও পুনর্ব্যবহার: বিবর্তিত দক্ষতা বিভিন্ন মডেল পরিবারের মধ্যে স্থানান্তর করা যায়; অন্য মডেল আবিষ্কৃত কৌশল কখনো মডেলটির নিজস্ব বিবর্তিত দক্ষতার চেয়ে ভালো হয়।
একই ভুলের পুনরাবৃত্তি এড়ানো: skill-impact.md-এ প্রস্তাবের ইতিহাস ও প্রত্যাখ্যানের কারণ সম্পূর্ণভাবে নথিবদ্ধ থাকে, ফলে Proposer আগে ব্যর্থ হওয়া পদ্ধতি আর পুনরাবৃত্তি করে না।

arXiv প্রযুক্তি গবেষণাপত্র: https://arxiv.org/pdf/2608.27454

বুদ্ধিমান অফিস অটোমেশন: জটিল Excel সূত্র গণনা, ডেটা পরিষ্কার এবং একাধিক স্প্রেডশিটের মধ্যে সম্পর্ক নির্ণয় করা; Agent বিবর্তনের মাধ্যমে “প্রথমে recalculate, তারপর পড়ুন”-এর মতো স্প্রেডশিট-নির্দিষ্ট কর্মপ্রবাহ আয়ত্ত করে।
দীর্ঘ নথির বুদ্ধিমান প্রশ্নোত্তর: শত শত পৃষ্ঠার PDF/Word নথিতে বহু ধাপে অনুসন্ধান ও নেভিগেশন চালানো; বিবর্তিত অনুসন্ধান দক্ষতা Agent-কে দ্রুত গুরুত্বপূর্ণ অনুচ্ছেদ খুঁজে পেতে সাহায্য করে এবং দীর্ঘ প্রসঙ্গে পথ হারানো এড়ায়।
গাণিতিক যুক্তি ও সমস্যা সমাধান: প্রতিযোগিতামূলক গণিতের সমস্যার সমাধান-অভিজ্ঞতাকে পুনর্ব্যবহারযোগ্য কৌশলে রূপান্তর করে ক্রমাগত সমাধানের নির্ভুলতা বাড়ানো।
ওয়েব তথ্য অনুসন্ধান: বহু-পর্যায়ের অনুসন্ধান প্রক্রিয়া অপ্টিমাইজ করে “কীওয়ার্ড সম্প্রসারণ → একাধিক উৎসে ক্রস-ভেরিফিকেশন → তথ্য সমন্বয়”-এর মতো মানসম্মত পদ্ধতি তৈরি করা, যাতে জটিল অনুসন্ধানের রিকল ও নির্ভুলতা বাড়ে।
ইন্টার‌্যাক্টিভ embodied task: ভার্চুয়াল পরিবেশে বহু ধাপের শারীরিক কাজ সম্পাদন করা এবং “একই কাজের চক্র বারবার না করা”, “কাজ সম্পন্ন হওয়ার অবস্থা পরীক্ষা করা”-এর মতো প্যাটার্ন সঞ্চয়ের মাধ্যমে কাজের সাফল্যের হার বাড়ানো।