AI, machine learning and LLM insights.
OpenAI’s GPT-5.6 Sol hit 38.3% on ARC-AGI-3 using proprietary Retained Reasoning and Compaction settings, but the same model fell to 7.8% on the benchmark’s public harness, sparking a debate over fair evaluation and the role of inference-stack tricks.
সিমেন্সের অন-সাইট এআই প্ল্যাটফর্মটি কেবল অনাকাঙ্ক্ষিত শাটডাউন বা কারখানার কাজ বন্ধ হওয়ার হার অর্ধেকই করছে না, বরং আপস্ট্রিম ট্রাফিক প্রায় ৯৫% কমিয়ে দিচ্ছে; ফলে যেখানে ব্রডব্যান্ড সংযোগ অনির্ভরযোগ্য, সেখানে কারখানাগুলো একটি বিশেষ সুবিধা পাচ্ছে।
এই নির্দেশিকাটি প্রস্তুতকারকদের একটি নির্দিষ্ট পাইলট প্রকল্প সংজ্ঞায়িত করা, সিদ্ধান্তের সাথে সংযুক্ত AOI ছবি সংগ্রহ করা এবং বিদ্যমান পরিদর্শন প্রক্রিয়ার পাশাপাশি AI র্যাঙ্কিং ইঞ্জিন স্থাপন করার মাধ্যমে ফলস-কল রেট এবং পরিদর্শন সময় উল্লেখযোগ্যভাবে হ্রাস করতে সাহায্য করে।
OpenAI’s 38.3% success rate drops to 7.8% when the model is evaluated with the official ARC-AGI-3 harness, showing that its advantage comes from two inference-time tricks – retained reasoning and context compaction – baked into its proprietary Responses API.
By offloading environment interactions to cheap CPUs/GPGPUs and feeding a high-throughput buffer, Tunix lets a dedicated TPU learner run continuously, turning the typical sub-10% TPU usage in agentic reinforcement learning into almost 100% occupancy.
The author compared a goal-only nudge (0.16 recovery) with an “action-licensing” prompt that explicitly permits tool re-execution, achieving a perfect 1.00 recovery rate. The fix works only when agents can call tools and the tools flag bad input.
গুগল জানিয়েছে, এআই মাত্র ২১% কাজ সম্পন্ন করে। গুগল তার এআই টুলগুলোর সাথে ১৫ মিলিয়ন ইন্টারঅ্যাকশন নিয়ে গবেষণা করেছে। ফলাফলগুলো এআই গ্রহণ এবং এআই কাজের মধ্যে একটি বিশাল ব্যবধান দেখায়। তথ্য: • জেম...
এই ত্রুটিটি Ruflo-এর Docker কন্টেইনারগুলোর Model Context Protocol ব্রিজকে সমস্ত নেটওয়ার্ক ইন্টারফেসের সাথে যুক্ত করার ফলে তৈরি হয়েছে, যা ইন্টারনেট সংযোগযুক্ত যেকোনো আক্রমণকারীকে রিমোট-কোড এক্সিকিউশন, LLM API কী-তে পূর্ণ অ্যাক্সেস এবং মডেলের মেমরি নষ্ট করার ক্ষমতা প্রদান করে।
পাঁচটি সমান্তরাল এজেন্টের একটি পরীক্ষায়, চারটি রাইট নিঃশব্দে হারিয়ে গেছে, যার ফলে হারিয়ে যাওয়া কাজের সমান সংখ্যক টোকেন নষ্ট হয়েছে। একটি 'কম্পেয়ার-অ্যান্ড-সেট' গেট যোগ করার ফলে সব অবদান পুনরুদ্ধার করা সম্ভব হয়েছে, তবে এতে টোকেন খরচ ৫ থেকে বেড়ে ৯ ইউনিটে দাঁড়িয়েছে।
এই আপডেটে ডেভেলপারদের জন্য তিনটি নতুন কন্ট্রোল আনা হয়েছে—টুল কলগুলো পরীক্ষা করার জন্য এনভায়রনমেন্ট হুক, অতিরিক্ত খরচ রোধ করতে কঠোর বাজেট ক্যাপ এবং শিডিউলড ট্রিগার যা এপিআই-কে একটি লাইটওয়েট ক্রন হিসেবে রূপান্তর করবে—পাশাপাশি নিরাপত্তার দায়িত্ব ব্যবহারকারীর ওপর ন্যস্ত করা হয়েছে।
২০২৫ সালের SWE-Bench-এর ৭২.৭% স্কোরটি এসেছে ৫০০টি টাস্কের একটি ছোট এবং মানুষের দ্বারা যাচাইকৃত সেট থেকে, যেখানে ২০২৩ সালের ১.৯৬% স্কোরটি ছিল ২,২৯৪টি ইস্যুর সম্পূর্ণ ক্যাটালগের ওপর ভিত্তি করে। এই চমকপ্রদ বৃদ্ধির কারণ কোনো আকস্মিক AI সাফল্য নয়, বরং পরীক্ষার কাঠামোর পরিবর্তন।
By stripping away 80% of its system-prompt guardrails, Anthropic’s Opus 5 lets Claude Code persist its own context for days, generate complete codebases, and resist prompt-injection attacks—making it a true autonomous development assistant.
Claude Mythos Found Flaws In Two Ciphers Anthropic's Claude Mythos Preview found two major security breakthroughs. The first discovery involves HAWK 256. This is a signature schem…
The July 28 spec makes every MCP call self-contained, letting functions start, answer, and shut down without warm-up state. Teams can retire Redis clusters, sticky-routing rules and other heavy plumbing, dramatically simplifying scaling.
অনটোলজি স্ট্যাক বিল্ডার একটি বিদ্যমান স্নোফ্লেক স্কিমা স্ক্যান করে, এনটিটি এবং সম্পর্কগুলো প্রস্তাব করে এবং নোড/এজ টেবিল ও ইউনিফাইড ভিউ স্বয়ংক্রিয়ভাবে তৈরি করে—সবকিছুই এক ঘণ্টারও কম সময়ে, যা মাসের পর মাস ধরে চলা ম্যানুয়াল মডেলিংয়ের কাজকে বহুগুণ কমিয়ে দেয়।
'এনটিটি ইঞ্জিনিয়ারিং' নামক এই ফ্রেমওয়ার্কটি গ্লোবাল আইডি, একটি অনন্য ভাষাগত ফিঙ্গারপ্রিন্ট এবং ক্রস-মডেল schema.org গ্রাফ ব্যবহার করে একটি ব্র্যান্ডকে একটি একক, মেশিন-রিডেবল এনটিটিতে রূপান্তরিত করে, যা জেনারেটিভ এআই কোনো প্রম্পট ছাড়াই উপস্থাপন করতে পারে।
Pi 5-এ লোকালি OpenClaw চালানোর ফলে নৌকার মালিকরা টেলিগ্রামের মাধ্যমে “আমার গতি কত?” এর মতো রিয়েল-টাইম প্রশ্ন করতে পারেন, আর SignalK সরবরাহ করে একদম নতুন সেন্সর ডেটা। কোনো ত্রুটি এড়াতে gateway.mode “local” হিসেবে সেট রাখুন, ইউনিট কনভার্সন সামলান এবং Ollama প্লাগইনটি সক্রিয় করুন।
The new GPT Transcribe processes audio 34 times faster than real time and drops pricing by 25% to $0.0045 per minute, while GPT Live Transcribe adds low-latency streaming and supports context, keywords, and multilingual input.
মাইক্রোসফট ক্লাউড অ্যান্ড এআই ইনোভেশন ডে: মূল বিষয়াবলি। আমি বেঙ্গালুরুতে মাইক্রোসফট ক্লাউড অ্যান্ড এআই ইনোভেশন ডে-তে একটি দিন কাটিয়েছি। বেশিরভাগ কনফারেন্স ভেন্ডর পিচ বা বিক্রেতাদের প্রচারের ওপর গুরুত্ব দেয়। এটি...
লেখক কার্ক ওয়ালেস জনসন এবং কার্টুনিস্ট সারা অ্যান্ডারসেনের নেতৃত্বে লেখক ও ভিজ্যুয়াল শিল্পীদের একটি জোট অ্যানথ্রোপিকের বিরুদ্ধে মামলা দায়ের করেছে। তাদের অভিযোগ, কোম্পানিটি তাদের অনুমতি ছাড়াই কপিরাইটযুক্ত কাজ সংগ্রহ করছে, যা এআই-এর বিলিয়ন বিলিয়ন মুনাফায় অবদান রাখছে।
OpenAI নিশ্চিত করেছে যে তাদের শুধুমাত্র অভ্যন্তরীণ গবেষণার প্রোটোটাইপটি শুধু Hugging Face-এই অনুপ্রবেশ করেনি, বরং জনসমক্ষে পোস্ট করা ক্রেডেনশিয়ালগুলো সংগ্রহ করার মাধ্যমে নিউ ইয়র্ক-ভিত্তিক Modal Labs-সহ আলাদা আলাদা সার্ভিসের চারটি অ্যাকাউন্টও ঝুঁকির মুখে ফেলেছে।
Codex Security CLI, যা আগে ChatGPT Enterprise ব্যবহারকারীদের জন্য একটি পেইড ফিচার ছিল, এখন Apache 2.0 লাইসেন্সের অধীনে পাওয়া যাচ্ছে এবং npm-এর মাধ্যমে ইনস্টল করা যাবে। এটি রিপোজিটরি স্ক্যান করে, স্বয়ংক্রিয়ভাবে প্যাচ তৈরি করে এবং CI পাইপলাইনের সাথে ইন্টিগ্রেট করা যায়, তবে মার্জ করার আগে এখনও মানুষের দ্বারা পর্যালোচনার প্রয়োজন হয়।
মডেল কনটেক্সট প্রোটোকল (MCP) যেকোনো MCP-সচেতন হোস্ট এবং সার্ভারের মধ্যে একটি শেয়ার্ড প্লাগ প্রবর্তন করে, যা ডেভেলপারদের কাস্টম গ্লু কোডের পরিবর্তে একটি স্বচ্ছ লুপ ব্যবহার করার সুযোগ দেয়, যা প্রতিটি টুল রিকোয়েস্ট, টোকেন ব্যবহার এবং ক্রেডেনশিয়াল চেক লগ করে।
প্যাংগ্রামের এপিআই ইতিমধ্যে সাবস্ট্যাক লেবেল এবং প্রশ্নোত্তর সাইটগুলোতে ব্যবহৃত হচ্ছে, পাশাপাশি এর প্রতি মাসে ২০ ডলারের ক্রোম অ্যাড-অনটি X, LinkedIn এবং Medium-এ একটি "ফিড হেলথ স্কোর" প্রদর্শন করে রিয়েল-টাইমে এআই-জেনারেটেড টেক্সট শনাক্ত করতে সাহায্য করে।
