AWS-এর নতুন পদ্ধতি: ছোট AI মডেলের টুল-কলিং নির্ভুলতা বাড়বে ৩ গুণ
Amazon SageMaker AI-তে Supervised Fine-Tuning ও Direct Preference Optimization একত্রে ব্যবহার করে ছোট ভাষা মডেলের টুল-কলিং নির্ভুলতা বাড়ানোর পদ্ধতি শেখালো AWS। এই পদ্ধতি প্রশিক্ষণ পরিকাঠামো পরিচালনার ঝামেলা কমিয়ে ডেটা-চালিত সিদ্ধান্ত নিতে সাহায্য করে।
Amazon SageMaker AI-তে Supervised Fine-Tuning ও Direct Preference Optimization একত্রে ব্যবহার করে ছোট ভাষা মডেলের টুল-কলিং নির্ভুলতা বাড়ানোর পদ্ধতি শেখালো AWS। এই পদ্ধতি প্রশিক্ষণ পরিকাঠামো পরিচালনার ঝামেলা কমিয়ে ডেটা-চালিত সিদ্ধান্ত নিতে সাহায্য করে।
ছোট ভাষা মডেলের (SLM) টুল-কলিং নির্ভুলতা বাড়াতে Supervised Fine-Tuning (SFT) ও Direct Preference Optimization (DPO) একসঙ্গে ব্যবহারের কার্যকরী পদ্ধতি প্রকাশ করেছে Amazon Web Services (AWS)। AWS AI ব্লগে প্রকাশিত এক পোস্টে এই পদ্ধতি বিস্তারিতভাবে তুলে ধরা হয়েছে। এতে Amazon SageMaker AI-এর প্রশিক্ষণ জব ব্যবহার করা হয়েছে, যাতে ডেভেলপাররা নিজেদের প্রশিক্ষণ পরিকাঠামো পরিচালনার পরিবর্তে কোড লেখায় মনোযোগ দিতে পারেন।
এই পদ্ধতি বিশেষভাবে গুরুত্বপূর্ণ কারণ ছোট ভাষা মডেলগুলো বড় মডেলের তুলনায় টুল কল করার সময় বেশি ভুল করে। টুল-কলিং বলতে বোঝায় যখন একটি AI মডেল বাইরের কোনো API বা ফাংশনকে কল করে নির্দিষ্ট কাজ সম্পন্ন করে। SFT মডেলকে লেবেলযুক্ত উদাহরণ দিয়ে শেখায়, আর DPO মডেলের পছন্দের আউটপুটকে অগ্রাধিকার দিতে শেখায়। এই দুই পদ্ধতির সমন্বয় মডেলের নির্ভুলতা উল্লেখযোগ্যভাবে বাড়িয়ে দিতে পারে।
AWS জানিয়েছে, SageMaker AI প্রশিক্ষণ জব ব্যবহার করলে ডেভেলপারদের GPU ক্লাস্টার, স্টোরেজ বা নেটওয়ার্ক কনফিগারেশন নিয়ে চিন্তা করতে হয় না। তারা শুধু প্রশিক্ষণের কোড ও ডেটাসেট আপলোড করে দিলেই SageMaker AI বাকি সবকিছু পরিচালনা করে। এতে সময় ও খরচ দুটোই সাশ্রয় হয়।
নিবন্ধটিতে একটি পূর্ণাঙ্গ মূল্যায়ন পদ্ধতিও দেখানো হয়েছে, যেখানে বেস মডেলের সাথে বিভিন্ন ফাইন-টিউনড ভ্যারিয়েন্টের টুল-কলিং নির্ভুলতা তুলনা করা যায়। এই তুলনা ডেটা-চালিত সিদ্ধান্ত নিতে সাহায্য করে। ডেভেলপাররা নিজেদের প্রয়োজন অনুযায়ী দেখতে পারেন কোন ফাইন-টিউনিং পদ্ধতি তাদের মডেলের জন্য সবচেয়ে ভালো কাজ করে।
বাংলাদেশের ডেভেলপার ও ফ্রিল্যান্সারদের জন্য এই পদ্ধতি বিশেষ কাজে আসতে পারে। ছোট ভাষা মডেল চালানোর জন্য কম কম্পিউটেশনাল রিসোর্স লাগে, যা উন্নয়নশীল দেশের ডেভেলপারদের জন্য বড় সুবিধা। স্থানীয় ভাষায় চ্যাটবট বা অটোমেশন টুল তৈরি করতে এই পদ্ধতি ব্যবহার করে নির্ভুলতা বাড়ানো সম্ভব। শিক্ষার্থী ও গবেষকরাও SageMaker AI-এর সহজ ইন্টারফেস ব্যবহার করে দ্রুত পরীক্ষা-নিরীক্ষা চালাতে পারবেন।
AWS-এর এই উদ্যোগ প্রমাণ করে যে ছোট মডেলগুলোকেও সঠিক পদ্ধতিতে প্রশিক্ষণ দিলে বড় মডেলের কাছাকাছি পারফরম্যান্স পাওয়া সম্ভব। ভবিষ্যতে আরও সহজ ও সাশ্রয়ী AI প্রশিক্ষণ পদ্ধতি বাজারে আসবে, যা প্রযুক্তি খাতকে আরও গণতান্ত্রিক করে তুলবে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: AWS AI Blog
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...