মাইক্রোসফ্ট রিসার্চ অর্চার্ড প্রকাশ করেছে, স্বায়ত্তশাসিত AI এজেন্ট তৈরি, প্রশিক্ষণ এবং মূল্যায়নের জন্য একটি ওপেন-সোর্স ফ্রেমওয়ার্ক যা কোম্পানি বলেছে যে অপেক্ষাকৃত ছোট ওপেন-ওয়েট মডেলগুলিকে তাদের আকারের দশগুণেরও বেশি ফ্রন্টিয়ার সিস্টেমের কার্যকারিতার কাছে যেতে দেয়। প্রকল্পটি, 3 আগস্ট, 2026-এ একটি ব্লগ পোস্টে বিশদভাবে বলা হয়েছে, এটি কোম্পানির সবচেয়ে উচ্চাভিলাষী বিড যা বৃহত্তর গবেষণা সম্প্রদায়কে সেই ধরনের অবকাঠামো দেওয়ার জন্য যা এখন পর্যন্ত, মালিকানা ল্যাবের ভিতরে বদ্ধ রয়েছে।
এআই ইন্ডাস্ট্রি স্ট্যাটিক প্রশ্ন-উত্তর থেকে এমন এজেন্টদের দিকে সরে যাওয়ার সময় রিলিজটি আসে যারা বহুধাপ পরিবেশে পরিকল্পনা, যুক্তি এবং কাজ করতে পারে। ক্ষেত্রটি কীভাবে স্বায়ত্তশাসিত সিস্টেমের দিকে অগ্রসর হচ্ছে সে সম্পর্কে আরও জানতে, আমাদের এআই শিল্পের সর্বশেষ কভারেজ দেখুন।
অর্চার্ড আসলে কি?
প্রকল্পের কেন্দ্রে রয়েছে Orchard Env, একটি হালকা ওজনের, Kubernetes-ভিত্তিক পরিবেশ পরিষেবা যা স্কেলে এজেন্ট চালানোর জন্য পুনরায় ব্যবহারযোগ্য, বিচ্ছিন্ন উপাদান সরবরাহ করে। মাইক্রোসফ্টের মতে, একই পরিষেবা সফ্টওয়্যার-ইঞ্জিনিয়ারিং এজেন্ট, ওয়েব-ব্রাউজিং এজেন্ট এবং ব্যক্তিগত-সহকারী এজেন্টদের পরিবর্তন ছাড়াই সমর্থন করতে পারে। এটি প্রশিক্ষণের তথ্য সংগ্রহ থেকে শুরু করে শক্তিবৃদ্ধি-শিক্ষার রোলআউট এবং মূল্যায়ন সবকিছু পরিচালনা করে।
মূল আর্কিটেকচারাল সিদ্ধান্ত হল যে রানটাইম পরিবেশকে একটি নির্দিষ্ট প্রশিক্ষণ কাঠামোর মধ্যে এম্বেড করা অবকাঠামোর পরিবর্তে একটি স্বতন্ত্র, পুনরায় ব্যবহারযোগ্য পরিষেবা হিসাবে বিবেচনা করা হয়। যেহেতু Orchard Env কুবারনেটে বসে আছে, এটি সমান্তরালভাবে হাজার হাজার বিচ্ছিন্ন পাত্র তৈরি, পরিচালনা এবং অপসারণ করতে পারে। দলগুলি স্ক্র্যাচ থেকে অন্তর্নিহিত অবকাঠামো পুনর্নির্মাণ না করেই নতুন বেঞ্চমার্ক, এজেন্ট সিস্টেম বা প্রশিক্ষণ অ্যালগরিদম প্রবর্তন করতে পারে।
বাস্তব জোতা ভিতরে প্রশিক্ষণ
অর্চার্ডের স্বতন্ত্র বৈশিষ্ট্যগুলির মধ্যে একটি হল এজেন্টদের সরাসরি মোতায়েন জোতাগুলির ভিতরে প্রশিক্ষণ দেওয়ার ক্ষমতা যা তারা আসলে উৎপাদনে ব্যবহার করবে। আজকের সবচেয়ে সক্ষম এজেন্টরা খুব কমই একটি বেয়ার মডেল হিসাবে চালায়। তারা কোডেক্স, ওপেনক্লা এবং জিরোক্লা-এর মতো অত্যাধুনিক জোতাগুলির মাধ্যমে কাজ করে যা বহুমুখী যুক্তি, সরঞ্জামের ব্যবহার এবং বহিরাগত সিস্টেমের সাথে সংযোগ পরিচালনা করে।
ওপেন ট্রেনিং টুলগুলি সাধারণত এই স্টেটফুল, মাল্টি-প্রসেস হারনেসগুলিকে পরিচালনা করতে পারে না, যা গবেষকদেরকে একটি সরলীকৃত স্ট্যান্ড-ইন-এ প্রশিক্ষণ দিতে বাধ্য করে এবং তারপরে প্রকৃত সেটিংয়ে মোতায়েন করতে বাধ্য করে, যা প্রশিক্ষণ এবং স্থাপনার মধ্যে অমিল তৈরি করে। অরচার্ড এই ব্যবধানটি বন্ধ করে: একটি হালকা ওজনের প্রক্সি হারনেসের নিজস্ব মডেল কলগুলিকে প্রশিক্ষণের ডেটা হিসাবে রেকর্ড করে যখন প্রতিটি রোলআউট তার নিজস্ব পাত্রে চলে, একটি এজেন্টকে সরাসরি প্রশিক্ষিত করার অনুমতি দেয় যা এটি উত্পাদনে ব্যবহার করবে।
তিনটি ডোমেন-নির্দিষ্ট রেসিপি
পদ্ধতি প্রদর্শনের জন্য, মাইক্রোসফ্ট তিনটি প্রশিক্ষণ কর্মপ্রবাহ প্রকাশ করেছে।
Orchard-SWE: সফটওয়্যার ইঞ্জিনিয়ারিং
Orchard-SWE স্বায়ত্তশাসিত এজেন্টদের জন্য সবচেয়ে চাহিদাপূর্ণ সেটিংসগুলির একটিকে লক্ষ্য করে: বাস্তব কোডবেসের উপর বহু-পদক্ষেপ যুক্তি। এটি মিনি-এসডব্লিউই-এজেন্ট ফ্রেমওয়ার্ক ব্যবহার করে তৈরি করা হয়েছিল এবং এসডব্লিউই-বেঞ্চ ভেরিফাইয়ে মূল্যায়ন করা হয়েছে, এটি একটি বেঞ্চমার্ক যা একটি মডেলের বাস্তব-বিশ্ব কোডবেস নেভিগেট, নির্ণয় এবং মেরামত করার ক্ষমতা পরীক্ষা করে।
সিস্টেমটি প্রশিক্ষণের জন্য, মাইক্রোসফ্ট দুটি উন্নত ওপেন-ওয়েট মডেল, MiniMax-M2.5 এবং Qwen3.5-397B থেকে 107,000 এজেন্ট ইন্টারঅ্যাকশন ডিস্টিল করেছে, যা গিটহাবের সমস্যাগুলির একটি বিস্তৃত পরিসর কভার করে। ক্রেডিট-অ্যাসাইনমেন্ট সুপারভাইজড ফাইন-টিউনিং নামক একটি কৌশল ব্যবহার করে, সিস্টেমটি সম্পূর্ণরূপে পরিত্যাগ করার পরিবর্তে আংশিক প্রচেষ্টার উত্পাদনশীল অংশগুলি থেকে শেখে।
ফলাফলগুলি SWE-বেঞ্চ ভেরিফাইয়ে একটি 61.4% বেসলাইন থেকে মডেলটিকে 69.1% রিইনফোর্সমেন্ট লার্নিং সহ, এবং 69.7% ঘন-পুরস্কার কৌশলগুলির সাথে নিয়ে যায়৷ মান-মডেল পুনঃর্যাঙ্কিংয়ের সাথে, চিত্রটি 73.0%-এ পৌঁছেছে - তুলনামূলক আকারের ওপেন-সোর্স মডেলগুলির মধ্যে শিল্পের একটি নতুন অবস্থা, মাত্র 3 বিলিয়ন সক্রিয় প্যারামিটার ব্যবহার করে৷
Orchard-GUI: ওয়েব নেভিগেশন
Orchard-GUI ব্রাউজার এজেন্ট হিসাবে একটি 4-বিলিয়ন-প্যারামিটার ভিশন-ভাষা মডেলকে প্রশিক্ষণ দেয়৷ তুলনামূলকভাবে স্বল্প পরিমাণে তত্ত্বাবধান ব্যবহার করা সত্ত্বেও - 400টি পাতিত প্রদর্শনের সাথে 2,200টি ওপেন-এন্ডেড ট্রেনিং টাস্ক - মডেলটি WebVoyager-এ 74.1%, Online-Mind2Web-এ 67.0% এবং DeepShop-এ 64.0% গড়ে 68.4% অর্জন করেছে। মাইক্রোসফ্ট বলেছে যে এই ফলাফলগুলি এটিকে এখন পর্যন্ত সবচেয়ে শক্তিশালী ওপেন সোর্স ওয়েব এজেন্টদের মধ্যে রাখে।
Orchard-Claw: ব্যক্তিগত সহকারীর কাজ
Orchard-Claw ইমেল পড়া এবং খসড়া তৈরি করা, ক্যালেন্ডার পরিচালনা করা এবং তথ্য অনুসন্ধান করার মতো দৈনন্দিন উত্পাদনশীলতার কাজগুলিতে ফোকাস করে৷ মাত্র 200টি সিন্থেটিক কাজের উপর প্রশিক্ষিত এবং ক্লো-ইভাল বেঞ্চমার্কে মূল্যায়ন করা হয়েছে, এটি তিনটি প্রচেষ্টা পর্যন্ত দেওয়া 59.6% কাজ সম্পন্ন করেছে, শক্তিশালী ZeroClaw এজেন্ট সিস্টেমের সাথে যুক্ত হওয়ার সময় এটি 73.9% পর্যন্ত বেড়েছে।
কেন ছোট-মডেলের ফলাফল গুরুত্বপূর্ণ
বেঞ্চমার্ক নম্বরগুলি উল্লেখযোগ্য কারণ তারা মোটামুটি 3 থেকে 4 বিলিয়ন সক্রিয় প্যারামিটার সহ মডেলগুলি থেকে এসেছে — ওপেনএআই, অ্যানথ্রোপিক এবং গুগলের ফ্রন্টিয়ার সিস্টেমের তুলনায় অনেক ছোট যা লিডারবোর্ডগুলিতে আধিপত্য বিস্তার করে। মাইক্রোসফ্টের যুক্তি হল যে সঠিক প্রশিক্ষণের পরিকাঠামো এবং পরিবেশ অনেকখানি ব্যবধান বন্ধ করতে পারে, সক্ষম এজেন্টিক সিস্টেমগুলিকে গবেষক এবং সংস্থাগুলির কাছে অ্যাক্সেসযোগ্য করে তোলে যা সবচেয়ে বড় মালিকানাধীন মডেলগুলিকে প্রশিক্ষণ বা চালানোর সামর্থ্য রাখে না।
মডেল এবং কর্মপ্রবাহের পাশাপাশি, মাইক্রোসফ্ট বৃহত্তর গবেষণা সম্প্রদায়কে উন্মুক্ত এজেন্টিক সিস্টেম তৈরি এবং অধ্যয়ন করতে সহায়তা করার বিবৃত লক্ষ্য নিয়ে সেগুলি তৈরি করতে ব্যবহৃত প্রশিক্ষণের ডেটা এবং মূল্যায়ন পদ্ধতি প্রকাশ করেছে। কাজের নেতৃত্বে ছিলেন মাইক্রোসফট রিসার্চের বাওলিন পেং, ওয়েনলিন ইয়াও, কিয়ানহুই উ, হাও চেং এবং জিয়ানফেং গাও।
এআই থেকে এগিয়ে থাকুন
মাইক্রোসফ্টের অর্চার্ড রিলিজ ইঙ্গিত দেয় যে ফ্রন্টিয়ার এজেন্টিক এআই এর পিছনে অবকাঠামো গণতান্ত্রিক করতে শুরু করেছে। আরও পড়ুন ব্রেকিং এআই নিউজ এবং আরও এআই নিউজ পড়ুন →
