এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
মাল্টি-হপ প্রশ্ন-উত্তর
প্রশ্ন-উত্তর ব্যবস্থার একটি উপক্ষেত্র যেখানে প্রাথমিক প্রশ্নের উত্তর পাওয়ার জন্য মধ্যবর্তী প্রশ্নগুলির একটি ক্রম তৈরি এবং সমাধান করা প্রয়োজন, প্রায়শই শৃঙ্খলিতভাবে, চূড়ান্ত উত্তরে পৌঁছানোর জন্য।
শৃঙ্খলিত যুক্তি
জ্ঞানীয় এবং গণনীয় প্রক্রিয়া যা একাধিক তথ্য বা সত্তাকে সংযুক্ত করে নতুন তথ্য অনুমান করার জন্য, মাল্টি-হপ QA সিস্টেমের জন্য মৌলিক যা জ্ঞান ভিত্তিতে যৌক্তিক পথ অনুসরণ করতে হবে।
প্রশ্ন বিভাজন
একটি জটিল প্রশ্নকে বিশ্লেষণ করে সরাসরি উত্তরযোগ্য সরল উপ-প্রশ্নের একটি ধারায় বিভক্ত করার কৌশল, যার উত্তরগুলি পরে প্রাথমিক প্রশ্ন সমাধানের জন্য সংযুক্ত করা হবে।
উৎপাদন দ্বারা উন্নত পুনরুদ্ধার (RAG)
একটি হাইব্রিড স্থাপত্য যেখানে একটি পুনরুদ্ধার মডেল জেনারেটর মডেলকে খাওয়ানোর জন্য প্রাসঙ্গিক নথি খুঁজে পায়, প্রায়শই বাহ্যিক উৎসের উপর নির্ভর করে জটিল উত্তর তৈরি করতে ব্যবহৃত হয়।
কোয়েরি পরিকল্পনা
একটি প্রক্রিয়া যা মাল্টি-হপ প্রশ্নের উত্তর দিতে নির্বাহ করার জন্য উপ-কোয়েরিগুলির সর্বোত্তম ক্রম নির্ধারণ করে, গণনীয় ব্যয় কমানো এবং পুনরুদ্ধারকৃত তথ্যের প্রাসঙ্গিকতা সর্বাধিক করার জন্য।
প্রমাণ সমন্বয়
মাল্টি-হপ QA প্রক্রিয়ার চূড়ান্ত পর্যায় যেখানে যুক্তির বিভিন্ন ধাপ থেকে প্রাপ্ত তথ্যগুলি সংশ্লেষিত এবং একত্রিত করা হয় একটি সামঞ্জস্যপূর্ণ এবং সম্পূর্ণ চূড়ান্ত উত্তর তৈরি করার জন্য।
অস্পষ্ট সত্তা
মাল্টি-হপ QA-তে একটি প্রধান চ্যালেঞ্জ যেখানে প্রশ্নে উল্লিখিত একটি সত্তা জ্ঞান গ্রাফে একাধিক স্বতন্ত্র নোডের প্রতি নির্দেশ করতে পারে, সঠিক যুক্তি পথ অনুসরণ করার জন্য প্রাসঙ্গিক অস্পষ্টতা দূরীকরণ প্রয়োজন।
পথ যুক্তি
মাল্টি-হপ QA-তে একটি নির্দিষ্ট পদ্ধতি যা উত্তরের দিকে নিয়ে যাওয়া যৌক্তিক লম্ফের ক্রম খুঁজে পেতে একটি জ্ঞান গ্রাফে বিভিন্ন সম্পর্কীয় পথ অন্বেষণ এবং মূল্যায়ন করা জড়িত।
স্টেট ট্রানজিশন মডেল
মাল্টি-হপ রিজনিং প্রক্রিয়াকে স্টেট সিরিজ হিসেবে মডেল করার ফর্মাল অ্যাপ্রোচ, যেখানে প্রতিটি অ্যাকশন (রিজনিং হপ) সিস্টেমের কারেন্ট স্টেট পরিবর্তন করে।
QA-এর জন্য রিইনফোর্সমেন্ট লার্নিং
একটি ট্রেনিং প্যারাডাইম যেখানে একটি QA এজেন্ট নেভিগেশন পলিসি শেখে (কোন প্রশ্ন জিজ্ঞাসা করতে হবে বা কোন লিঙ্ক ফলো করতে হবে) যখন সে সঠিক উত্তর পায়, এভাবে তার রিজনিং স্ট্র্যাটেজি অপ্টিমাইজ করে।
নিউরাল সিম্বলিক প্রশ্ন-উত্তর
একটি হাইব্রিড অ্যাপ্রোচ যা ন্যাচারাল ল্যাঙ্গুয়েজ বোঝার জন্য নিউরাল নেটওয়ার্ক এবং লজিক্যাল রিজনিং ও স্ট্রাকচার্ড ফ্যাক্ট ম্যানিপুলেশনের জন্য সিম্বলিক কম্পোনেন্টস কম্বাইন করে, বিশেষভাবে মাল্টি-হপ QA-এর জন্য উপযোগী।
রিজনিং এক্সপ্লেইনাবিলিটি
একটি মাল্টি-হপ QA সিস্টেমের শুধু উত্তর দেওয়ার নয়, বরং ডিডাকশন চেইন, সোর্সেস এবং ইন্টারমিডিয়েট স্টেপস এক্সপোজ করার ক্ষমতা, যা ট্রাস্ট এবং ডিবাগিংয়ের জন্য অত্যন্ত গুরুত্বপূর্ণ।
রিলেশন প্রেডিকশন
একটি টাস্ক যা নলেজ গ্রাফে দুইটি এনটিটির মধ্যে সঠিক সিম্যান্টিক রিলেশন আইডেন্টিফাই করে, মাল্টি-হপ প্রশ্ন-উত্তর প্রক্রিয়ার প্রতিটি 'হপ'-এর একটি কী স্টেপ।
ডকুমেন্ট-ভিত্তিক QA সিস্টেম
এক ধরনের মাল্টি-হপ QA সিস্টেম যেখানে রিজনিং স্ট্রাকচার্ড গ্রাফে নয়, বরং আনস্ট্রাকচার্ড বা সেমি-স্ট্রাকচার্ড ডকুমেন্ট কালেকশনের মধ্যে ছড়িয়ে থাকা ইনফরমেশন কানেক্ট করে করা হয়।