গুগল ওপেন-সোর্স করল Harness2, এআই এজেন্টরা নিজেদের হার্নেস নিজেরাই নতুন করে সাজাতে পারবে

গুগল রিসার্চ এআই এজেন্টের জন্য একটি ওপেন-সোর্স ফ্রেমওয়ার্ক Harness2 প্রকাশ করেছে, যা Apache-2.0 লাইসেন্সের অধীনে এসেছে। ২০২৬ সালের ১৮ অক্টোবর ঘোষিত এই টুলটি এজেন্ট পরীক্ষা চলাকালীন তার চারপাশের হার্নেস নতুন করে লেখে, অর্থাৎ ওই কাঠামোকে স্থির রাখে না।

প্রকাশিত সারসংক্ষেপ অনুযায়ী, একটি একক পরিমার্জন ধাপে WorkBuddy-Bench-এ GLM-5 মডেলের স্কোর 11.5 পয়েন্ট বেড়েছে। বলা হচ্ছে, এই উন্নতি মডেলের ওয়েট আপডেট না করেই এসেছে।

হার্নেস কেন গুরুত্বপূর্ণ

এজেন্ট সিস্টেমে হার্নেস হলো মডেলকে ঘিরে থাকা স্তর: এর নির্দেশনা, ব্যবহার করতে পারা টুল এবং কাজটি কীভাবে এগোবে তা ঠিক করে নিয়ন্ত্রণ-যুক্তি। একই মডেল ভিন্ন সেটআপে সম্পূর্ণ আলাদা ফল দিতে পারে। Harness2 একটি রিকার্সিভ পদ্ধতি ব্যবহার করে, যাতে ইঞ্জিনিয়াররা হাতে টিউন করার বদলে সিস্টেমটি নিজেই এই স্তরটি নতুন করে ডিজাইন করতে পারে।

কোনো পুনঃপ্রশিক্ষণ জড়িত না থাকায় পদ্ধতিটি ইঙ্গিত দেয় যে ব্যয়বহুল প্রশিক্ষণ ছাড়াই বিদ্যমান মডেল থেকে আরও সক্ষমতা বের করে আনা সম্ভব। যেসব দল নিজস্ব মডেল গড়ে তোলা বা ফাইন-টিউন করার সামর্থ্য রাখে না, তাদের কাছে এটি আকর্ষণীয় মনে হতে পারে।

উন্মুক্ত প্রশ্নসমূহ

এখনো প্রকাশ্যে তথ্য সীমিত। অন্যান্য মডেল ও বেঞ্চমার্কেও একই রকম লাভ মিলবে কি না, একাধিক পরিমার্জন ধাপে কী ঘটে, অথবা প্রক্রিয়াটির জন্য কতটা অতিরিক্ত কম্পিউট লাগে, তা এখনো স্পষ্ট নয়। প্রতিবেদিত 11.5 পয়েন্টের উন্নতি একটি মডেল ও একটি বেঞ্চমার্ক সম্পর্কিত।

তবে উদার লাইসেন্সের কারণে বাইরের গবেষকরা দাবিগুলো নিজেরাই যাচাই করতে পারবেন। এই প্রকাশনা একটি ক্রমবর্ধমান ধারণার সঙ্গে মেলে যে এজেন্টের কর্মক্ষমতা শুধু অন্তর্নিহিত মডেলের ওপর নয়, তার চারপাশে গড়ে ওঠা কাঠামোর ওপরও নির্ভর করে, এবং Harness2 সেই অংশের কাজ স্বয়ংক্রিয় করার একটি সুনির্দিষ্ট চেষ্টা উপস্থাপন করে।