সান ফ্রান্সিসকোতে অনুষ্ঠিত LlamaCon Hackathon প্রতিযোগিতাটি সাফল্যের সাথে শেষ হয়েছে। এটি ছিল বিশ্বজুড়ে ডেভেলপারদের একটি AI সম্মেলন। এই ইভেন্টে ৬০০ জনের বেশি অংশগ্রহণকারী ছিল, যার মধ্যে ২3৮ জন প্রতিভাবান ডেভেলপার এবং উদ্ভাবক একদিনের জন্য তাদের প্রকল্প তৈরি করতে একত্রিত হয়েছিলেন। চ্যালেঞ্জটি ছিল Llama API, Llama 4 Scout অথবা Llama 4 Maverick (অথবা এই অত্যাধুনিক সরঞ্জামগুলির সংমিশ্রণ) ব্যবহার করে মাত্র ২৪ ঘণ্টার মধ্যে একটি ডেমোযোগ্য প্রকল্প তৈরি করা।
এই প্রতিযোগিতায় ৩৫,০০০ ডলারের বেশি নগদ পুরস্কার ছিল, যার মধ্যে প্রথম, দ্বিতীয় এবং তৃতীয় পুরস্কারের পাশাপাশি Llama API ব্যবহারের জন্য একটি বিশেষ পুরস্কারও ছিল। Meta এবং স্পনসর পার্টনারদের একটি বিচারক দল ৪৪টি জমা দেওয়া প্রকল্প মূল্যায়ন করেন।
আমরা আমাদের সহযোগী Groq, Crew AI, Tavus, Lambda, Nebius এবং SambaNova-কে ধন্যবাদ জানাই, যারা পুরো হ্যাকাথন জুড়ে মূল্যবান সহায়তা প্রদান করেছিলেন। প্রতিটি স্পনসর ক্রেডিট ব্যবহারের সুবিধা, বিশেষজ্ঞ বক্তাদের কর্মশালা, পরামর্শ, লাইভ প্রশ্নোত্তর বুথ, বিচারক এবং Discord-এ দূরবর্তী সহায়তা প্রদান করেছে।
বিজয়ীদের তালিকা
দুটি রাউন্ডের বিচারকার্যের পর, আমরা ৪৪টি জমা দেওয়া প্রকল্প থেকে প্রথম ছয়টি নির্বাচন করি, যার মধ্যে প্রথম, দ্বিতীয়, তৃতীয় এবং Llama API-এর সেরা ব্যবহারের পুরস্কার ঘোষণা করা হয়।
OrgLens – প্রথম পুরস্কার
OrgLens একটি AI-চালিত বিশেষজ্ঞ ম্যাচিং সিস্টেম তৈরি করেছে, যা আপনাকে সংস্থার মধ্যে সঠিক পেশাদারদের সাথে যোগাযোগ করিয়ে দেবে। Jira টাস্ক, GitHub কোড এবং সমস্যা, অভ্যন্তরীণ ডকুমেন্ট এবং জীবনবৃত্তান্ত সহ বিভিন্ন উৎস থেকে ডেটা বিশ্লেষণ করে, OrgLens প্রতিটি অবদানকারীর জন্য একটি বিস্তৃত জ্ঞানের মানচিত্র এবং বিস্তারিত প্রোফাইল তৈরি করে। এটি আপনাকে উন্নত AI-চালিত অনুসন্ধান কার্যকারিতা ব্যবহার করে বিশেষজ্ঞদের অনুসন্ধান করতে এবং এমনকি ব্যক্তিগত ডিজিটাল টুইনের সাথে যোগাযোগ করে প্রশ্ন জিজ্ঞাসা করার সুবিধা দেবে। এর কার্যকারিতা প্রদর্শনের জন্য, React, Tailwind এবং Django ব্যবহার করে একটি ডেমো ওয়েব অ্যাপ্লিকেশন তৈরি করা হয়েছে, যা ডেটা প্রক্রিয়াকরণ এবং সংরক্ষণের জন্য GitHub API এবং Llama API ব্যবহার করে। OrgLens বিশেষজ্ঞ ম্যাচিংকে সহজ করে তোলে এবং কাজের জন্য সঠিক ব্যক্তিকে খুঁজে পাওয়া সহজ করে।
OrgLens-এর উদ্ভাবন শুধু একটি বিশেষজ্ঞ ম্যাচিং সিস্টেম নয়, বরং এটি একটি সংস্থার অভ্যন্তরীণ জ্ঞান আদান-প্রদান এবং সহযোগিতার গতি বাড়াতে সহায়ক। এটি কৃত্রিম বুদ্ধিমত্তার শক্তি ব্যবহার করে তথ্যের বাধা দূর করে এবং সংস্থার প্রতিটি কোণে লুকানো বিশেষ জ্ঞানকে একত্রিত করে। কল্পনা করুন, যখন আপনি একটি জটিল প্রকল্পে সমস্যার সম্মুখীন হন, তখন অভ্যন্তরীণ ইমেল এবং নথিতে উদ্দেশ্যহীনভাবে অনুসন্ধান করার পরিবর্তে, OrgLens ব্যবহার করে আপনি দ্রুত প্রাসঙ্গিক অভিজ্ঞতা এবং দক্ষতা সম্পন্ন সহকর্মীদের খুঁজে পেতে পারেন এবং সরাসরি তাদের “ডিজিটাল টুইন”-এর সাথে প্রাথমিক যোগাযোগ করতে পারেন। এটি নিঃসন্দেহে কাজের দক্ষতা এবং সমস্যা সমাধানের গতি বাড়িয়ে তুলবে। OrgLens-এর মূল শক্তি হল ডেটার গভীর বিশ্লেষণ করার ক্ষমতা। এটি শুধু Jira, GitHub-এর মতো প্ল্যাটফর্ম থেকে ডেটা সংগ্রহ করে না, অভ্যন্তরীণ ডকুমেন্ট এবং জীবনবৃত্তান্ত বিশ্লেষণ করে একটি বিস্তৃত জ্ঞানের মানচিত্র তৈরি করে। এই জ্ঞানের মানচিত্রে কর্মীদের দক্ষতা এবং অভিজ্ঞতাই শুধু অন্তর্ভুক্ত নয়, বরং বিভিন্ন প্রকল্পে তাদের অবদান এবং মিথস্ক্রিয়াও নথিভুক্ত করা হয়। এই জ্ঞানের মানচিত্রের মাধ্যমে, OrgLens সঠিকভাবে সেই বিশেষজ্ঞকে শনাক্ত করতে সক্ষম, যিনি নির্দিষ্ট কাজের জন্য সবচেয়ে উপযুক্ত এবং তাদের প্রয়োজনে সহায়তা করতে পারে। OrgLens ব্যবহারকারীর অভিজ্ঞতার দিকেও মনোযোগ দেয়। এটি একটি স্বজ্ঞাত এবং সহজে ব্যবহারযোগ্য ওয়েব ইন্টারফেস সরবরাহ করে, যেখানে ব্যবহারকারীরা কীওয়ার্ডের মাধ্যমে অনুসন্ধান করতে বা সঠিক বিশেষজ্ঞকে খুঁজে বের করার জন্য উন্নত ফিল্টার ব্যবহার করতে পারে। এছাড়াও, “ডিজিটাল টুইন” বৈশিষ্ট্যটি ব্যবহারকারীদের প্রাথমিক প্রশ্ন জিজ্ঞাসা করতে এবং দ্রুত উত্তর পেতে সহায়তা করে, যা বিশেষজ্ঞ এবং সন্ধানকারী উভয়ের সময় বাঁচায়। কৃত্রিম বুদ্ধিমত্তাকে বিশেষজ্ঞ ম্যাচিং প্রক্রিয়ার সাথে একীভূত করে, OrgLens কোম্পানিগুলির অভ্যন্তরীণ প্রতিভা ব্যবস্থাপনার পদ্ধতিতে বিপ্লব ঘটাতে পারে, যা উন্নত সহযোগিতা, উদ্ভাবন এবং সামগ্রিক কর্মক্ষমতা বাড়াতে সাহায্য করে।
OrgLens-এর সাফল্য কোম্পানির অভ্যন্তরীণ জ্ঞান ব্যবস্থাপনার সমস্যার সমাধান করার মধ্যে নিহিত। অনেক কোম্পানি তাদের কর্মীদের দক্ষতার অভাব এবং তথ্যের দুষ্প্রাপ্যতার কারণে সম্পদের অপচয় এবং কম উৎপাদনশীলতার সম্মুখীন হয়। OrgLens স্বয়ংক্রিয়ভাবে বিশেষজ্ঞ ম্যাচিং প্রক্রিয়ার মাধ্যমে এই সমস্যার সমাধান করে এবং কোম্পানিগুলিকে নিম্নলিখিত সুবিধাগুলি প্রদান করে:
- উচ্চ উৎপাদনশীলতা: কর্মীরা দ্রুত প্রয়োজনীয় সহায়তা খুঁজে পেতে পারে, যা প্রকল্পের অগ্রগতিকে ত্বরান্বিত করে।
- উদ্ভাবনের প্রচার: বিভিন্ন ক্ষেত্রের বিশেষজ্ঞদের সাথে সংযোগ স্থাপনের মাধ্যমে নতুন ধারণা এবং সমাধানের জন্ম দেওয়া যায়।
- সম্পদের সঠিক ব্যবহার: পুনরাবৃত্তিমূলক কাজ এবং সম্পদের অপচয় এড়িয়ে সামগ্রিক দক্ষতা বৃদ্ধি করা যায়।
- কর্মীদের সম্পৃক্ততা বৃদ্ধি: কর্মীদের জ্ঞান এবং অভিজ্ঞতা ভাগ করে নেওয়ার সুযোগ তৈরি করে তাদের সম্পৃক্ততা এবং স্বীকৃতি বাড়ানো যায়।
Compliance Wizards – দ্বিতীয় পুরস্কার
Compliance Wizards একটি AI-চালিত লেনদেন বিশ্লেষক তৈরি করেছে, যা জালিয়াতি সনাক্ত করতে এবং কাস্টম ঝুঁকি মূল্যায়ন অ্যালগরিদমের ভিত্তিতে ব্যবহারকারীদের সতর্ক করতে পারে। ব্যবহারকারীদের লেনদেন রিপোর্ট বা নিশ্চিত করার জন্য ইমেল বিজ্ঞপ্তি পাঠানো হয়। এরপর, ব্যবহারকারীরা AI ভয়েস সহকারীর সাথে রিপোর্ট এবং নিশ্চিতকরণ করতে পারেন। Llama API-এর মাল্টিমোডাল ব্যবহার করে, জালিয়াতি মূল্যায়নকারীরা গ্রাহকের তথ্য আপলোড করতে এবং তাদের গ্রাহক কোনও উল্লেখযোগ্য অপরাধমূলক কার্যকলাপের সাথে জড়িত কিনা, তা নির্ধারণে সহায়তা করার জন্য প্রাসঙ্গিক খবর অনুসন্ধান করতে পারেন।
কমপ্লায়েন্স উইজার্ডস একটি কৃত্রিম বুদ্ধিমত্তা-সমর্থিত লেনদেন বিশ্লেষক তৈরি করেছে, যা জটিল ঝুঁকি মূল্যায়ন অ্যালগরিদমের মাধ্যমে সন্দেহজনক কার্যকলাপ শনাক্ত করতে এবং ব্যবহারকারীদের সতর্ক করতে ডিজাইন করা হয়েছে। এই সিস্টেমটি ব্যবহারকারীদের ইমেল বিজ্ঞপ্তি পাঠানোর মাধ্যমে কাজ করে, যা ব্যবহারকারীদের কিছু লেনদেন পর্যালোচনা এবং নিশ্চিত করতে অনুরোধ করে। এরপর, ব্যবহারকারীরা কোনও লেনদেন রিপোর্ট করতে বা এর বৈধতা নিশ্চিত করতে AI চালিত ভয়েস সহকারীর সাথে যোগাযোগ করতে পারেন। Llama API-এর মাল্টিমোডাল বৈশিষ্ট্যগুলোর ব্যবহার করে, জালিয়াতি মূল্যায়নকারীরা গ্রাহকের তথ্য আপলোড করতে পারেন এবং তাদের গ্রাহক কোনো উল্লেখযোগ্য অপরাধমূলক কার্যকলাপের সাথে জড়িত কিনা, তা জানতে প্রাসঙ্গিক খবর অনুসন্ধান করতে পারেন।
Compliance Wizards-এর কেন্দ্রবিন্দুতে রয়েছে শক্তিশালী AI ইঞ্জিন, যা লেনদেনের ডেটা গভীরভাবে বিশ্লেষণ করতে এবং সম্ভাব্য জালিয়াতির প্যাটার্ন চিহ্নিত করতে সক্ষম। এই ইঞ্জিনটি শুধু সনাতনী জালিয়াতি শনাক্ত করতেই সক্ষম নয়, বরং গ্রাহকদের নির্দিষ্ট ঝুঁকির প্রোফাইলের ওপর ভিত্তি করে কাস্টমাইজড ঝুঁকি মূল্যায়ন করতে পারে। এর ফলে জালিয়াতি শনাক্তকরণের নির্ভুলতা বৃদ্ধি পায়। এছাড়াও Compliance Wizards-এ একটি নিউজ সার্চ ফাংশন রয়েছে, যা জালিয়াতি নিরীক্ষণকারীদের তাদের গ্রাহকদের সম্পর্কে প্রাসঙ্গিক তথ্য, যেমন মিডিয়াতে উল্লেখ এবং আইনি রেকর্ড দ্রুত সংগ্রহ করতে সাহায্য করে। এই প্রাসঙ্গিক তথ্য গ্রাহকের ঝুঁকির প্রোফাইল মূল্যায়ন এবং সম্ভাব্য বিপদ চিহ্নিত করতে গুরুত্বপূর্ণ হতে পারে।
AI-চালিত ভয়েস অ্যাসিস্ট্যান্ট Compliance Wizards-এর আরেকটি গুরুত্বপূর্ণ উপাদান। এটি ব্যবহারকারীদের লেনদেন রিপোর্ট এবং স্বীকার করার জন্য একটি সুবিধাজনক এবং কার্যকরী উপায় প্রদান করে, বিশেষ করে যখন তারা বাইরে থাকেন। ভয়েস অ্যাসিস্ট্যান্ট লেনদেন সম্পর্কে প্রশ্নের উত্তর দিতে এবং প্রাসঙ্গিক নিয়মকানুন মেনে চলতে সাহায্য করতে পারে।
Compliance Wizards-এর প্রধান সুবিধাগুলো হলো:
- উন্নত ঝুঁকি মূল্যায়ন: কাস্টমাইজড ঝুঁকি মূল্যায়ন অ্যালগরিদমের মাধ্যমে সম্ভাব্য জালিয়াতি কার্যক্রম আরও নির্ভুলভাবে চিহ্নিত করতে পারে।
- রিয়েল-টাইম লেনদেন বিশ্লেষণ: সমস্ত লেনদেন রিয়েল-টাইমে নিরীক্ষণ করে সন্দেহজনক কার্যক্রম দ্রুত শনাক্ত করতে পারে।
- পরিস্থিতিগত সচেতনতা: গ্রাহকের ঝুঁকির প্রোফাইল সম্পূর্ণরূপে মূল্যায়ন করতে নিউজ ইনফরমেশন সংগ্রহ করতে পারে।
- সহজ রিপোর্টিং: ভয়েস অ্যাসিস্ট্যান্ট ব্যবহারের মাধ্যমে রিপোর্টিং এবং নিশ্চিতকরণ প্রক্রিয়া সহজ করে।
Compliance Wizards শুধুমাত্র একটি সরঞ্জাম নয়, বরং একটি ব্যাপক কমপ্লায়েন্স সলিউশন, যা কোম্পানিগুলোকে জালিয়াতির ঝুঁকি কমাতে এবং প্রাসঙ্গিক নিয়মকানুন মেনে চলতে সাহায্য করে।
Llama CCTV Operator – তৃতীয় পুরস্কার
Agajan Torayev-এর নেতৃত্বে একটি দল Llama CCTV AI কন্ট্রোল রুম অপারেটর তৈরি করেছে, যা কোনো মডেল ফাইন-টিউনিং ছাড়াই কাস্টমাইজড নজরদারি ভিডিও ইভেন্টগুলো স্বয়ংক্রিয়ভাবে শনাক্ত করতে পারে। অপারেটর সাধারণ ভাষায় ভিডিও ইভেন্টগুলো সংজ্ঞায়িত করতে সক্ষম। Llama 4-এর মাল্টিমোডাল ইমেজ বোঝার ক্ষমতা ব্যবহার করে সিস্টেমটি প্রতি পাঁচ ফ্রেমে একবার গতিবিধি ক্যাপচার করে এবং শনাক্ত করে, তারপর পূর্বনির্ধারিত ইভেন্টগুলো মূল্যায়ন করে অপারেটরের কাছে রিপোর্ট করে।
Llama CCTV Operator-এর পেছনের ধারণা হলো নজরদারি সিস্টেমকে বুদ্ধিমত্তা প্রদান করা, যাতে এটি কেবল ভিডিও রেকর্ড করার পরিবর্তে অস্বাভাবিক ঘটনাগুলো সক্রিয়ভাবে শনাক্ত করতে পারে। এই সিস্টেমটি Llama 4-এর শক্তিশালী ইমেজ বোঝার ক্ষমতা ব্যবহার করে, যা রিয়েল-টাইমে ভিডিও ফিড বিশ্লেষণ করতে এবং পূর্বনির্ধারিত ইভেন্টগুলো, যেমন সন্দেহজনক কার্যকলাপ, অননুমোদিত প্রবেশাধিকার বা নিরাপত্তা ঝুঁকি শনাক্ত করতে পারে। অপারেটর মেশিন লার্নিং বা কম্পিউটার ভিশন সম্পর্কে কোনো বিশেষ জ্ঞান ছাড়াই সাধারণ ভাষা ব্যবহার করে এই ইভেন্টগুলো সংজ্ঞায়িত করতে পারেন।
সিস্টেমটি প্রতি পাঁচ ফ্রেমে একবার গতিবিধি ক্যাপচার এবং বিশ্লেষণ করে কাজ করে, তারপর Llama 4-এর মাল্টিমোডাল ক্ষমতা ব্যবহার করে মূল্যায়ন করে যে ক্যাপচার করা গতিবিধি পূর্বনির্ধারিত ইভেন্টগুলোর সাথে মেলে কিনা। যদি কোনো মিল খুঁজে পাওয়া যায়, তাহলে সিস্টেমটি তাৎক্ষণিকভাবে অপারেটরের কাছে প্রাসঙ্গিক তথ্যসহ ইভেন্টটি রিপোর্ট করবে।
Llama CCTV Operator-এর প্রধান সুবিধাগুলো হলো:
- কোনো ফাইন-টিউনিং-এর প্রয়োজন নেই: মডেলটিকে ফাইন- টিউনিং করার প্রয়োজন নেই, যা স্থাপনা এবং রক্ষণাবেক্ষণ প্রক্রিয়াটিকে অনেক সহজ করে।
- কাস্টম ইভেন্ট সনাক্তকরণ: অপারেটর সাধারণ ভাষা ব্যবহার করে কাস্টম নজরদারি ইভেন্টগুলো সংজ্ঞায়িত করতে পারেন, যা নির্দিষ্ট নিরাপত্তা চাহিদা পূরণ করে।
- রিয়েল-টাইম বিশ্লেষণ: সিস্টেমটি রিয়েল-টাইমে ভিডিও ফিড বিশ্লেষণ করতে সক্ষম, যা সন্দেহজনক কার্যকলাপ দ্রুত সনাক্ত করে।
- স্বয়ংক্রিয় রিপোর্টিং: সিস্টেমটি স্বয়ংক্রিয়ভাবে সনাক্ত করা ইভেন্টগুলো অপারেটরের কাছে রিপোর্ট করে, যা ম্যানুয়াল নজরদারির প্রয়োজনীয়তা হ্রাস করে।
Geo-ML – Llama API-এর সেরা ব্যবহার
ভূ-বিজ্ঞানী William Davis Llama 4 Maverick এবং GemPy ব্যবহার করে সম্ভাব্য খনন সাইট, ভূখণ্ড মানচিত্র এবং খনিজ সম্পদের ত্রিমাত্রিক (3D) ভূতাত্ত্বিক মডেল তৈরি করেছেন। Geo-ML ৪০০ পৃষ্ঠার ভূতাত্ত্বিক প্রতিবেদন প্রক্রিয়াকরণের মাধ্যমে কাজ করে, যা থেকে তথ্য সংগ্রহ করে একটি কাঠামোগত ভূতাত্ত্বিক ডোমেইন-নির্দিষ্ট ভাষায় (Domain-Specific Language) রূপান্তর করে, এবং তারপর এটি ভূগর্ভের ত্রিমাত্রিক চিত্র তৈরি করতে ব্যবহার করে।
ডেভিস বলেন, "এটি আমার প্রথম LLM API ব্যবহার করে দীর্ঘ ভূতাত্ত্বিক গবেষণা পত্র থেকে অতি-দীর্ঘ টেক্সট এবং ছবি বের করা। আমি Llama Maverick-এর অতি-দীর্ঘ কনটেক্সট উইন্ডো এবং টেক্সট ও ছবির মাল্টিমোডাল ক্ষমতা ব্যবহার করে টেক্সট বের করেছি এবং সেগুলোকে ডোমেইন-নির্দিষ্ট ভাষায় রূপান্তর করেছি, যা ডকুমেন্টে সংরক্ষিত সমস্ত তথ্যের একটি সংকুচিত সংস্করণ দিয়েছে।” তিনি আরও বলেন, "আমি বেশিরভাগ সময় ভূতাত্ত্বিক ডকুমেন্ট পড়ে কাটিয়েছি। এমন একটি LLM থাকা অসাধারণ হবে, যা আমার জন্য ব্যাকগ্রাউন্ডে এই কাজটি করতে পারবে।”
ভূ-বিজ্ঞানী উইলিয়াম ডেভিস Llama 4 Maverick এবং GemPy ব্যবহার করে একটি নতুন ভূতাত্ত্বিক মডেলিং পদ্ধতির সূচনা করেছেন। Geo-ML-এর লক্ষ্য হলো কৃত্রিম বুদ্ধিমত্তার শক্তি ব্যবহার করে বিশাল ভূতাত্ত্বিক প্রতিবেদন থেকে লুকানো তথ্য বের করে সেগুলোকে ত্রিমাত্রিক মডেলে রূপান্তর করা, যা সহজে ব্যবহারযোগ্য।
সিস্টেমটি ৪০০ বা তার বেশি পৃষ্ঠার দীর্ঘ ভূতাত্ত্বিক গবেষণা পত্রগুলো প্রক্রিয়াকরণের মাধ্যমে কাজ করে। তারপর এটি একটি কাঠামোগত ভূতত্ত্ব ডোমেইন-নির্দিষ্ট ভাষায় (Domain-Specific Language) তথ্য একত্রিত করে। এই ভাষা ভূতাত্ত্বিক বৈশিষ্ট্য, গঠন এবং খনিজ সম্পদের মূল বিষয়গুলো ধারণ করে। এরপর সিস্টেমটি ভূগর্ভের ত্রিমাত্রিক চিত্র তৈরি করতে এই ভাষা ব্যবহার করে, যা ভূতত্ত্ববিদদের ভূগর্ভস্থ পরিবেশ সহজে দেখতে ও বিশ্লেষণ করতে সাহায্য করে।
ডেভিস নিজেই Geo-ML সম্ভব করার ক্ষেত্রে Llama 4 Maverick-এর দীর্ঘ কনটেক্সট উইন্ডো এবং মাল্টিমোডাল ক্ষমতার ওপর জোর দিয়েছেন। দীর্ঘ কনটেক্সট উইন্ডো সিস্টেমটিকে একই সময়ে সমস্ত গবেষণা পত্র প্রক্রিয়া করতে সাহায্য করে, যেখানে মাল্টিমোডাল ক্ষমতা ডকুমেন্ট থেকে টেক্সট এবং ছবি উভয়ই বের করতে সক্ষম করে।
Geo-ML-এর প্রধান সুবিধাগুলো হলো:
- ভূতাত্ত্বিক মডেলিং স্বয়ংক্রিয়করণ: এটি ভূতাত্ত্বিক মডেলিং প্রক্রিয়া স্বয়ংক্রিয় করে, যা ম্যানুয়াল বিশ্লেষণের সময় এবং শ্রম কমায়।
- লুকানো তথ্য বের করা: বিশাল ভূতাত্ত্বিক প্রতিবেদন থেকে লুকানো তথ্য বের করে ভূতত্ত্ববিদদের সম্ভাব্য খনন সাইট এবং খনিজ সম্পদ খুঁজে পেতে সাহায্য করে।
- ত্রিমাত্রিক মডেল তৈরি করা: ভূগর্ভের ত্রিমাত্রিক চিত্র তৈরি করে ভূতত্ত্ববিদদের ভূগর্ভস্থ পরিবেশ সহজে দেখতে ও বিশ্লেষণ করতে সাহায্য করে।
- ভূতাত্ত্বিক গবেষণার গতি বাড়ানো: ভূতাত্ত্বিক মডেলিং প্রক্রিয়া দ্রুত করার মাধ্যমে ভূতাত্ত্বিক গবেষণার গতি বাড়ায়।
বিশেষ স্বীকৃতি: টিম কনসিয়ের্জ
কনসিয়ের্জ নামের একটি দল নিজস্ব GPU নিয়ে এই প্রতিযোগিতায় অংশ নিয়েছিল, যা তাদের প্রতিযোগিতায় আলাদা করে তুলেছিল।
দলটি জানায়, "আমরা বিশ্বাস করি Llama 4 Maverick-এর সবচেয়ে ভালো দিক হলো এর বিশেষজ্ঞদের মিশ্রণ এবং ওপেন সোর্স সহজলভ্যতা, যা ফাইন- টিউনিং করার সুযোগ দেয়। Meta সম্প্রতি একটি দারুণ ফাইন- টিউনিং টুল প্রকাশ করেছে, যা GitHub-এ পাওয়া যায়। Llama API ব্যবহার করে আমরা একাধিক উৎস থেকে ডেটা একত্রিত করে QA ডেটাসেট তৈরি করেছি এবং Llama 4 Maverick মডেলটিকে ফাইন- টিউন করেছি। আমরা এটিকে ওপেন বেঞ্চমার্কিং-এর জন্য জমা দেওয়ার পরিকল্পনা করছি, কারণ আমাদের বর্তমানে Llama 4 কোডেক নেই এবং ১ মিলিয়ন কনটেক্সট উইন্ডোর সাথে এটি ব্যতিক্রমী হওয়ার সম্ভাবনা রাখে।”
Concierge-এর অনন্য পদ্ধতিটি হলো Llama 4 Maverick মডেলটিকে ফাইন- টিউন করার ওপর মনোযোগ দেওয়া, যাতে নির্দিষ্ট কাজের ক্ষেত্রে এর কর্মক্ষমতা বাড়ানো যায়। দলটি বিশ্বাস করে যে Llama 4 Maverick-এর বিশেষজ্ঞদের মিশ্রণ এবং ওপেন সোর্স সহজলভ্যতা এটিকে ফাইন- টিউনিং করার জন্য একটি দারুণ প্রার্থী করে তুলেছে।
মডেলটিকে ফাইন- টিউন করার জন্য, দলটি একাধিক উৎস থেকে ডেটা একত্রিতকরে QA ডেটাসেট তৈরি করেছে। তারপর, তারা Meta-এর ফাইন- টিউনিং টুল ব্যবহার করে মডেলটিকে প্রশিক্ষণ দিয়েছে। দলটি কর্মক্ষমতা মূল্যায়ন করার জন্য ফাইন- টিউন করা মডেলটিকে ওপেন বেঞ্চমার্কিং-এর জন্য জমা দেওয়ার পরিকল্পনা করছে।
ফাইনালিস্টদের ডেমো দেখুন
ফাইনালিস্টদের ডেমো আপনি YouTube-এ দেখতে পারেন।
পরবর্তী Llama হ্যাকাথনে যোগ দিন
ডেভেলপাররা পরবর্তী Llama হ্যাকাথনে যোগ দেওয়ার জন্য আবেদন করতে পারেন, যা ২০২৫ সালের ৩১শে মে থেকে ১লা জুন নিউ ইয়র্ক সিটিতে অনুষ্ঠিত হবে।