All Writings

ব্ল্যাক বক্সের ব্যবচ্ছেদ, রেসিড্যুয়াল স্ট্রিম যোগাযোগ বাস, ট্রান্সফরমার সার্কিট বিশ্লেষণ, ইন্ডাকশন হেডস এবং অ্যাক্টিভেশন প্যাচিং।

আউটকাম বনাম প্রসেস সুপারভিশন, প্রতিটি পদক্ষেপের মূল্যায়ন, প্রসেস রিওয়ার্ড মডেল (PRM), বিম সার্চ এবং মন্টে কার্লো রিজনিং ট্রি।

স্কেলিংয়ের তৃতীয় দিগন্ত, টেস্ট-টাইম কম্পিউটেশন, অভ্যন্তরীণ চিন্তাশৃঙ্খল, ভেরিফায়ার এবং ওপেনএআই ও১/ও৩-এর বৈপ্লবিক আর্কিটেকচার।

বাস্তব জগতে বুদ্ধিমত্তার বিস্তার, মোরাভেকের প্যারাডক্স, সিম-টু-রিয়েল ট্রান্সফার, ডোমেন র‍্যান্ডমাইজেশন এবং ভিশন-ল্যাঙ্গুয়েজ-অ্যাকশন (VLA) রোবোটিক্স।

মাল্টি-এজেন্ট সিস্টেম গতিবিদ্যা, কাজের সুষম বণ্টন, অর্কেস্ট্রেটর-ওয়ার্কার সোয়ার্ম, যোগাযোগ টপোলজি এবং যৌথ সিদ্ধান্ত গ্রহণ।

কগনিটিভ মেমরি আর্কিটেকচার, কনটেক্সটের ক্ষণস্থায়ীত্ব বনাম দীর্ঘস্থায়ী জ্ঞান, এপিসোডিক মেমরি এবং রিফ্লেকশন (Reflexion) ফ্রেমওয়ার্ক।

কগনিটিভ আর্কিটেকচার ডিজাইন, যুক্তি ও কাজের সমন্বয়, রিঅ্যাক্ট (ReAct) প্যাটার্ন, স্ট্রাকচার্ড ফাংশন কলিং এবং প্ল্যান-অ্যান্ড-সলভ এজেন্ট।

ল্যাটেন্ট স্পেসে ভবিষ্যত পরিকল্পনা, মন্টে কার্লো ট্রি সার্চ (MCTS), PUCT সিলেকশন অ্যালগরিদম এবং সিমুলেটরবিহীন ওয়ার্ল্ড মডেল।

ডায়নামিক প্রোগ্রামিং রিকার্শন, বেলম্যান অপটিম্যালিটি সমীকরণ, পলিসি গ্র্যাডিয়েন্ট থিওরেম এবং প্রক্সিমাল পলিসি অপটিমাইজেশন (PPO)।

স্বায়ত্তশাসিত এজেন্টের ভিত্তি, মার্কভ ডিসিশন প্রসেসের ৫-টাপল গাণিতিক রূপরেখা, ট্রানজিশন প্রোবাবিলিটি কার্নেল এবং ডিসকাউন্টেড রিটার্ন।