OpenAI-এ Linux-ত 948 টা স্থানীয় ৰুট ত্ৰুটিৰ খবৰ দিছে
OpenAI-এ প্ৰায় $1.2 মিলিয়ন API ক্ৰেডিটত এক নিয়ন্ত্ৰিত Linux গৱেষণা পাইপলাইনৰ পৰা 948 টা অদ্বিতীয় স্থানীয় বিশেষাধিকাৰ-বৃদ্ধিৰ ফলাফল আৰু প্ৰাৰ্থী পেচৰ খবৰ দিছে।
OpenAI-এ প্ৰায় $1.2 মিলিয়ন API ক্ৰেডিটত এক নিয়ন্ত্ৰিত Linux গৱেষণা পাইপলাইনৰ পৰা 948 টা অদ্বিতীয় স্থানীয় বিশেষাধিকাৰ-বৃদ্ধিৰ ফলাফল আৰু প্ৰাৰ্থী পেচৰ খবৰ দিছে। এই গণনাটোত 1,169 টা সফল মূল্যায়নৰ ভিন্নতা বিশ্লেষণৰ পিছত স্পষ্ট প্ৰাৰ্থী পেচ ব্যৱহাৰ কৰা হৈছে। এটা আগতীয়া নিৰ্ধাৰিত-ত্ৰুটি আৰোপৰ ভুলৰ ফলত এক স্বতন্ত্ৰ পথ পৰীক্ষা কৰিবলগা হৈছিল, আনহাতে মানৱ পেচ পৰ্যালোচনা আৰু আপষ্ট্ৰিম গ্ৰহণ পৃথক পৰ্যায়ত আছিল।
এই ভিডিঅ’টোত কি আছে
- স্থানীয় বিশেষাধিকাৰ বৃদ্ধি মানে ইতিমধ্যে থকা এটা অপ্ৰাধিকারপ্ৰাপ্ত স্থানীয় ব্যৱহাৰকাৰীয়ে ৰুট প্ৰাপ্ত কৰা। প্ৰতিবেদনত মেচিন-নিৰ্দিষ্ট দূৰৱৰ্তী-প্ৰৱেশৰ কোনো সিদ্ধান্ত দিয়া হোৱা নাই।
- পাইপলাইনটোৱে প্ৰাৰম্ভিক ডুপ্লিকেট আঁতৰোৱাৰ পিছত 2,308 টা প্ৰাৰ্থী প্ৰস্তুত কৰিছিল আৰু 1,724 টা দুৰ্বলতা পুনৰুত্পাদন কৰিছিল। ইয়াৰ চূড়ান্ত 948 টা অদ্বিতীয় স্থানীয় ফলাফলত 1,169 টা সফল মূল্যায়নৰ ভিন্নতা বিশ্লেষণৰ পিছত এটা সুকীয়া-প্ৰাৰ্থী-পেচ গণনা ব্যৱহাৰ কৰা হৈছে।
- প্ৰতিবেদন কৰা $1.2 মিলিয়ন হৈছে মূল্যাংকিত মডেল, লক্ষ্য আৰু কাৰ্যপ্ৰণালীৰ বাবে API ক্ৰেডিট। ঐতিহাসিক বাউন্টি মূল্যায়ন কাল্পনিক আৰু পৃথক কাৰ্যসূচী গ্ৰহণ আৰু পৰিশোধৰ প্ৰয়োজন।
- আধাৰ আছিল 2026 চনৰ অক্টোবৰৰ মাজভাগ। 61-আপষ্ট্ৰিম/43-ষ্টেজিং চিত্ৰই দহ দিনৰ পিছত গৱেষণা সম্পূৰ্ণ হোৱাটো বৰ্ণনা কৰে, সেয়েহে বৰ্তমানৰ বিতৰণ পৰামৰ্শসমূহ আৱশ্যকীয় হৈ আছে।
- এটা আগতীয়া ৰাণৰ 20-200 সফলতাত নিৰ্ধাৰিত ত্ৰুটিৰ পৰা পৃথক এটা ত্ৰুটি ব্যৱহাৰ কৰা হৈছিল। OpenAI-এ এটা স্বতন্ত্ৰ নিৰ্ধাৰিত-পথ পৰীক্ষা যোগ কৰাৰ খবৰ দিছে; এই আগতীয়া ত্ৰুটিয়ে চূড়ান্ত 948 টা ভুৱা বুলি প্ৰমাণ নকৰে। সিদ্ধান্তটো আছিল NEEDS REVIEW (পৰ্যালোচনাৰ প্ৰয়োজন) মানৱ পেচ পৰ্যালোচনা আৰু পথ পৰীক্ষাৰ সৈতে।
প্ৰশ্ন আৰু উত্তৰ
Linux গৱেষণাত স্থানীয় বিশেষাধিকাৰ বৃদ্ধিৰ অৰ্থ কি?
ইয়াৰ অৰ্থ হৈছে ইতিমধ্যে থকা, অপ্ৰাধিকারপ্ৰাপ্ত স্থানীয় ব্যৱহাৰকাৰীয়ে ৰুট, অৰ্থাৎ সৰ্বোচ্চ স্থানীয় বিশেষাধিকাৰ প্ৰাপ্ত কৰে। OpenAI-এ নিয়ন্ত্ৰিত গৱেষণা মেচিন আৰু পৰ্যালোচনাৰ বাবে প্ৰমাণ থকা প্ৰাৰ্থী ফলাফল বৰ্ণনা কৰে। এটা মেচিনত প্ৰৱেশ কৰাটো এটা পৃথক প্ৰশ্ন। প্ৰতিবেদনত মেচিন-নিৰ্দিষ্ট দূৰৱৰ্তী-প্ৰৱেশৰ কোনো সিদ্ধান্ত দিয়া হোৱা নাই; শিপড কাৰ্নেল, কনফিগাৰেচন আৰু বিতৰণ পৰামৰ্শৰ নিজা প্ৰমাণৰ প্ৰয়োজন।
OpenAI-এ 948 টা অদ্বিতীয় স্থানীয় বৃদ্ধিৰ ফলাফল কেনেকৈ সংজ্ঞায়িত কৰে?
OpenAI-এ 948 টা সুকীয়া প্ৰাৰ্থী পেচ ব্যৱহাৰ কৰে ভিন্নতা বিশ্লেষণৰ পিছত অদ্বিতীয় স্থানীয় বিশেষাধিকাৰ-বৃদ্ধিৰ ফলাফলবোৰ সংজ্ঞায়িত কৰিবলৈ। ইয়াৰ মূল্যায়ন পৰ্যায়ত সেই গোট কৰাৰ আগতে 1,169 টা সফল স্থানীয় বৃদ্ধিৰ খবৰ দিছিল। একাধিক সফলতাই এটা অন্তৰ্নিহিত সমস্যাৰ সম্পৰ্কিত ভিন্নতাসমূহৰ সৈতে জড়িত হ'ব পাৰে। প্ৰাৰ্থী পেচ, আপষ্ট্ৰিম গ্ৰহণ আৰু বিতৰণলৈ ফিক্স পঠোৱাৰ পৃথক পৰ্যালোচনা পৰ্যায় আছে, সেয়েহে এই গণনাটোৱে লেখকসকলৰ সংজ্ঞা সংলগ্ন কৰি ৰখা উচিত।
200-সফলতাৰ আগতীয়া ৰাণত মানৱ পৰ্যালোচকসকলে কি পালে?
OpenAI-ৰ মতে, মানৱ পৰ্যালোচকসকলে পালে যে 200 টা সফল স্থানীয় বৃদ্ধিৰ আগতীয়া ৰাণৰ 20 টা নিৰ্ধাৰিত ত্ৰুটিৰ পৰা পৃথক এটা ত্ৰুটিৰ জৰিয়তে ৰুট পাইছিল। সফলতাটো আছিল সঁচা আনহাতে ইয়াৰ কাৰণগত আৰোপ ভুল আছিল। লেখকসকলে বাধা আঁতৰোৱা আৰু তাৰ পিছত এটা স্বতন্ত্ৰ নিৰ্ধাৰিত-দুৰ্বলতা পৰীক্ষা যোগ কৰাৰ খবৰ দিছে। এই আগতীয়া ত্ৰুটিয়ে চূড়ান্ত 948 টা ফলাফল মিছা বুলি প্ৰমাণ নকৰে।
প্ৰতিবেদন কৰা API ব্যয় আৰু পেচ স্নেপশ্বটে ইয়াৰ পৰিসৰ কিয় ধৰি ৰখা উচিত?
API-ক্ৰেডিট ব্যয়ই OpenAI-ৰ মূল্যাংকিত মডেল, লক্ষ্য আৰু কাৰ্যপ্ৰণালী বৰ্ণনা কৰে, আনহাতে পেচৰ চিত্ৰবোৰে অক্টোবৰৰ মাজভাগৰ আধাৰৰ বিৰুদ্ধে গৱেষণা সম্পূৰ্ণ হোৱাটো বৰ্ণনা কৰে। OpenAI-এ সেই ঐতিহাসিক সময়ত 61 টা আপষ্ট্ৰিম ফিক্স আৰু 43 টা ষ্টেজিং পেচৰ খবৰ দিছে। মুঠ গৱেষণাৰ ব্যয় এই খণ্ডৰ দ্বাৰা মপা হোৱা নাছিল। ব্যৱহাৰকাৰীসকলে তেওঁলোকৰ প্ৰকৃত শিপড কাৰ্নেলৰ বাবে পৰামৰ্শসমূহ অনুসৰণ কৰা উচিত, আৰু আপষ্ট্ৰিম গ্ৰহণ এটা পৃথক অভিযান্ত্ৰিক সিদ্ধান্ত হৈয়ে আছে।
OpenAI-ৰ Linux পাইপলাইনত The Daily Diff-ৰ সিদ্ধান্ত কি আছিল?
The Daily Diff-ৰ সিদ্ধান্ত আছিল NEEDS REVIEW। নিকোৱে পাইপলাইনটো মানৱ পেচ পৰ্যালোচনা আৰু স্বতন্ত্ৰ নিৰ্ধাৰিত-পথ পৰীক্ষাৰ সৈতে প্ৰতিৰক্ষামূলক কৰ্মপ্ৰণালীত ৰাখিব। OpenAI-ৰ প্ৰকাশনত প্ৰাৰ্থী পেচ, গৱেষকৰ পৰ্যালোচনা আৰু আগতীয়া আৰোপ ত্ৰুটিৰ প্ৰতিক্ৰিয়া বৰ্ণনা কৰা হৈছে। Linux কাৰ্নেলৰ সাধাৰণ প্ৰতিবেদন নিৰ্দেশিকাত কাৰ্যক্ষম প্ৰমাণ আৰু সংস্কৰণৰ প্ৰসংগ বিচৰা হৈছে, যিহে ফলাফল গণনাৰ লগতে পৰ্যালোচনাৰ মানদণ্ড কিয় গুৰুত্বপূৰ্ণ তাক বৰ্ণনা কৰাত সহায় কৰে।
অনূদিত ট্ৰান্সক্ৰিপ্ট
মূল ইংৰাজী বৰ্ণনাৰ পৰা অনুবাদ কৰা হৈছে। উপলব্ধ অডিঅ’ আৰু কেপচন ইউটিউবে নিয়ন্ত্ৰণ কৰে।
OpenAI-ৰ Linux বাগ গণনাৰ আচল অৰ্থ কি?
0:00 Linux ত্ৰুটি এটা বিচাৰিলে তাক ঠিক কৰাৰ দৰেই লাগে। OpenAI-এ নশ আঠচল্লিশটা স্থানীয় ৰুট ফলাফল আৰু প্ৰাৰ্থীৰ খবৰ দিছে, প্ৰায় এক দশমিক দুই মিলিয়ন ডলাৰ API ক্ৰেডিটত। এই ভিডিঅ'ত, কি গণনা কৰা হয়? মানৱ পৰ্যালোচনা কি ধৰিছিল? এটা আগতীয়া পৰীক্ষা আছিল য'ত মেচিনবোৰে সঁচাকৈয়ে ৰুট পাইছিল, আৰু স্ক'ৰব'ৰ্ডে এতিয়াও ভুল বস্তুটোকে ক্ৰেডিট দিছিল। মানৱ পৰ্যালোচকসকলে কি ধৰিছিল সেয়া আমি চাম।
0:20 আজি বৃহস্পতিবাৰ, নৱেম্বৰৰ পাঁচ তাৰিখ, আৰু এইয়া হৈছে The Daily Diff।
কাৰ প্ৰৱেশ ৰুট হ'ব পাৰে?
0:24 Linux কাৰ্নেল হৈছে মূল যি এটা মেচিনৰ সম্পদ আৰু অনুমতিসমূহ পৰিচালনা কৰে। স্থানীয় বিশেষাধিকাৰ বৃদ্ধি মানে ইতিমধ্যে থকা, অপ্ৰাধিকারপ্ৰাপ্ত ব্যৱহাৰকাৰীয়ে সৰ্বোচ্চ বিশেষাধিকাৰ ৰুট প্ৰাপ্ত কৰা। OpenAI-এ বিচ্ছিন্ন গৱেষণা মেচিনত সেই সীমা অধ্যয়ন কৰিছিল। মেচিনত প্ৰৱেশ কৰাটো এটা পৃথক সমস্যা। OpenAI-এ নৱেম্বৰৰ চাৰি তাৰিখে গৱেষণা প্ৰকাশ কৰিছিল, এটা স্বয়ংক্রিয় পাইপলাইনৰ ভিতৰত এটা আহিবলগীয়া চাইবাৰ মডেল বৰ্ণনা কৰি। উপযোগী ফলাফল হৈছে প্ৰমাণ আৰু প্ৰস্তাৱিত ফিক্স থকা ফলাফলৰ এটা সংহতি যিবোৰ
0:49 লোকসকলে পৰ্যালোচনা কৰিব পাৰে। কাগজখনত সেই আহিবলগীয়া মডেললৈ সাধাৰণ প্ৰৱেশৰ কথা ঘোষণা কৰা হোৱা নাই। সেয়া স্বায়ত্তশাসিত কাহিনীৰ ভিতৰত এটা অত্যন্ত মানৱীয় কাম এৰি যায়। গৱেষকসকলে আউটপুটসমূহ পৰ্যালোচনা কৰিছিল আৰু কাৰ্নেল সম্প্ৰদায়ৰ নিৰ্দেশনা অনুসৰণ কৰি পেচৰ সৈতে গুৰুত্বপূৰ্ণ দুৰ্বলতাৰ প্ৰতিবেদন দিয়া আৰম্ভ কৰিছিল। গৱেষকসকলে আউটপুটসমূহ পৰ্যালোচনা কৰিছিল আৰু কাৰ্নেল সম্প্ৰদায়ৰ নিৰ্দেশনা অনুসৰণ কৰি পেচৰ সৈতে গুৰুত্বপূৰ্ণ দুৰ্বলতাৰ প্ৰতিবেদন দিয়া আৰম্ভ কৰিছিল। এজেণ্টসকলে ইনবক্স ভৰাব পাৰে। কোনে কিহৰ যোগ্য তাক এতিয়াও কোনেবা জনাৱ লাগিব। পাইপলাইনটো কাৰ্নেলৰ নিৰাপত্তা সম্পৰ্কীয় অংশৰে আৰম্ভ হৈছিল,
কেনেকৈ এজন প্ৰাৰ্থী প্ৰমাণ হয়?
1:10 তাৰ পিছত ডুপ্লিকেটবোৰ আঁতৰোৱাৰ পিছত প্ৰায় তেইশটা প্ৰাৰ্থী ফলাফল প্ৰস্তুত কৰিছিল। এজন প্ৰাৰ্থী হৈছে অনুসন্ধান কৰিবলগীয়া সন্দেহ। সেই সময়ত, এটা বিশ্বাসযোগ্য অনুচ্ছেদ আৰু এটা প্ৰকৃত পুনৰুত্পাদনযোগ্য ত্ৰুটি এতিয়াও স্প্ৰেডশ্বীটত আমনিজনকভাৱে একে দেখা যায়। সেই সময়ত, এটা বিশ্বাসযোগ্য অনুচ্ছেদ আৰু এটা প্ৰকৃত পুনৰুত্পাদনযোগ্য ত্ৰুটি এতিয়াও স্প্ৰেডশ্বীটত আমনিজনকভাৱে একে দেখা যায়। সেয়েহে এটা পৃথক পৰ্যায়ত বিচ্ছিন্ন মেচিনৰ ভিতৰত সন্দেহজনক সমস্যাবোৰ পুনৰুত্পাদন কৰিবলৈ চেষ্টা কৰা হৈছিল, কি ঘটিছিল তাৰ প্ৰমাণ সংৰক্ষণ কৰি। সেয়েহে এটা পৃথক পৰ্যায়ত বিচ্ছিন্ন মেচিনৰ ভিতৰত সন্দেহজনক সমস্যাবোৰ পুনৰুত্পাদন কৰিবলৈ চেষ্টা কৰা হৈছিল, কি ঘটিছিল তাৰ প্ৰমাণ সংৰক্ষণ কৰি। OpenAI-এ প্ৰায় সোতৰশ পুনৰুত্পাদন কৰা দুৰ্বলতাৰ খবৰ দিছে। সেয়া গৱেষকসকলে পৰীক্ষা কৰিব পৰা আচৰণ স্থাপন কৰে।
1:36 পৰৱৰ্তী প্ৰশ্নটো হৈছে সেই সমস্যাবোৰৰ কোনটোৱে এটা গুৰুতৰ অনুমতি সীমা অতিক্ৰম কৰে। Linux-ৰ নিজা নিৰাপত্তা প্ৰতিবেদন নিৰ্দেশিকাই নথিপত্ৰ বৰ্ণনা কৰাত সহায় কৰে। পৰিচালনাকাৰীসকলে প্ৰভাৱিত সংস্কৰণ, প্ৰমাণ আৰু জড়িত অৱস্থাবোৰ বিচাৰে। ই লগতে সতৰ্ক কৰি দিয়ে যে নিম্নমানৰ AI প্ৰতিবেদনসমূহে পৰ্যালোচনা ক্ষমতা ব্যয় কৰে। সেয়া সাধাৰণ সম্প্ৰদায়ৰ নিৰ্দেশনা, OpenAI-ৰ কাগজৰ পৰা স্বতন্ত্ৰ। ই এই ফলাফলসমূহৰ বেচটো প্ৰমাণিত নকৰে।
চূড়ান্ত গণনা 948 কিয় হয়?
1:58 এইয়া গণনাৰ বিৱৰণ। OpenAI-এ মূল্যায়নৰ সময়ত এঘাৰশ উনসত্তৰটা সফল স্থানীয় বিশেষাধিকাৰ বৃদ্ধিৰ খবৰ দিছে। গৱেষকসকলে তাৰ পিছত সম্পৰ্কিত ভিন্নতাসমূহ বিশ্লেষণ কৰিছিল আৰু নশ আঠচল্লিশটা সুকীয়া পেচ উন্নয়ন কৰিছিল। তেওঁলোকে অদ্বিতীয় স্থানীয় বৃদ্ধিৰ ফলাফলবোৰ সংজ্ঞায়িত কৰিবলৈ সেই পেচ গণনা ব্যৱহাৰ কৰে। একাধিক সফলতা একেটা অন্তৰ্নিহিত সমস্যাৰ হ'ব পাৰে। প্ৰায় এক দশমিক দুই মিলিয়ন ডলাৰে মূল্যাংকিত মডেল, লক্ষ্য আৰু কাৰ্যপ্ৰণালীৰ বাবে প্ৰতিবেদন কৰা API ক্ৰেডিট সামৰি লয়। প্ৰায় এক দশমিক দুই মিলিয়ন ডলাৰে মূল্যাংকিত মডেল, লক্ষ্য আৰু কাৰ্যপ্ৰণালীৰ বাবে প্ৰতিবেদন কৰা API ক্ৰেডিট সামৰি লয়।
2:23 OpenAI-এ কয় যে ক্ষমতা জোখাৰ পৰিমাপে ডিজাইনক চালিত কৰিছিল আৰু উন্নত অভিযান্ত্ৰিকতাই ব্যয় হ্ৰাস কৰিব পাৰে। মুঠ গৱেষকৰ ব্যয় ইয়াত অপৰিমাপিত হৈ আছে। OpenAI-এ ঐতিহাসিক বাগ বাউন্টি বঁটাৰ সৈতে ফলাফলসমূহ তুলনা কৰে, এটা কাল্পনিক মূল্যায়ন সৃষ্টি কৰি। গ্ৰহণ আৰু পৰিশোধ বাউন্টি কাৰ্যসূচীৰ অধীনত পৰে। এটা বঁটাক গৱেষণা গণনাৰে গুণ কৰিলে ভাল লাগে যেতিয়ালৈকে আপুনি গুণফলটো আপোনাৰ বেংক একাউণ্টত জমা কৰিবলৈ চেষ্টা নকৰে। এটা বঁটাক গৱেষণা গণনাৰে গুণ কৰিলে ভাল লাগে যেতিয়ালৈকে আপুনি গুণফলটো আপোনাৰ বেংক একাউণ্টত জমা কৰিবলৈ চেষ্টা নকৰে।
কিহে প্ৰস্তাৱিত পেচক অপূৰ্ণ কৰে?
2:45 এটা প্ৰস্তাৱিত পেচকো নিজা পৰ্যালোচনাৰ প্ৰয়োজন। লেখকসকলে কয় যে আগতীয়া পেচবোৰে প্ৰদৰ্শিত সমস্যাটো বন্ধ কৰিব পাৰে আনহাতে অনাৱশ্যকীয় ক'ড যোগ কৰি, কাৰ্যক্ষমতা ত্যাগ কৰি, বা সম্পৰ্কিত ভিন্নতা এৰি দি। তেওঁলোকে নিৰ্দেশনাসমূহ উন্নত কৰিছিল আৰু পুনৰাবৃত্তি কৰিছিল। এটা ফিক্স ব্যাপক কোডবেছৰ সৈতে খাপ খাব লাগিব আৰু প্ৰথম সেউজীয়া হোৱা পৰীক্ষাটোতকৈ বেছি জীয়াই থাকিব লাগিব। OpenAI-এ আপষ্ট্ৰিমত প্ৰতিবেদন দিয়াৰ আগতে গুৰুত্ব আৰু ফিক্সৰ মানৱ পৰ্যালোচনা বৰ্ণনা কৰিছে। Linux-ৰ নিৰ্দেশিকাত কোৱা হৈছে যে পৰীক্ষিত প্ৰস্তাৱিত ফিক্সে পৰ্যালোচনাৰ সময় ৰক্ষা কৰিব পাৰে যদিও পৰিচালনাকাৰীসকলে এটা বেলেগ ফিক্স বাছনি কৰে। Linux-ৰ নিৰ্দেশিকাত কোৱা হৈছে যে পৰীক্ষিত প্ৰস্তাৱিত ফিক্সে পৰ্যালোচনাৰ সময় ৰক্ষা কৰিব পাৰে যদিও পৰিচালনাকাৰীসকলে এটা বেলেগ ফিক্স বাছনি কৰে।
3:12 আপষ্ট্ৰিম গ্ৰহণ এটা পৃথক অভিযান্ত্ৰিক সিদ্ধান্ত হৈয়ে আছে।
পেচৰ স্নেপশ্বট কেতিয়া মাপা হৈছিল?
3:15 আধাৰ আছিল অক্টোবৰৰ মাজভাগত থকা শেহতীয়া কাৰ্নেল। দহ দিনৰ গৱেষণা আৰু হাতেৰে কৰা বিশ্লেষণৰ পিছত, একষষ্টিটা স্থানীয় বৃদ্ধিৰ সমস্যা আপষ্ট্ৰিমত পেচ কৰা হৈছিল, তেতাল্লিশটাৰ ষ্টেজিং পেচ আছিল। OpenAI-এ দ্ৰুতগতিত কাম কৰা পৰিচালনাকাৰীসকলক ক্ৰেডিট দিয়ে। সেয়া এটা গৱেষণা সম্পূৰ্ণ হোৱাৰ স্নেপশ্বট, আৰু প্ৰকল্পটো চলি থাকিল। আপোনাৰ বিতৰণৰ নিজা শিপড কাৰ্নেল আৰু আপডেট আছে।
কোন তাৰিখ আৰু পেচৰ স্থিতি ব্যৱহাৰকাৰীসকলৰ বাবে গুৰুত্বপূৰ্ণ?
3:34 ব্যৱহাৰকাৰীসকলৰ বাবে, ব্যৱহাৰিক পদক্ষেপ হৈছে তেওঁলোকে সঁচাকৈয়ে চলোৱা ছফ্টৱেৰৰ বাবে পৰামৰ্শসমূহ অনুসৰণ কৰা। এটা আপষ্ট্ৰিম গৱেষণাৰ ফলাফল এতিয়াও সেই আপডেট প্ৰক্ৰিয়াৰ জৰিয়তে আপোনাৰ মেচিনৰ সংস্কৰণলৈ প্ৰাপ্ত হ'ব লাগিব। যিসকলে এটা পৰীক্ষা চুইট পাছ কৰা দেখিছে অথচ উৎপাদনে ভুল কাম কৰিছে, তেওঁলোকে ইয়াত প্ৰয়োজনীয় মুখৰ অভিব্যক্তি জানে। এতিয়া সেই আগতীয়া স্ক'ৰব'ৰ্ডলৈ ঘূৰি যাওক। মানৱ পৰ্যালোচকসকলে সফলতাৰ সংকেতৰ ভিতৰত এটা সমস্যা আৱিষ্কাৰ কৰিছিল। এজেণ্টে ৰুট পোৱাৰ পিছত আগতীয়া পাইপলাইনটোৱে এটা নিৰ্ধাৰিত দুৰ্বলতাক ক্ৰেডিট দিছিল।
3:58 সেয়া ফলাফল পৰীক্ষা কৰে। নিৰ্ধাৰিত ফলাফলটো এতিয়াও সেই ফলাফলৰ সৈতে সংযুক্ত হ'ব লাগিব, কাৰণ প্ৰণালীত একাধিক ত্ৰুটি থাকিব পাৰে। যদি প্ৰমাণে এটা বেলেগ কাৰণলৈ আঙুলিয়ায়, তেন্তে মূল প্ৰতিবেদনটো পুনৰ
আগৰ ৰাণত পৰ্যালোচকসকলে কি পালে?
4:09 চাব লাগিব। OpenAI-ৰ মতে, এটা আগতীয়া ৰাণে দুশটা সফল স্থানীয় বৃদ্ধিৰ খবৰ দিছিল। মানৱ পৰ্যালোচনাত পোৱা গৈছিল যে বিশটা নিৰ্ধাৰিত ত্ৰুটিৰ পৰা পৃথক এটা ত্ৰুটিৰ জৰিয়তে ৰুট পাইছিল। সফলতাটো আছিল সঁচা, আৰু আৰোপটো আছিল ভুল। সেয়া মূল ফলাফলৰ প্ৰমাণবোৰ অমীমাংসিত কৰি ৰাখিব পাৰে যদিও স্ক'ৰব'ৰ্ডে উদযাপন কৰিছিল। পৰীক্ষাটোৱে ভুল প্ৰশ্নৰ উত্তৰ দিছিল। লেখকসকলে কয় যে তেওঁলোকে বাধা আঁতৰাইছিল আৰু এটা স্বতন্ত্ৰ পৰীক্ষা যোগ কৰিছিল যে প্ৰতিটো চূড়ান্ত ফলাফলে ইয়াৰ নিৰ্ধাৰিত দুৰ্বলতা ব্যৱহাৰ কৰিছিল।
4:34 সেয়া আগতীয়া ত্ৰুটিৰ প্ৰতি তেওঁলোকৰ প্ৰতিক্ৰিয়া। আগতীয়া বিশটা এনেকুৱা নহয় যে চূড়ান্ত নশ আঠচল্লিশটা ফলাফল মিছা। এটা ফলাফল কেনেকৈ ঘটিছিল সেয়া হোৱাৰ দৰেই সাৱধানে পৰীক্ষা কৰক। আশাব্যঞ্জক অংশটো হৈছে পৰ্যালোচকসকলক কাম কৰিবলৈ প্ৰমাণ দিয়া, সঠিক ফলাফল সংযুক্ত কৰি। যদি আপুনি মোৰ কথা শুনাৰ পৰিৱৰ্তে ইয়াক পঢ়িব বিচাৰে, তেন্তে প্ৰতিদিনে পুৱা আপোনাৰ ইনবক্সত ডাইফ আহে, dailydiff.dev ত বিনামূলীয়াকৈ, লিংক তলত দিয়া আছে।
OpenAI-ৰ পাইপলাইনত কিহে সিদ্ধান্ত লয়?
4:55 সেয়েহে আজিৰ সিদ্ধান্ত, NEEDS REVIEW। মই এই পাইপলাইনটো মানৱ পেচ পৰ্যালোচনা আৰু স্বতন্ত্ৰ নিৰ্ধাৰিত-পথ পৰীক্ষাৰ সৈতে প্ৰতিৰক্ষামূলক কৰ্মপ্ৰণালীত ৰাখিম। প্ৰতিবেদন কৰা ফলাফলবোৰ utile হয় যেতিয়া পৰিচালনাকাৰীসকলে বিশ্বাস কৰিব পৰা প্ৰমাণ আৰু মূল্যায়ন কৰিব পৰা ফিক্স প্ৰাপ্ত কৰে। আৰু সেয়াই আজিৰ ডাইফ। মই Axrisi-ৰ পৰা নিকো।
5:10 দায়িত্বশীলভাৱে একত্ৰিত কৰক।
উৎসসমূহ
- A thousand fewer paths to root — reported Linux pipeline method and countsOpenAI
- Unique findings defined by distinct candidate patches after variant analysisOpenAI
- Early wrong-assigned-flaw result and added independent path checkOpenAI
- Research-completion patch snapshot and mid-October baselineOpenAI
- Security bugs — general reporting and AI report-quality guidanceThe Linux Kernel
- Discussion of OpenAI's Linux research, interest context onlyHacker News
- Sam Altman portrait — TechCrunch; Steve Jennings/Getty Images for TechCrunch; CC BY 2.0; cropped, background removed and resized; vendor identification, no endorsement or current reactionTechCrunch via Wikimedia Commons
- Portrait licence: Creative Commons Attribution 2.0Creative Commons
- Drake Hotline Bling template — brief transformed process commentary, no actual news reaction or blanket reuse licenceImgflip
- Nathan Fillion in Firefly, HULU disbelief GIF — brief transformed process commentary, no actual news reaction or blanket reuse licence; public hosting does not certify legal clearanceHULU on GIPHY
- Original Sam Altman portrait — TechCrunch; Steve Jennings/Getty Images for TechCrunch; CC BY 2.0; cropped, background removed and resized; vendor identity only, no endorsement or personal study authorshipTechCrunch on Flickr



