ଆଲଫାପ୍ରୁଫ୍ କୋଡ୍ ଏବଂ ସିଗ୍ନାଲ୍: ଯାଞ୍ଚ ହୋଇଥିବା ମେସିନ୍-କୋଡ୍ ସୁରକ୍ଷା ପ୍ରମାଣ ଏବଂ ବିଶ୍ୱସ୍ତ ଅନୁମାନ

ଏହି ଭିଡିଓରେ କ'ଣ ଅଛି

• AI ଏଜେଣ୍ଟମାନେ ପ୍ରାର୍ଥୀ ପ୍ରମାଣ ଉତ୍ପାଦନ କରନ୍ତି; ଲିନ୍‌ର କର୍ଣ୍ଣେଲ୍ ଯାଞ୍ଚ କରେ ଯେ ସେମାନେ ମାନବ-ଅନୁମୋଦିତ ଫର୍ମାଲ୍ ଦାବି ପ୍ରତିଷ୍ଠା କରନ୍ତି କି ନାହିଁ।
• ଯାଞ୍ଚ ହୋଇଥିବା ଲକ୍ଷ୍ୟ ହେଉଛି ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ସଂକଳିତ libsignal CLI ହାର୍ନେସ୍, ବିଶ୍ୱସ୍ତ ସେମାଣ୍ଟିକ୍ସ ଏବଂ କ୍ରିପ୍ଟୋଗ୍ରାଫିକ୍ ଚୁକ୍ତି ସହିତ।
• ସଂକଳିତ ବାଇନାରୀ ପ୍ରମାଣ କରିବା ଦ୍ୱାରା ସେହି ବାଇନାରୀର ଉଲ୍ଲେଖିତ ଗୁଣ ପାଇଁ Rust କମ୍ପାଇଲର୍ ବିଶ୍ୱସ୍ତ ବେସ୍‌ରୁ ଅପସାରିତ ହୁଏ।
• ଗବେଷକମାନେ ପୂର୍ବରୁ ସ୍ଥିର ହୋଇଥିବା ବଗ୍‌ଗୁଡ଼ିକର ଦୁଇଟି ପୃଥକ ପୁନଃ ପ୍ରବେଶ ରିପୋର୍ଟ କରିଛନ୍ତି ଯାହା ସେମାନଙ୍କର ପ୍ରତୀକାତ୍ମକ ସୁରକ୍ଷା ଉପପାଦ୍ୟକୁ ଉଲ୍ଲଂଘନ କରେ।
• ତୁଳନାକାରୀ ଉପପାଦ୍ୟ ଏବଂ ପ୍ରତ୍ୟେକ ନିର୍ଭରଶୀଳ ପରିଭାଷାକୁ ଏକ ସୁରକ୍ଷିତ ଅନୁମୋଦିତ ନିର୍ଦ୍ଦିଷ୍ଟତା ବିରୁଦ୍ଧରେ ଯାଞ୍ଚ କରେ; ସଂଶୋଧନ ଏକ ପୃଥକ ସମୀକ୍ଷା ପ୍ରକ୍ରିୟା ମାଧ୍ୟମରେ ପାସ୍ ହୁଏ।

ଅନୁବାଦିତ ଟ୍ରାନ୍ସକ୍ରିପ୍ଟ

ମୂଳ ଇଂରାଜୀ ବର୍ଣ୍ଣନାରୁ ଅନୁବାଦିତ। ଉପଲବ୍ଧ ଅଡିଓ ଏବଂ କ୍ୟାପ୍ସନ୍ଗୁଡ଼ିକ YouTube ଦ୍ୱାରା ନିୟନ୍ତ୍ରିତ।

ଏକ AI ସୁରକ୍ଷା ପ୍ରମାଣ କିଏ ଯାଞ୍ଚ କରେ?

0:00 ଏକ AI ସୁରକ୍ଷା ଅଡିଟ୍ ଏବେ ବି ଏକ ଚାଟବଟକୁ ବିଶ୍ୱାସ କରିବା ପରି ଶୁଣାଯାଏ। ଗୁଗୁଲ୍‌ର ନୂଆ ସିଗ୍ନାଲ୍ ଫଳାଫଳ ଏକ ପୃଥକ କର୍ଣ୍ଣେଲ୍ ଦ୍ୱାରା ଗାଣିତିକ ପ୍ରମାଣ ସହିତ ଆସେ ଯାଞ୍ଚ କରେ। ଏହି ଭିଡିଓରେ, ଗୁଗୁଲ୍ କ’ଣ ପ୍ରମାଣ କଲା? ଏବଂ ସେମାନେ ଏକ ଏଜେଣ୍ଟକୁ ଗୋଲପୋଷ୍ଟ ଚଳାଇବାକୁ କିପରି ବନ୍ଦ କରନ୍ତି? ଏଠାରେ ଉପଯୋଗୀ ଉତ୍ତର ଅଛି। ମଡେଲଗୁଡ଼ିକ ପ୍ରାର୍ଥୀ ପ୍ରମାଣ ଲେଖନ୍ତି, ଏବଂ ଲିନ୍ ଏକ ମାନବ-ଅନୁମୋଦିତ ଦାବି ବିରୁଦ୍ଧରେ ପ୍ରମାଣଗୁଡ଼ିକୁ ଯାଞ୍ଚ କରେ। ମାନବମାନେ ଏବେ ବି ଦାବି ଏବଂ ଅନୁମାନର ଅଧିକାରୀ।

0:21 ଆପଣ ମଡେଲ୍‌ର ବିଜୟ ଭାଷଣକୁ ବିଶ୍ୱାସ ନକରି ଫଳାଫଳ ଯାଞ୍ଚ କରିପାରିବେ। ଏକ ପୃଥକ ଯାଞ୍ଚ ପ୍ରଶ୍ନକୁ ନିରବରେ ପରିବର୍ତ୍ତନ କରିବାକୁ ଧରେ। ଆମେ ଏହାକୁ ପରିଭାଷା ପର୍ଯ୍ୟନ୍ତ ଅନୁସରଣ କରିବୁ। ଏହା ମଙ୍ଗଳବାର, ନଭେମ୍ବର ଦଶ, ଏବଂ ଏହା ହେଉଛି The Daily Diff। ଆଲଫାପ୍ରୁଫ୍ କୋଡ୍ ହେଉଛି ମାନବ ମାର୍ଗଦର୍ଶନରେ ସଫ୍ଟୱେର୍ ନିର୍ଦ୍ଦିଷ୍ଟତା ଲେଖିବା ପାଇଁ ଗୁଗୁଲ୍‌ର ଫ୍ରେମୱାର୍କ ଏବଂ AI ଏଜେଣ୍ଟମାନଙ୍କ ସହିତ ଯାଞ୍ଚ ହୋଇଥିବା ପ୍ରମାଣ ଉତ୍ପାଦନ କରିବା। ଏହି ଅଧ୍ୟୟନ libsignal, Rust ଲାଇବ୍ରେରୀକୁ ଲକ୍ଷ୍ୟ କରେ ଯାହା ସିଗ୍ନାଲ୍‌ର ମେସେଜିଂ ପ୍ରୋଟୋକଲ୍, ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ କମାଣ୍ଡ-ଲାଇନ୍ ପ୍ରୋଗ୍ରାମ୍ ଭିତରେ କାର୍ଯ୍ୟକାରୀ କରେ।

0:45 ଗୁଗୁଲ୍ ଆଜି ଏହି କାର୍ଯ୍ୟ ଘୋଷଣା କଲା। ଏହାର ପେପର କହୁଛି ଯେ ପାଞ୍ଚଜଣ ଗବେଷକ ଚାରି ସପ୍ତାହ ଧରି କାମ କରିଥିଲେ। ଏଜେଣ୍ଟମାନେ ପ୍ରମାଣ ଲେଖିଥିଲେ, ଯେତେବେଳେ ମାନବମାନେ ସେମାନଙ୍କର ଅଧିକାଂଶ ପ୍ରୟାସ ନିର୍ଦ୍ଦିଷ୍ଟତା ଉପରେ ଖର୍ଚ୍ଚ କରିଥିଲେ। ଆବଶ୍ୟକତା ଆହୁରି ମହଙ୍ଗା ସଭା ହେବାର ଏକ ଉପାୟ ଖୋଜି ପାଇଛନ୍ତି। ନିର୍ଦ୍ଦିଷ୍ଟତା କହୁଛି ଯେ ପ୍ରୋଗ୍ରାମ୍ କ’ଣ କରିବା ଉଚିତ୍,

ଏକ ଦାବି କିପରି ଏକ ପ୍ରମାଣ ଲକ୍ଷ୍ୟ ହୁଏ?

0:59 ଜଣେ ଆକ୍ରମଣକାରୀ କ’ଣ ନିୟନ୍ତ୍ରଣ କରେ, ଏବଂ ଯୁକ୍ତିକୁ କେଉଁ ଅନୁମାନ ଆବଶ୍ୟକ। ସମୀକ୍ଷକମାନେ ପଚାରନ୍ତି ଯେ ଏହା ସୁରକ୍ଷାକୁ ଧରେ କି ନାହିଁ ଯାହା ଲୋକମାନେ ଯତ୍ନ ନିଅନ୍ତି। ଏକ ଦୁର୍ବଳ ପ୍ରଶ୍ନର ଏକ ସୁନ୍ଦର ଯାଞ୍ଚ ହୋଇଥିବା ଉତ୍ତର ସେହି ପ୍ରଶ୍ନକୁ ଅକ୍ଷୁର୍ଣ୍ଣ ରଖେ। ଏହି ଦଳ ସିଗ୍ନାଲ୍‌ର ହ୍ୟାଣ୍ଡଶେକ୍ ଏବଂ ଏହାର ମେସେଜ୍-କି ରାଚେଟ୍ ଉପରେ ପୂର୍ବ ଗବେଷଣା ଉପରେ ନିର୍ଭର କରେ। ଫର୍ମାଲ୍ ବିଶ୍ଳେଷଣ ପୂର୍ବରୁ ସେହି ଡିଜାଇନ୍‌ଗୁଡ଼ିକୁ ଅଧ୍ୟୟନ କରିଥିଲେ। ଗୁଗୁଲ୍‌ର ଦାବି ସେମାନଙ୍କର ସୁରକ୍ଷା ଯୁକ୍ତିକୁ ଏକ ଅଣ-ସଂଶୋଧିତ ଉତ୍ପାଦନ ଲାଇବ୍ରେରୀର ସଂକଳିତ କାର୍ଯ୍ୟକାରିତା ସହିତ ସଂଯୋଗ କରେ, ଯେଉଁଠାରେ ଡିଜାଇନ୍‌କୁ ବାସ୍ତବ କୋଡ୍ ସହିତ ଯୋଗାଯୋଗରୁ ବଞ୍ଚିବାକୁ ପଡିବ। ସିଗ୍ନାଲ୍‌ର ମୁଖ୍ୟ ପ୍ରଯୁକ୍ତି ଅଧିକାରୀ, ଏହେରେନ୍ କ୍ରେଟ୍,

1:27 ପୂର୍ବ ଯାଞ୍ଚର ଛୋଟ ପରିସର ବାହାରେ ଏକ ବିସ୍ତାର ବର୍ଣ୍ଣନା କରନ୍ତି। କାର୍ଯ୍ୟକାରିତା ବିବରଣୀଗୁଡ଼ିକ ଅନ୍ତର୍ଭୁକ୍ତ କରେ ଅର୍ଡର ବାହାରେ ମେସେଜ୍ ଏବଂ ଆର୍କାଇଭ୍ ହୋଇଥିବା ସେସନ୍‌ଗୁଡ଼ିକ ପାଇଁ ବିଳମ୍ବିତ ମେସେଜ୍। ବାସ୍ତବ ସଫ୍ଟୱେର୍ ରସିଦଗୁଡ଼ିକୁ ରଖେ ଯାହାକୁ ଆପଣଙ୍କର ଚମତ୍କାର ଡିଆଗ୍ରାମ୍ ଫୋପାଡି ଦେଇଥିଲା। ଗବେଷକମାନେ ମାନକ କମ୍ପାଇଲର୍ ସହିତ ଅଣ-ସଂଶୋଧିତ Rust ଲାଇବ୍ରେରୀକୁ

ସଂକଳିତ ବାଇନାରୀକୁ କାହିଁକି ପ୍ରମାଣ କରନ୍ତୁ?

1:41 ଏକ Arm ଷାଠିଏ-ଚାରି Linux ଏକ୍ସିକ୍ୟୁଟେବଲ୍‌ରେ ସଂକଳନ କରନ୍ତି। ସେମାନଙ୍କର ଉପପାଦ୍ୟଗୁଡ଼ିକ ଏକ ଫର୍ମାଲ୍ ନିର୍ଦ୍ଦେଶ ମଡେଲ୍ ବ୍ୟବହାର କରି ସେହି ବାଇନାରୀକୁ ବର୍ଣ୍ଣନା କରେ, ଉତ୍ସ ଏବଂ ଅପ୍ଟିମାଇଜ୍ଡ ମେସିନ୍ କୋଡ୍ ମଧ୍ୟରେ ଥିବା ବ୍ୟବଧାନକୁ ଅତିକ୍ରମ କରି। ଏକ କମ୍ପାଇଲର୍ ତ୍ରୁଟି ଯାହା ଏକ ଉଲ୍ଲେଖିତ ଗୁଣକୁ ଭାଙ୍ଗେ, ତାହାର ଉପପାଦ୍ୟକୁ ମିଥ୍ୟା କରିବ। କମ୍ପାଇଲର୍ ତେଣୁ ଏହି ବାଇନାରୀ ପାଇଁ ବିଶ୍ୱସ୍ତ ବେସ୍ ଛାଡିଦିଏ। ଆପଣ ଏବେ ବି ନିର୍ଦ୍ଦେଶ ମଡେଲ୍ ଏବଂ ଲିନ୍‌ର ଚେକର୍ ଉପରେ ବିଶ୍ୱାସ କରନ୍ତି। ବିଶ୍ୱାସ ସୀମା ବଦଳି ଯାଇଛି, ଏବଂ ଏହାର ଏକ ଠିକଣା ଅଛି। ପ୍ରାୟ ଛଅ ଏବଂ ଅଧା ନିୟୁତ ଧାଡ଼ି ଯାଞ୍ଚ ହୋଇଥିବା ପ୍ରମାଣ ପ୍ରାୟ ଛବିଶ

2:06 ହଜାର ବିଶ୍ୱସ୍ତ ନିର୍ଦ୍ଦିଷ୍ଟତା ଏବଂ ନିର୍ଦ୍ଦେଶ-ସେମାଣ୍ଟିକ୍ସ ଧାଡ଼ି ଉପରେ ଆଧାରିତ। ଏଗୁଡ଼ିକ ହେଉଛି ଆର୍ଟିଫାକ୍ଟ ଗଣନା। ସେମାନଙ୍କୁ ଗୁପ୍ତଚର ସ୍କୋର ଭାବରେ ବ୍ୟବହାର କରିବା ଡେଭଲପର୍‌ମାନଙ୍କୁ ସେମାନଙ୍କର ନୋଡ୍ ମଡ୍ୟୁଲ୍ ଫୋଲ୍ଡରର ଆକାର ଅନୁଯାୟୀ ମାନ୍ୟତା ଦେବା ପରି।

କେଉଁ ସୁରକ୍ଷା ଗୁଣଗୁଡ଼ିକ କାର୍ଯ୍ୟକାରିତା ବ୍ୟବଧାନରୁ ବଞ୍ଚିଲା?

2:16 ଯୁକ୍ତିଗୁଡ଼ିକ ମେସେଜ୍ ଗୋପନୀୟତା ଏବଂ ପ୍ରାମାଣିକତାକୁ ଆବୃତ କରେ, ଆଗକୁ ଗୋପନୀୟତା ଏବଂ ଉଲ୍ଲେଖିତ ମଡେଲ୍ ଅନ୍ତର୍ଗତ ପୋଷ୍ଟ-ସମାଧାନ ସୁରକ୍ଷା ସହିତ। ସେହି ଶେଷ ଦୁଇଟି ଚୋରି ହୋଇଥିବା ଚାବି କ୍ଷତି ଏବଂ ନୂତନ ବିନିମୟ ପରେ ପୁନରୁଦ୍ଧାର ଉପରେ ସୀମା ବର୍ଣ୍ଣନା କରନ୍ତି। ପ୍ରତ୍ୟେକ ଗ୍ୟାରେଣ୍ଟିରେ ଆକ୍ରମଣକାରୀ ଏବଂ ସେସନ୍ ଉପରେ ସର୍ତ୍ତ ଥାଏ। କ୍ରିପ୍ଟୋଗ୍ରାଫିକ୍ ପ୍ରାଥମିକଗୁଡ଼ିକ ବିଶ୍ୱସ୍ତ ଚୁକ୍ତି ପଛରେ ଅଛନ୍ତି। ପ୍ରମାଣ ଅନୁମାନ କରେ ଯେ ସେହି ରୁଟିନ୍‌ଗୁଡ଼ିକ ନିର୍ଦ୍ଦିଷ୍ଟ ଭାବରେ ଆଚରଣ କରନ୍ତି ଏବଂ କ୍ରିପ୍ଟୋଗ୍ରାଫିକ୍ ସୁରକ୍ଷା ଅନୁମାନ ଉପରେ ନିର୍ଭର କରେ। ଗୋଟିଏ ପ୍ରମାଣ କ୍ରିପ୍ଟୋଗ୍ରାଫିକୁ ଆଦର୍ଶୀକରଣ କରେ; ଅନ୍ୟଟି ଆକ୍ରମଣକାରୀ ସଫଳତା ସମ୍ଭାବନା ବିଷୟରେ ଯୁକ୍ତି କରେ।

2:42 ଉଭୟରେ ସେମାନେ ଆବୃତ କରୁଥିବା ପରିସ୍ଥିତି ଉପରେ ପ୍ରତିବନ୍ଧକ ଅଛି। ପଚାରନ୍ତୁ କେଉଁ ବିଲ୍ଡ, କେଉଁ ଗୁଣ, ଏବଂ କେଉଁ ଅନୁମାନ। ଏହି ଫଳାଫଳ ଗବେଷକମାନଙ୍କର କମାଣ୍ଡ-ଲାଇନ୍ ହାର୍ନେସ୍ ସହିତ ଜଡିତ। ଗ୍ରୁପ୍ ମେସେଜିଂ ଭବିଷ୍ୟତର କାର୍ଯ୍ୟ, ଏବଂ କମ୍ପ୍ୟୁଟେସନାଲ୍ ମଡେଲ୍ ବାଦ୍ ଦିଏ ମଲ୍ଟି-ଡିଭାଇସ୍ ଷ୍ଟେଟ୍। ପ୍ରତ୍ୟେକ ସିଗ୍ନାଲ୍ ଇନଷ୍ଟଲେସନ୍‌କୁ ବଗ୍-ମୁକ୍ତ କହିବା ଉପପାଦ୍ୟ ବାହାରେ ବୁଲୁଛି। ଗବେଷକମାନେ ପୂର୍ବରୁ ସ୍ଥିର ହୋଇଥିବା ଦୁଇଟି ସିଗ୍ନାଲ୍ ବଗ୍‌କୁ

ନିର୍ଦ୍ଦିଷ୍ଟତା ଭଙ୍ଗା କୋଡ୍ ପ୍ରତ୍ୟାଖ୍ୟାନ କରିପାରିବ କି?

3:02 ପୃଥକ କପିରେ ପୁନଃ ପ୍ରବେଶ କରାଇଲେ ଏବଂ ସେଗୁଡ଼ିକୁ ସଂକଳନ କଲେ। ଯାଞ୍ଚ ହୋଇଥିବା ପ୍ରମାଣ ଦର୍ଶାଇଲା ଯେ ସେହି ବାଇନାରୀଗୁଡ଼ିକ ପ୍ରତୀକାତ୍ମକ ସୁରକ୍ଷା ଉପପାଦ୍ୟକୁ ଉଲ୍ଲଂଘନ କରିଛି। ତାହା ପରୀକ୍ଷା କଲା ଯେ ନିର୍ଦ୍ଦିଷ୍ଟତା ପ୍ରକୃତ ଭଙ୍ଗା କାର୍ଯ୍ୟକାରିତାକୁ ପ୍ରତ୍ୟାଖ୍ୟାନ କରିପାରିବ କି ନାହିଁ। ଆପଣଙ୍କର ସବୁଜ ଚେକମାର୍କକୁ ଏକ ନାଲି ପରୀକ୍ଷା ଆବଶ୍ୟକ। ଗୁଗୁଲ୍ ଯାଞ୍ଚ ନିର୍ଦ୍ଦେଶ ସହିତ ନିର୍ଦ୍ଦିଷ୍ଟତା ଏବଂ ପ୍ରମାଣ ପ୍ରକାଶ କରେ। ରିପୋଜିଟୋରୀ କହୁଛି ଯେ ଏକ ପରିଷ୍କାର ବିଲ୍ଡରେ ଘଣ୍ଟା ଏବଂ ଯଥେଷ୍ଟ ମେମୋରୀ ଲାଗେ। ଲାପଟପରେ ଘୋଷଣା ପଢିବା ଅଧିକ ସହଜ। ହାର୍ଡୱେର୍ ମଡେଲ୍ ଏବଂ ବିଶ୍ୱସ୍ତ ଚୁକ୍ତିଗୁଡ଼ିକୁ ଏବେ ବି ସମୀକ୍ଷା ଆବଶ୍ୟକ।

3:26 ମୁଁ ଏହି ଏପିସୋଡ୍ ପାଇଁ ବିରାଟ ଆର୍ଟିଫାକ୍ଟ ପୁନଃ ନିର୍ମାଣ କରିନାହିଁ। ଆମେ ପ୍ରକାଶିତ ଫଳାଫଳ ଏବଂ ଏହାର ସୀମାଗୁଡ଼ିକୁ ରିପୋର୍ଟ କରୁଛୁ। ବାହାର ଲୋକଙ୍କ ପାଖରେ ଏହାକୁ ଯାଞ୍ଚ କରିବାର ଏକ ପଥ ଅଛି, ଯାହା ମୋ ପାଇଁ ଅନ୍ୟ ଏକ AI ବିଜୟ ଲାପ୍ ଅପେକ୍ଷା ଅଧିକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ। ବର୍ତ୍ତମାନ ଫାନ୍ଦ।

ଏକ ସଠିକ୍ ପ୍ରମାଣ ଭୁଲ୍ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେଇପାରିବ କି?

3:36 ଲିନ୍ ଏକ ବିବୃତ୍ତିର ସଠିକ୍ ପ୍ରମାଣ ଗ୍ରହଣ କରିପାରେ ଯାହା ପ୍ରାୟ କିଛି ମାଗେ ନାହିଁ। ଅସମ୍ଭବ ଅନୁମାନ ଏକ ଉପପାଦ୍ୟକୁ ଶୂନ୍ୟ କରିପାରେ। ହେଡଲାଇନ୍ ଉପପାଦ୍ୟ ତଳେ ଥିବା ଏକ ପରିଭାଷାକୁ ପରିବର୍ତ୍ତନ କରିବା ଲକ୍ଷ୍ୟକୁ ଦୁର୍ବଳ କରିପାରେ। ପେପର ଏହା ବିରୁଦ୍ଧରେ ଯାଞ୍ଚଗୁଡ଼ିକୁ ଡିଜାଇନ୍ କରେ। ଗେଟକିପର୍ ଏକ ଅନୁମୋଦିତ ନିର୍ଦ୍ଦିଷ୍ଟତା ରଖେ ଯାହାକୁ ପ୍ରମାଣ ଏଜେଣ୍ଟମାନେ ଲେଖିପାରିବେ ନାହିଁ। ସେମାନେ ଏକ ପୃଥକ ସଂଶୋଧନ ପ୍ରକ୍ରିୟା ମାଧ୍ୟମରେ ସଂଶୋଧନ ପ୍ରସ୍ତାବ ଦେଇପାରିବେ। ସୁରକ୍ଷା ଦୁର୍ବଳତା ଏକ ସମ୍ଭାବ୍ୟ ବଗ୍ ଭାବରେ ବୃଦ୍ଧି ପାଏ। ପ୍ରମାଣକାରୀଙ୍କ ସଫଳତାର ଘୋଷଣାର କୌଣସି ଅଧିକାର ନାହିଁ ଏଠାରେ।

4:00 ମାନବମାନେ ବିଶ୍ୱସ୍ତ ଅନୁମାନରେ ପରିବର୍ତ୍ତନଗୁଡ଼ିକୁ ସ୍ଥିର କରନ୍ତି, ପ୍ରତ୍ୟକ୍ଷ ଭାବରେ କିମ୍ବା ସେମାନଙ୍କର ନୀତି ମାଧ୍ୟମରେ, ଏବଂ ପ୍ରତ୍ୟେକ ଅଭିଯାନ ପରେ ସଂଶୋଧନଗୁଡ଼ିକୁ ସମୀକ୍ଷା କରନ୍ତି। ବିଶେଷଜ୍ଞଙ୍କ ନିଷ୍ପତ୍ତି ଉପରେ ଦାୟିତ୍ୱ ରହେ। ଏଜେଣ୍ଟ ଏକ ଭିନ୍ନ ଆସାଇନମେଣ୍ଟ ଅନୁରୋଧ କରିପାରିବ। ଏହା ନିଜକୁ ଏକ ପାସିଂ ଗ୍ରେଡ୍ ଦେଇପାରିବ ନାହିଁ।

ଚଳୁଥିବା ଗୋଲପୋଷ୍ଟଗୁଡ଼ିକୁ କ’ଣ ଧରେ?

4:13 ଏଠାରେ ପ୍ରତିଜ୍ଞା କରାଯାଇଥିବା ଯାଞ୍ଚ ଅଛି। ଲିନ୍‌ର ତୁଳନାକାରୀ ଉପପାଦ୍ୟ ଏବଂ ପ୍ରତ୍ୟେକ ପରିଭାଷା ଯାହା ଉପରେ ଏହା ନିର୍ଭର କରେ ତାହାକୁ ସେହି ସୁରକ୍ଷିତ ଅନୁମୋଦିତ କପି ସହିତ ତୁଳନା କରେ। ଏହା ଅନୁମୋଦିତ ସ୍ୱୀକୃତି ମଧ୍ୟ ଯାଞ୍ଚ କରେ ଏବଂ ଏକ ନୂତନ କର୍ଣ୍ଣେଲରେ ପ୍ରମାଣକୁ ପୁନଃ ଚାଳନା କରେ। ତେଣୁ ଏକ ସହାୟକ ପରିଭାଷାକୁ ନିରବରେ ଦୁର୍ବଳ କରିବା ଦ୍ୱାରା ତୁଳନା କରାଯାଉଥିବା ଜିନିଷ ବଦଳିଯାଏ। ଏକ ଗୃହୀତ ପ୍ରମାଣକୁ ଅନୁମୋଦିତ ଲକ୍ଷ୍ୟ ପ୍ରତିଷ୍ଠା କରିବାକୁ ପଡିବ। ତାହା ଏବେ ବି ମାନବମାନଙ୍କୁ ଏକ ଶକ୍ତିଶାଳୀ ଲକ୍ଷ୍ୟ ଏବଂ ସଚ୍ଚୋଟ ଅନୁମାନ ଚୟନ କରିବାକୁ ଦାୟୀ କରେ। ଆପଣଙ୍କର ନିଜ AI ୱାର୍କଫ୍ଲୋ ପାଇଁ, ଗ୍ରହଣ ମାନଦଣ୍ଡକୁ

4:37 କର୍ମଚାରୀଙ୍କ ସମ୍ପାଦନା ଅନୁମତି ବାହାରେ ରଖନ୍ତୁ ଏବଂ ପ୍ରସ୍ତାବିତ ପରିବର୍ତ୍ତନଗୁଡ଼ିକୁ ପୃଥକ ଭାବରେ ସମୀକ୍ଷା କରନ୍ତୁ। ଗୁଗୁଲ୍‌ର ଫଳାଫଳ ସେହି ବିଚ୍ଛିନ୍ନତାକୁ କଂକ୍ରିଟ୍ କରେ। ପ୍ରମାଣ ଲେଖକ କାର୍ଯ୍ୟ କରନ୍ତି; ଯାଞ୍ଚ ସୀମା ନିଷ୍ପତ୍ତି ନିଏ ଯେ ଏହା ଗଣନା ହୁଏ କି ନାହିଁ। ଯଦି ଆପଣ ଏହା ଶୁଣିବା ଅପେକ୍ଷା ପଢିବାକୁ ପସନ୍ଦ କରନ୍ତି, ତେବେ ପ୍ରତିଦିନ ସକାଳେ ଡିଫ୍ ଆପଣଙ୍କ ଇନବକ୍ସରେ ଆସେ, daily diff dot dev ରେ ମାଗଣା, ଲିଙ୍କ୍ ତଳେ ଅଛି। ତେଣୁ ଆଜିର ରାୟ ହେଉଛି SHIP IT।

ମୁଁ ଏହି ପ୍ରମାଣ ୱାର୍କଫ୍ଲୋକୁ ପଠାଇବି କି?

4:54 ମୁଁ ଏହି ଯାଞ୍ଚ-ପ୍ରମାଣ ୱାର୍କଫ୍ଲୋକୁ ପଠାଇବି କାରଣ ଅନୁମୋଦିତ ଦାବି ଉତ୍ତର ଉତ୍ପାଦନ କରୁଥିବା ଏଜେଣ୍ଟରୁ ପୃଥକ ରହେ। ମୁଁ ପ୍ରତ୍ୟେକ ଫଳାଫଳ ସହିତ ପରିସର ଏବଂ ଅନୁମାନଗୁଡ଼ିକୁ ସଂଲଗ୍ନ କରି ରଖିବି। ସବସ୍କ୍ରାଇବ୍ କରନ୍ତୁ, ଘଣ୍ଟି ବଜାନ୍ତୁ, ଏବଂ ମନ୍ତବ୍ୟରେ ମୋତେ କୁହନ୍ତୁ ଯଦି ଆପଣ ଏହାକୁ ଭିନ୍ନ ଭାବରେ ଷ୍ଟାମ୍ପ କରିଥାନ୍ତେ। ଏବଂ ତାହା ହେଉଛି ଆଜି ପାଇଁ ଡିଫ୍। ମୁଁ Axrisi ରୁ ନିକୋ। ଦାୟିତ୍ୱର ସହିତ ମର୍ଜ କରନ୍ତୁ।

ଉତ୍ସଗୁଡ଼ିକ

1. AlphaProof Code: Verifying Signal's Security at the Machine-Code Level — technical scope, trusted base and gatekeepingSwarat Chaudhuri and colleagues / Google DeepMind and Google
2. Introducing AlphaProof Code — November 10 announcement and attributed Signal CTO responsePushmeet Kohli and Swarat Chaudhuri / Google DeepMind
3. Code-verification repository — initial commit, public artifacts and checking instructionsGoogle DeepMind / GitHub
4. The PQXDH Key Agreement Protocol — older official specification and prior-analysis contextEhren Kret and Rolfe Schmidt / Signal
5. The Double Ratchet Algorithm — Triple Ratchet sectionTrevor Perrin, Moxie Marlinspike and Rolfe Schmidt / Signal
6. Google DeepMind leadership — Demis Hassabis's relevant lab identityGoogle DeepMind
7. Demis Hassabis in 2025 — authentic portrait, cropped/resized/compressed and unflipped; no background removal or generated expression/detail; lab identity only, no authorship, proof writing, current reaction or endorsementChristopher P. Michel / Cmichel67 / Wikimedia Commons
8. Portrait licence — CC BY-SA 4.0; attribution, adaptation disclosure and ShareAlikeCreative Commons
9. Expanding Brain template — cropped/captioned artifact-count satire, brief transformed <=2s commentary; no benchmark, hosting licence, legal-clearance or blanket reuse claimImgflip / user-uploaded meme template
10. Tom and Jerry — Boomerang Official actual animated reaction, silent resized/captioned 1.875s excerpt; brief transformed process commentary, no actual researcher or executive reaction, hosting licence, legal-clearance or blanket reuse claimBoomerang Official / GIPHY / Tom and Jerry
11. Boomerang GIF source link — uploader-provided provenanceBoomerang
12. AlphaProof Code discussion — attention context, anonymous opinions excluded from factual proof claimsHacker News
13. Code-verification licence — Apache 2.0 for Google code, third-party licences retainedGoogle / GitHub