নিয়ম

9 অক্টোবর, 2026-এ Business Insider জানায় যে Google-এর কর্মীরা "Carbon" কোডনেমের একটি Gemini 4 মডেল অভ্যন্তরীণভাবে পরীক্ষা করছিলেন, যা পরে Gemini 4 Argon নামে প্রকাশিত চেকপয়েন্ট থেকে আলাদা (https://www.businessinsider.com/google-employees-test-new-gemini-4-model-argon-barium-carbon-2026-10)। https://agi.safe.ai/-এ Humanity's Last Exam-এর ফলাফলে যোগ করা Google-এর "Carbon" মডেলটির HLE-Diamond Accuracy, সাইটে প্রথমবার প্রদর্শিত হওয়ার তারিখের পরের ক্যালেন্ডার দিনে 12:00 PM ET-এ নির্দিষ্ট শতাংশের সমান বা তার বেশি হলে এই মার্কেটের নিষ্পত্তি হবে "হ্যাঁ"। অন্যথায়, এই মার্কেটের ফল হবে "না"。 যোগ্য মডেলটি অবশ্যই "Carbon" নামের Google AI মডেল হতে হবে (Gemini Carbon, Gemini 4 Carbon বা একই ধরনের নামের ভ্যারিয়েন্ট বা উত্তরসূরি ব্র্যান্ডসহ), অথবা Google কিংবা নির্ভরযোগ্য প্রতিবেদনগুলোর ঐকমত্যে এটিকে প্রতিবেদনে উল্লেখিত একই মডেল বলে নিশ্চিত হতে হবে। অন্য কোনো নামে তালিকাভুক্ত মডেল—যার মধ্যে নতুন Gemini মডেল (যেমন, Gemini 4.1) বা Gemini 4 Argon-এর আপডেটও রয়েছে—শুধু তখনই যোগ্য হবে, যদি 30 জুন, 2027, 11:59 PM ET-এর মধ্যে নিশ্চিত করা হয় যে সেটিই আগে "Carbon" কোডনামে পরিচিত একই মডেল। শুধু Carbon থেকে উদ্ভূত, Carbon থেকে ডিস্টিল করা বা Carbon-এর উন্নতি অন্তর্ভুক্ত করা মডেলগুলো যোগ্য হবে না, যদি না নিশ্চিত হয় যে সেগুলো একই মডেল। https://agi.safe.ai/-এর "AI Progress on HLE-Diamond" চার্টে মডেলটির ফলাফল কার্ডে "HLE-Diamond Accuracy" হিসেবে প্রদর্শিত শতাংশটি এই মার্কেটের নিষ্পত্তিতে ব্যবহার করা হবে। এই মার্কেটের নিষ্পত্তি শুধু HLE-Diamond Accuracy-এর ভিত্তিতে হবে, মডেলের Calibration Error, চার্টে অবস্থান, অন্য কনফিগারেশন স্কোর, কোনো স্কোর প্রশ্নের নমুনার ভিত্তিতে গণনা করা হয়েছে—এমন কোনো নোট, অথবা অন্য কোথাও উপস্থাপিত অন্তর্নিহিত সূক্ষ্ম বা রাউন্ড না করা তথ্য যা-ই হোক না কেন। যদি Humanity's Last Exam-এর সরকারি ফলাফল রক্ষণাবেক্ষণকারী Center for AI Safety (CAIS) মডেলটির জন্য যোগ্য স্কোর (নিচে সংজ্ঞায়িত) প্রকাশ করে এবং এমন স্কোর প্রথম প্রকাশের পর তৃতীয় ক্যালেন্ডার দিনের (ET) 11:59 PM ET-এর মধ্যে মডেলটি চার্টে প্রদর্শিত না হয়, তাহলে সেই স্কোরটি বিকল্প হিসেবে ব্যবহার করা হবে এবং এক দশমিক ঘর পর্যন্ত রাউন্ড করা হবে। সেই সময়ের মধ্যে মডেলটির জন্য একাধিক যোগ্যতাসম্পন্ন স্কোর প্রকাশিত হলে, সর্বোচ্চ স্কোরটি ব্যবহার করা হবে। যোগ্য স্কোর হলো CAIS-এর নামে প্রকাশিত স্কোর (উদাহরণস্বরূপ, https://agi.safe.ai/, https://lastexam.ai/ বা https://dashboard.safe.ai/-এ, Scale AI-এর সঙ্গে যৌথভাবে প্রকাশিত স্কোরসহ), যা স্পষ্টভাবে HLE-Diamond-এর সম্পূর্ণ প্রশ্নসেটের (১,০০০টি প্রশ্ন, প্রকাশিত 22 সেপ্টেম্বর, 2026) ওপর সামগ্রিক নির্ভুলতা হিসেবে চিহ্নিত, কোনো টুল ছাড়া, এবং HLE-Diamond-এর প্রধান ফলাফলে "high" নামে চিহ্নিত reasoning setting-এ প্রাপ্ত। চার্টের মান বা যোগ্যতাসম্পন্ন স্কোর ছাড়া অন্য কোনো স্কোর গণ্য হবে না, এমনকি কোনো যোগ্যতাসম্পন্ন স্কোর প্রকাশিত না হলেও। এর মধ্যে রয়েছে মূল Humanity's Last Exam বা HLE-Rolling-এর স্কোর, "reasoning max" বা "with tools" ফলাফল, Reasoning বা Knowledge অংশের স্কোর, শুধু API, ডেটা ফাইল বা পেজের সোর্সের মাধ্যমে পাওয়া যায় এমন মান, Scale AI-এর পৃথক লিডারবোর্ডের স্কোর, অন্য মূল্যায়নকারী বা মডেলের ডেভেলপারের স্কোর, এবং যে কোনো স্কোরের ক্ষেত্রে উপরের শর্তগুলো পূরণ হয়েছে কি না তা নিয়ে যুক্তিসংগত সন্দেহ থাকলে সেই স্কোর। মডেলটি প্রথমবার সাইটে দেখা যায় নিচের দুই তারিখের মধ্যে (ET) যেটি আগে: যে তারিখে এটি প্রথম চার্টে প্রদর্শিত হয়, এবং যে তারিখে এর জন্য প্রথম যোগ্যতাসম্পন্ন স্কোর প্রকাশিত হয়। চার্টের মান ব্যবহার করা হলে, প্রথম অনুচ্ছেদে বর্ণিত যাচাইটি মডেলটি প্রথমবার চার্টে প্রদর্শিত হওয়ার পরের ক্যালেন্ডার দিনে 12:00 PM ET-এ হবে; যোগ্য স্কোর ব্যবহার করা হলে, উপরে বর্ণিত তিন দিনের সময়সীমার শেষে তা হবে। একই ক্যালেন্ডার তারিখে (ET) একাধিক যোগ্যতাসম্পন্ন মডেল Humanity's Last Exam-এর ফলাফলে যোগ করা হলে, নিষ্পত্তির জন্য সর্বোচ্চ HLE-Diamond Accuracy-যুক্ত মডেলটি ব্যবহার করা হবে। প্রাথমিক যোগ্য মডেলটি প্রথম দেখা যাওয়ার পরের ক্যালেন্ডার দিনে ফলাফলে যুক্ত হওয়া মডেলগুলো বিবেচনা করা হবে না। কোনো মডেল প্রথমে Humanity's Last Exam-এর ফলাফলে যোগ করা হলেও পরে সরিয়ে ফেলা হয় এবং আবার যোগ করা না হয়, ফলে যাচাইয়ের সময় এই নিয়ম অনুসারে তার কোনো HLE-Diamond Accuracy পাওয়া না গেলে, সেটির উপস্থিতিকে Humanity's Last Exam-এর ফলাফলে যোগ করা হয়েছে বলে গণ্য করা হবে না। একটি যোগ্যতাসম্পন্ন মডেলকে নতুন করে Humanity's Last Exam-এর ফলাফলে যোগ করা হতে হবে। সাইটে প্রদর্শিত হওয়ার আগে মডেলটি আগে প্রকাশিত, সর্বসাধারণের জন্য উন্মুক্ত, বেটা পর্যায়ে, বা অন্য কোনোভাবে উপলভ্য ছিল কি না—তা এই মার্কেটের জন্য প্রাসঙ্গিক নয়। যদি রেজোলিউশন উৎস কোনো মার্কেট নিষ্পত্তির জন্য যথেষ্ট এমন ডেটা প্রকাশ করে যা স্পষ্টভাবে ভুল এবং প্রযুক্তিগত বা পরিচালনাগত ত্রুটির ফল, অথবা রেজোলিউশন উৎস বা এর ডেটায় অননুমোদিত হস্তক্ষেপের ফল, তবে রেজোলিউশন উৎসের সংশোধনের অপেক্ষায় মার্কেটটি মূল প্রকাশের সময় থেকে সর্বোচ্চ সাত (7) ক্যালেন্ডার দিন (ET) পর্যন্ত খোলা থাকতে পারে। নিষ্পত্তির উৎস ওই সময়ের মধ্যে সংশোধিত মান প্রকাশ করলে, সেই মানটি নিষ্পত্তির জন্য ব্যবহার করা যাবে। ওই সময়ের মধ্যে কোনো সংশোধিত মান প্রকাশিত না হলে, মূলত প্রকাশিত মানটি নিষ্পত্তির জন্য ব্যবহার করা যেতে পারে কি না, অথবা মার্কেটের সুশৃঙ্খল কার্যক্রম বজায় রাখতে অন্য কোনো পদক্ষেপ প্রয়োজন কি না তা নির্ধারণের জন্য Polymarket একটি স্পষ্টীকরণ জারি করবে। এই মার্কেটের প্রাথমিক নিষ্পত্তির উৎস হলো https://agi.safe.ai/-এ থাকা Humanity's Last Exam-এর সরকারি ওয়েবসাইট। যাচাইয়ের সময় এই নিষ্পত্তির উৎসটি অনুপলভ্য থাকলে, মডেলটির HLE-Diamond Accuracy পরবর্তীতে প্রথম যে সময়ে পাওয়া যাবে, তার ভিত্তিতে এই মার্কেটের নিষ্পত্তি হবে। যোগ্য মডেলটি সাইটে প্রথম প্রদর্শিত হওয়ার পর সপ্তম দিনের শেষ পর্যন্ত উৎসটি অনুপলব্ধ থাকলে, অথবা 30 জুন, 2027, 11:59 PM ET-এর মধ্যে কোনো যোগ্য মডেল যোগ করা না হলে, এই মার্কেটের নিষ্পত্তি হবে "না"।

মেশিন অনুবাদ। বিরোধের ক্ষেত্রে মূল পাঠ প্রযোজ্য।