প্রসঙ্গ উইন্ডোজ
একটি প্রসঙ্গ উইন্ডো হল সর্বাধিক পরিমাণ পাঠ্য - টোকেনে পরিমাপ করা হয় - যা একটি মডেল পড়তে এবং মনে রাখতে পারে৷
ওভারভিউ
It sets a hard limit on how much of your conversation, documents, or instructions the model can actually use.
গভীর ডুব
মডেলরা অক্ষর বা শব্দ সরাসরি পড়ে না; তারা টোকেন পড়ে, যেখানে একটি টোকেন ইংরেজিতে একটি শব্দের প্রায় তিন-চতুর্থাংশ পাঠ্যের একটি অংশ। প্রসঙ্গ উইন্ডোটি প্রম্পট এবং মডেলের নিজস্ব প্রতিক্রিয়া গণনা করে। প্রারম্ভিক GPT-3 প্রায় 2,000 টোকেন পরিচালনা করেছিল; 2025-2026 এর মধ্যে ফ্রন্টিয়ার মডেলগুলি নাটকীয়ভাবে প্রসারিত হয়েছে — Google এর Gemini এক থেকে দুই মিলিয়ন টোকেনে পৌঁছেছে, বেশ কয়েকটি Claude এবং GPT মডেলগুলি 128K অফার করে এক মিলিয়ন পর্যন্ত, পুরো বই বা কোডবেসের জন্য যথেষ্ট। কিন্তু বড় স্বয়ংক্রিয়ভাবে ভাল না. কারণ মনোযোগ প্রতিটি টোকেনকে অন্যটির সাথে তুলনা করে, গণনা এবং মেমরির খরচ দৈর্ঘ্যের সাথে দ্রুত বৃদ্ধি পায়। মডেলগুলি একটি 'মাঝখানে হারিয়ে যাওয়া' প্রভাবও দেখায়, একটি দীর্ঘ ইনপুটের শুরু এবং শেষে তথ্যগুলিকে কেন্দ্রে সমাহিত উপাদানের চেয়ে বেশি নির্ভরযোগ্যভাবে স্মরণ করে।
প্রযুক্তিগত অন্তর্দৃষ্টি
Everything in a single request — system instructions, prior chat turns, pasted documents, and the answer being generated — must fit inside the token budget. যখন এটি ওভারফ্লো হয়, প্রাচীনতম বিষয়বস্তু বাদ দেওয়া হয় বা সংক্ষিপ্ত করা আবশ্যক, যে কারণে দীর্ঘ চ্যাটগুলি 'ভুলে যাবে' বলে মনে হয়৷ বড় উইন্ডোগুলি ব্যয়বহুল কারণ স্ব-মনোযোগ স্কয়ার টোকেন গণনার বর্গক্ষেত্রের সাথে মোটামুটিভাবে পরিমাপ করে, এবং কারণ মডেলটি প্রতিটি টোকেনের জন্য কী/মান ভেক্টর ক্যাশ করে, মেমরি গ্রাস করে। এই কারণেই টোকেন দ্বারা প্রদানকারীর মূল্য এবং কেন পুনরুদ্ধার প্রায়শই সবকিছুকে প্রসঙ্গের মধ্যে স্টাফ করার চেয়ে সস্তা।
কৌশলগত প্রভাব
গতি এবং স্কেল
ভাষার কর্মপ্রবাহ ধারাবাহিকতাকে ত্যাগ না করে দ্রুত অগ্রসর হতে পারে।
অ্যাক্সেস এবং পৌঁছানো
এটি ভাষা এবং যোগাযোগ শৈলী জুড়ে অ্যাক্সেস প্রসারিত করে।
সুস্পষ্ট সিদ্ধান্ত
অটোমেশন পুনরাবৃত্তি পরিচালনা করার সময় দলগুলি বিচারে আরও বেশি সময় ব্যয় করতে পারে।
প্রসঙ্গ উইন্ডোজের ভবিষ্যত
কনটেক্সট উইন্ডো ক্রমবর্ধমান থাকবে, কিন্তু জোর দেওয়া হচ্ছে কাঁচা আকার থেকে কার্যকর ব্যবহারের দিকে। উন্নততর দীর্ঘ-প্রসঙ্গ প্রশিক্ষণ, মনোযোগ অপ্টিমাইজেশন, এবং কী/মান ক্যাশে কম্প্রেশনের মতো কৌশলগুলির লক্ষ্য 'মাঝখানে হারিয়ে যাওয়া' সমস্যা এবং খরচ বক্ররেখা কমানো। পুনরুদ্ধার-বর্ধিত প্রজন্ম একটি ব্যবহারিক পরিপূরক হিসাবে থাকবে, প্রতি কলে লক্ষ লক্ষ টোকেন প্রক্রিয়া করার জন্য অর্থ প্রদানের পরিবর্তে শুধুমাত্র প্রাসঙ্গিক অংশগুলি নিয়ে আসবে। শিরোনাম সর্বাধিক সংখ্যার চেয়ে বেশি গুরুত্বপূর্ণ 'মডেলটি তার উইন্ডোটি কতটা নির্ভরযোগ্যভাবে ব্যবহার করতে পারে' প্রত্যাশা করুন৷
বাস্তব-বিশ্ব বাস্তবায়ন
একটি সম্পূর্ণ চুক্তি বা গবেষণাপত্র পেস্ট করা যাতে মডেলটি আগের বিভাগগুলি না হারিয়ে এটি সম্পর্কে প্রশ্নের উত্তর দিতে পারে৷
দীর্ঘ কোডিং সেশন যেখানে সহকারীকে অনেকগুলি ফাইল এবং আগের পরিবর্তনগুলি একবারে দেখতে হবে।
কাস্টমার সাপোর্ট বটগুলিকে সামঞ্জস্যপূর্ণ থাকার জন্য একটি কথোপকথনের পুরো পিছনে এবং সামনে মনে রাখতে হবে।
বড় লগ বা প্রতিলিপি বিশ্লেষণ করা যেখানে মূল বিবরণ অনেক দূরে বসে থাকতে পারে এবং 'মাঝখানে হারিয়ে যাওয়ার' ঝুঁকি থাকতে পারে।
ঝুঁকি এবং প্রহরী
হ্যালুসিনেটেড ফ্যাক্টগুলি শান্তভাবে রিপোর্ট, সমর্থন প্রবাহ, বা গবেষণা আউটপুট প্রবেশ করতে পারে।
প্রম্পট সংবেদনশীলতা অনুরূপ অনুরোধ জুড়ে অসামঞ্জস্যপূর্ণ ফলাফল তৈরি করতে পারে।
অ্যাক্সেস কন্ট্রোল দুর্বল হলে সংবেদনশীল পাঠ্য ডেটা উন্মুক্ত হতে পারে।
বাস্তবায়ন রোডম্যাপ
রোলআউট করার আগে আউটপুট ফর্ম্যাট, টোন এবং মানের মান নির্ধারণ করুন।
যখনই নির্ভুলতা গুরুত্বপূর্ণ তখন বিশ্বস্ত উত্সের সাথে গ্রাউন্ড প্রতিক্রিয়া।
উচ্চ-স্টেকের আউটপুটগুলির জন্য একটি মানব পর্যালোচনা চেকপয়েন্ট রাখুন।
ব্যর্থতার নিদর্শনগুলি ট্র্যাক করুন এবং প্রম্পট বা ওয়ার্কফ্লোগুলিকে নিয়মিতভাবে পুনরায় প্রশিক্ষণ দিন।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Context Windows quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
YaRN প্রসঙ্গ উইন্ডো স্কেলিং
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is Context Windows?
একটি প্রসঙ্গ উইন্ডো হল সর্বাধিক পরিমাণ পাঠ্য — যা টোকেনে পরিমাপ করা হয় — যা একটি মডেল পড়তে এবং মনে রাখতে পারে৷ মডেলটি আসলে কতটা আপনার কথোপকথন, নথি বা নির্দেশাবলী ব্যবহার করতে পারে তার উপর এটি একটি কঠিন সীমা নির্ধারণ করে।
একটি মডেলের প্রসঙ্গ উইন্ডো কি পরিমাপ করে?
প্রসঙ্গ উইন্ডো হল একটি একক অনুরোধের জন্য টোকেন বাজেট — মডেলটি একবারে কতটা পাঠ্য পড়তে এবং প্রতিক্রিয়া জানাতে পারে৷
এই প্রসঙ্গে একটি টোকেন কি?
মডেলগুলি টোকেন হিসাবে পাঠ্য প্রক্রিয়া করে, যা উপ-শব্দের অংশ; ইংরেজিতে একটি টোকেন গড়ে একটি শব্দের প্রায় তিন-চতুর্থাংশ।
কোন আইটেমগুলি একটি একক অনুরোধে প্রসঙ্গ উইন্ডোর বিপরীতে গণনা করে?
সম্পূর্ণ অনুরোধটি একটি বাজেট ভাগ করে: নির্দেশাবলী, কথোপকথনের ইতিহাস, যেকোনো আটকানো সামগ্রী এবং মডেলের নিজস্ব আউটপুট সবই টোকেন ব্যবহার করে।
কেন একটি বড় প্রসঙ্গ উইন্ডো স্বয়ংক্রিয়ভাবে ভাল হয় না?
মনোযোগ খরচ টোকেন গণনার বর্গক্ষেত্রের সাথে মোটামুটিভাবে বৃদ্ধি পায় এবং 'মাঝখানে হারিয়ে যাওয়া' প্রভাবের অর্থ হল মধ্য-নথির বিবরণ কম নির্ভরযোগ্যভাবে স্মরণ করা যেতে পারে।
প্রসঙ্গ উইন্ডোতে সবকিছু রাখার পরিবর্তে কেন পুনরুদ্ধার-বর্ধিত প্রজন্ম (RAG) প্রায়শই ব্যবহার করা হয়?
RAG প্রতিটি অনুরোধে মডেলে বিপুল পরিমাণ টেক্সট খাওয়ানোর খরচ এড়িয়ে শুধুমাত্র জ্ঞানের ভিত্তির প্রাসঙ্গিক অংশগুলি পুনরুদ্ধার করে।