নং 01পৃ. 1 / 12
পরিসংখ্যান
- stats.median
- stats.quantile
- regression.ols_multiple
কম্পিউট স্তর
445টি মডিউল।
একটি নির্দিষ্ট রানটাইম।
SQAI-এর কম্পিউট স্তর হলো কম্পাইলড কার্নেলের একটি লাইব্রেরি: পরিসংখ্যান থেকে অপশন মূল্য নির্ধারণ, LLM অবকাঠামো পর্যন্ত — প্রতিটি ফাংশন 4,778-সক্ষমতার চুক্তিতে টাইপ করা। একটি এজেন্ট ফাংশনের নাম দেয়। ইঞ্জিন সংখ্যাটি ফেরত দেয় — উষ্ণ, এক মিলিসেকেন্ডেরও কম সময়ে।
445মডিউল
100+প্রায়োগিক প্যাক
4,778চুক্তিতে সক্ষমতা
0.83–0.93 msউষ্ণ কম্পিউট, পরিমাপিত
IIনমুনা গ্রন্থ
বারোটি পরিবার, টাইপে সাজানো।
লাইব্রেরিটি পড়ুন একটি টাইপ নমুনার মতো: প্রতিটি পরিবার একটি পৃষ্ঠা, প্রতিটি ফাংশন একটি মুখ। এই পৃষ্ঠার প্রতিটি নাম বাস্তব — চুক্তিতে টাইপ করা, চালানোর আগে যাচাই করা, পরে হ্যাশ করা।
নং 02পৃ. 2 / 12
হাইপোথিসিস পরীক্ষা
- stat_tests.pearson_r
- ab_testing.sample_size_proportion
নং 03পৃ. 3 / 12
সম্ভাব্যতা
- distributions.sample_normal
- distributions.sample_poisson
নং 04পৃ. 4 / 12
টাইম সিরিজ
- timeseries_stats.holt_linear
- timeseries_stats.acf
নং 05পৃ. 5 / 12
রৈখিক বীজগণিত
- linalg.mat_inv
- matrix_decomp.cholesky
নং 06পৃ. 6 / 12
অপ্টিমাইজেশন
- root_finding.newton_raphson
- integrate.simpson
- operations_research.eoq_quantity
নং 07পৃ. 7 / 12
অর্থায়ন ও ঝুঁকি
- finance.npv
- finance.irr
- finance.cagr
- finance.max_drawdown
- risk.beta
- risk.conditional_var
নং 08পৃ. 8 / 12
অপশন মূল্য নির্ধারণ
- option_pricing.black_scholes_call
- option_pricing.black_scholes_put
- option_pricing.implied_volatility
নং 09পৃ. 9 / 12
মেশিন লার্নিং
- ml.classifiers.knn_predict
- ml.classifiers.logistic_predict
- ml.clustering.kmeans_fit
নং 10পৃ. 10 / 12
সংকেত
- fft.power_spectrum
- wavelet.denoise_haar
নং 11পৃ. 11 / 12
তথ্য তত্ত্ব
- information_theory.entropy
- information_theory.kl_divergence
নং 12পৃ. 12 / 12
LLM অবকাঠামো
- flash_attention.flash_block_output
- kv_cache.incremental_decode_kv_append
- rag_retrieval.bm25_term_score
টাইপ কেস — প্রায়োগিক প্যাক
বীমাগণিত → আঙুর চাষ
- 01বিমাগাণিতিক
- 02মহাকাশ
- 03মহামারিবিদ্যা
- 04জলবিজ্ঞান
- 05ফার্মাকোকাইনেটিক্স
- 06রোবোটিক্স
- 07ভূকম্পবিদ্যা
- 08তাপগতিবিদ্যা
- 09আঙুরচাষবিদ্যা
- 100+কেসে প্রায়োগিক প্যাক — এখানে নয়টি ড্রয়ার টানা হয়েছে। প্রতিটি একই চুক্তিতে সাড়া দেয়: একই নীতি যাচাই, একই উৎস খাম।
IIIমুদ্রণকাজ
কম্পাইলড গতি। প্রমাণিত নির্ভুলতা।
প্রতিটি পরিবারের পেছনে: হাতে-অপ্টিমাইজড কার্নেল, আগেভাগে কম্পাইল করা। এখানে নির্ধারণবাদের কোনো মূল্য নেই — float64, একক থ্রেড, এবং তবুও ইন্টারপ্রেটেড বেসলাইনের চেয়ে মাত্রার ব্যবধানে দ্রুত।
গতি
91.86×ইন্টারপ্রেটেড বেসলাইনের তুলনায় মধ্যমান গতিবৃদ্ধি
- 111.24× গড় · 1,593× সর্বোচ্চ গতিবৃদ্ধি
- পাবলিক স্কোরকার্ডে 4,207টি তুলনামূলক ফাংশন জুড়ে পরিমাপিত
- 0.83–0.93 ms উষ্ণ কম্পিউট · সাব-ms কোয়েরি স্তর
নির্ভুলতা
02,744টি সঠিকতা যাচাইয়ে অমিল
- 800+ ডেটাসেট ও 8টি বিতরণ জুড়ে 2,458টি ফাজ যাচাই
- 232টি প্রান্তিক কেস · 54টি স্যুট যাচাই · বিট-নির্ভুল বাছাই
- সর্বোচ্চ সংখ্যাগত ত্রুটি: 1.8e-15
0/16 → 16/16একই মডেল, ইঞ্জিন কম্পিউটিং
নির্ভুলতার A/B: একই মডেল 16টি পরিমাণগত প্রশ্নের উত্তর দেয়। শুধু কম্পিউটিংয়ে স্কোর 0/16। ইঞ্জিন কম্পিউটিং করলে 16/16।
একবার ~110 সেকেন্ড।
পরে 0.83–0.93 ms।
ডাউনলোড · যাচাই · পিন — তারপর শুধুই গণনা
~110 sএকবারের প্রভিশন — ডাউনলোড, যাচাই, পিন
0.83–0.93 msওয়ার্ম কম্পিউট, পরিমাপকৃত
sub-msকোয়েরি প্লেন, প্রতিটি উত্তরে
Vপরিমাপকৃত রান
এক কল, রসিদসহ।
একটি প্রকৃত গণনা, শুরু থেকে শেষ পর্যন্ত। একই কল TypeScript ও Python-এ একই মান এবং একই হ্যাশ ফেরত দেয় — এবং এটি চালানোর রানটাইম ঠিক সেই মডিউলগুলোতে সীমাবদ্ধ করে তৈরি করা যায় যা আপনি শিপ করেন।
পরিমাপকৃত রান — finance.npv
কল
finance.npv(0.1, [-1000, 300, 420, 560, 680])মান
505.020148896933TypeScript ও Python-এ অভিন্নঅতিবাহিত
0.83 msওয়ার্মcomputation_hash
b74f67d0d7a594aa7ac91f6291612452aa8ccdf603351ebc8d801a6fddd91bc8একটি সংখ্যা যা পুনরায় চালানো যায়, শুধু পড়া নয়।
শুধু যা ব্যবহার করেন তা শিপ করুন।
একটি এনভায়রনমেন্ট ভেরিয়েবল নির্ধারণ করে বিল্ড সার্ভিস কী কম্পাইল করবে।
- SQAI_RUNTIME_MODULES
- আপনার পণ্যের প্রয়োজনীয় মডিউলগুলো নাম দিন। শুধু সেগুলোই বিল্ডে প্রবেশ করে।
- POST /v1/runtime/build
- বিল্ড সার্ভিস প্রভিশনে ঠিক সেই ফিল্টার অনুযায়ী একটি রানটাইম কম্পাইল করে।
- filter-hash
- বান্ডেলগুলো এটি দিয়ে কী করা হয়। একই ফিল্টার সর্বদা একই বান্ডেল রিজলভ করে।
ডিসকভারি ইন-প্রসেসেই থাকে।
এজেন্টরা সারফেস অনুমান করে না — তারা স্থানীয়ভাবে অনুসন্ধান করে।
- searchCapabilities
- প্যাকেজে এমবেড করা কন্ট্র্যাক্ট অনুসন্ধান করে। ইন-প্রসেস — কোনো নেটওয়ার্ক কল নেই।
- unsupported_operation
- অজানা নাম একটি স্ট্রাকচার্ড এরর সহ প্রত্যাখ্যাত হয়, এবং সংশোধনের জন্য nearest_matches দেওয়া হয়।
VIপ্রশ্নাবলি
সূক্ষ্ম বিষয়গুলো।
কম্পিউট আসলে কতটা দ্রুত?
প্রথম গণনায় পিন করা রানটাইম প্রভিশন হয় — একবার, প্রায় 110 সেকেন্ড। এরপর পরিমাপকৃত ওয়ার্ম লেটেন্সি প্রতি গণনায় 0.83–0.93 ms, এবং কোয়েরি প্লেন এক মিলিসেকেন্ডের কমে উত্তর দেয়।
আমি কি ছোট রানটাইম শিপ করতে পারি?
হ্যাঁ। SQAI_RUNTIME_MODULES সেট করুন এবং প্রভিশনে রানটাইম সেই ফিল্টার অনুযায়ী তৈরি হয়। বান্ডেলগুলো ফিল্টারের হ্যাশ দিয়ে কী করা হয়, তাই একই ফিল্টার সর্বদা একই বান্ডেল পুনরুৎপাদন করে।
ফলাফল কি সত্যিই সব ভাষায় অভিন্ন?
নির্মাণগতভাবেই। কার্নেলগুলো একক থ্রেডে float64-এ চলে, এবং ফলাফল canonical JSON-এর উপর হ্যাশ করা হয়। finance.npv(0.1, [-1000, 300, 420, 560, 680]) TypeScript ও Python-এ একই computation_hash সহ 505.020148896933 ফেরত দেয়।
একটি এজেন্ট কীভাবে জানে সে কী গণনা করতে পারে?
এটি অনুসন্ধান করে। searchCapabilities প্যাকেজে এমবেড করা কন্ট্র্যাক্টের উপর ইন-প্রসেসে চলে, এবং অজানা ফাংশন নাম nearest_matches সহ unsupported_operation ফেরত দেয় — কখনো অনুমান নয়।