Google DeepMind, yapay zeka ajanlarinin egitim sureclerinde kritik bir sorunu ele alan EnvHarness platformunu tanitti. “Awakening Static Worlds for Agent Learning” baslikli arastirma paperi, ajanlarin cevreyle etkilesiminde static ortamlarin yarattigi ogrenme plateau’sunu ortadan kaldiriyor. Makale arxiv.org/abs/2608.19880 uzerinden erislebilir durumda.
Static Dünyaların Ogrenme Limiti Nedir?
Gunumuz yapay zeka ajanlari, kod yazimindan arastirma gorevlerine kadar genis bir yelpazede gorevler gerceklestiriyor. Ancak bu ajanlarin temel bir sikintisi var: cevreler statik kalip ajan gelistikce onun zayifliklarina karsi duyarsiz kaliyor. Bir ajan testleri atlamayi ogrenirse, cevre bunu fark edip mudahale edemiyor. Kisaca, ajan gelisiyor ancak ortami onunla birlikte evrilmiyor.
Bu sorunu cozmeye yonelik cevre uretimi yontemleri son donemde ortaya cikti, ancak bunlar da belirli zafiyetlere sahip: domain-specific pipeline’lar gerektiriyorlar, pahah ve guvenilmez verifier’lara bagimlilar ve sonucta yine static cevreler uretiyorlar.
EnvHarness: Cevreyi Yeniden Sekillendiren Programlanabilir Katman
Google DeepMind’in oneisndigi EnvHarness, mevcut static cevrelerin davranislarini, altindaki mantigi degistirmeden yeniden sekillendiren programlanabilir bir adaptasyon katmani. Standart arayuzler uzerinden calisan bu sistem, farkli domainlerde karsiniza cikabilirken her yeniden sekillendirilmis cevrenin orijinal verifier’ini korumayi garanti ediyor.
Sureci otomatiklestirmek icin tanitilan EnvRigger araci ise hedef policy’yi bir kara kutu olarak ele aliyor. Yurutme izlemelerini gozetleyerek EnvHarness bilesenlerini sentezliyor, tanilanan zayifliklari hedef aliyor ve taze yurutmelerle dogruluyor. Eger yeni kurulum hem faydali hem de cozulebilir durumdaysa, kalici hale getiriliyor.
“EnvHarness, bir ajan testleri atliyorsa cevre kabul edilene kadar gonderimi reddedebilir; bir ksayolu kullanima almissa o ksayol engellenebilir.” – Arastirma paperi
Sonuclar: SWE-Bench Verified Uzerinde %54,79 Basari
EnvHarness’in etkinligi SWE-bench Verified testlerinde net bir sekilde ortaya cikti. Ayni 300 cevre butcesiyle, ajanlar %54,79 oraninda sorunlari cozdü; orijinal cevrelerde bu oran %52,13, uretilen cevrelerde ise %50,37 olarak olculdü. Diger alanlarda ise tutulan testlerde 9,0 puana kadar iyilestirme ve %9,8 daha az yurutme adimi gosterdi.
Sonuclar, cevreyi ajana gore uyarlamanin, sadece yeni cevreler uretmekten cok daha etkili oldugunu gosteriyor. Orta vadede bu yaklasim, petikismeli ogrenmenin optimizasyon sinyalini guclendirerek ajan ve cevresinin hedefli ve surekli birlikte evrimini mumkun kilabilir.
Yapay Zeka Gelistirme Surecine Etkileri
EnvHarness’in ortaya cikardigi bulgular, AI ajan gelistirme pratikleri acisindan onemli imalar tasiyor. Gelistiriciler, artik ajanlarini yalnizca yeteneklerini artirarak degil, cevrelerini de dinamik ve adapte edilebilir hale getirerek daha dayanikli sistemler kurabilecek. Bu yaklasim, ozellikle kod uretimi, otomatik test ve guvenlik analizi gibi alanlarda yeni bir cag acabilir.
Google DeepMind’in bu adimi, frontier AI lablarinin sadece model kalitesine degil, egitim altyapisina yonelik yeniliklere de yatirim yapmaya basladiginin bir isareti olarak degerlendiriliyor. Dusonin ki ajanlar artik statik test ortamlarinda yetistirilmek yerine, surekli degisen ve onlara meydan okuyan dinamik ortamlarda evrilebilecek.
Paper hakkinda detayli bilgi ve kod erisimi icin arxiv.org/abs/2608.19880 adresini ziyaret edebilirsiniz.
Henüz yorum yok. İlk yorumu siz yapın!