İçeriğe geç
CANLI Dün Yerli yapay zeka İridaa, kendi modeli “Kuzey”i devreye aldı: Tahmini skorlar rakiplerine göre nerede? 9 Kas 2026 Bu Hafta AI Model Değerlendirmesi (2026-W46) 8 Kas 2026 OpenAI Uyarı Vermeden Hesap Kapatıyor: Aylık 200 Dolarlık Pro Aboneler Bile Etkilendi 8 Kas 2026 Yapay Zekâ 18 Yıllık Kuantum Varsayımını Üç Günde Çözdü: Aaronson-Ambainis Artık Bir Teorem 8 Kas 2026 Gemini 4 Flash ve Yeni Claude İçin İşaretler Artıyor: LMArena’da ‘Hydrogen’, Sızıntıda ‘Hyperion’ Zekâ endeksi lideri Claude Opus 5 (Adaptive Reasoning, Max Effort) · 63,1 16.11.2026
Bülten

Yapay Zeka Haberleri

Meta EvoHarness-RL: AI Ajanslarında %96.9 Başarı Oranı

Uzun süreli AI ajanlarının en büyük sorunlarından biri, dış araç ve bellek kaynaklarını ne zaman kullanacaklarını bilememektir.

· 2 dk okuma · 0 yorum

Yapay zekâya sor Paylaş
Kısaca · 3 madde
  1. Uzun süreli AI ajanlarının en büyük sorunlarından biri, dış araç ve bellek kaynaklarını ne zaman kullanacaklarını bilememektir.
  2. EvoHarness-RL, Qwen3-8B modeli ile ALFWorld benchmark testinde %96.9 başarı oranına ulaştı.
  3. EvoHarness-RL üç temel dış durum türünü ajanın kullanımına sunuyor.

Uzun süreli AI ajanlarının en büyük sorunlarından biri, dış araç ve bellek kaynaklarını ne zaman kullanacaklarını bilememektir. araştırmacıları bu sorunu EvoHarness-RL ile çözmeyi başardı. Yeni RL tabanlı yöntem, ajanların dış durum erişim stratejisini öğrenmesini sağlıyor.

ALFWorld Testinde %96.9 Başarı

EvoHarness-RL, Qwen3-8B modeli ile ALFWorld benchmark testinde %96.9 başarı oranına ulaştı. ReAct yönteminde bu oran yalnızca %47.9 seviyesindeydi. Görülmemiş görevlerde ise EvoHarness-RL, ReAct’ın %50 başarısına kıyasla %86.6 oranına ulaştı. RL eğitimi sırasında harness çağrıları bölüm başına yaklaşık 1’e düştü.

Üç Temel Dış Durum Türü

EvoHarness-RL üç temel dış durum türünü ajanın kullanımına sunuyor. Bunlar; mevcut durumu temsil eden Belief, tamamlanan adımları izleyen Progress ve geçmiş deneyimleri depolayan Experience olarak sınıflandırılıyor. Denetimli ince ayar aşamasında ajan, harness eylem alanını ve yararlı dış durumun nasıl oluşturulacağını öğreniyor. Ardından GRPO algoritması, uzun süreli etkileşim boyunca durumu okuma, güncelleme ve konsolide etme stratejilerini keşfediyor.

Harness Annealing ve Harness Evolution

İki kritik dinamik eğitim sürecinde ortaya çıkıyor. Harness annealing olarak adlandırılan ilk dinamikte, tekrarlanan harness kullanım kalıpları model politikasına internalize ediliyor ve ajan sık harness çağrılarından seçici dış durum erişimine yöneliyor. Harness evolution olarak adlandırılan ikinci dinamikte ise ilerleme güncellemeleri ve deneyim konsolidasyonu, harness’ı kompakt ve göreve uyarlanabilir bir durum alt tabanına dönüştürüyor.

Ajan Geliştiriciler İçin Çıkarımlar

Araştırmacılar, ajan geliştiricilerin constant bellek erişimini sabit kodlamak yerine, politikayı belleği ne zaman sorgulayacağını öğrenmesi için eğitmesi gerektiğini vurguluyor. Çalışma, daha güçlü araçlar veya daha büyük bellekler eklemek yerine, dış harness çalışma alanlarıyla birlikte çalışmak için eğitilebilir politikaların uzun süreli ajanlar için kritik olduğunu ortaya koyuyor.

Kaynak

Araştırma, detaylı inceleme için arxiv.org/abs/2608.05446 adresinde yayınlandı.

Yapay zekâya sor

Haberi seçtiğiniz asistanda hazır bir soruyla açın

Şu haberi 3 maddede özetle: https://aihaber.org/meta-evoharness-rl-ai-ajanslarinda-%96-9-basari-orani/

Gemini hazır soruyla açılamıyor: soru panonuza kopyalanır, açılan sayfada yapıştırmanız yeterli.

Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Bu haber işinize yaradı mı?

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.

İlgili haberler