Meta FAIR’in yayimladigi yeni bir araştırma, yapay zeka araştırma ajanlarının karşılaştığı GPU maliyet sorununa dikkat çekiyor. Yapay Zeka Araştırma Tercih Modelleri (RPM) adı verilen bu yaklaşım, bir araştırma ajanının önündeki en büyük darboğazı ortadan kaldırmayı hedefliyor.
Problem: AI Ajanlari Cok Hızlı Fikir Üretiyor, GPU Yetişmiyor
Günümüzün yapay zeka araştırma ajanları (AIRA), binlerce deney adayı üretebiliyor. Ancak bu adayları çalıştırmak saatlerden günlere kadar GPU süresi gerektiriyor. Bir ajan, dakikalar içinde yüzlerce aday önerebiliyor; ancak bunların yalnızca küçük bir kısmını gerçekten test edebiliyor. İşte tam bu noktada Yapay Zeka Araştırma Tercih Modelleri devreye giriyor.
RPM: Hangi Deneyin Calistirilmaya Deger Oldugunu Önceden Biliyor
Meta FAIR’in geliştirdiği sistem, dondurulmuş ön eğitimli dil modellerinden oluşan iki farklı RPM türü sunuyor:
Çıkarım Temelli RPM: Aday planların kodlarını ve önceki çalıştırılmış sonuçları analiz ederek her bir adayın potansiyelini puanlıyor. Ek GPU harcaması yapmadan hangi deneylerin yürütülmeye değer olduğunu tahmin ediyor.
Ajanik RPM: Bunun yanı sıra karar vermeden önce küçük ölçekli pilot deneyler çalıştırarak ek kanıt topluyor. Beş dakikalık bir pilot bütçeyle daha yüksek doğruluk elde ediliyor.
AIRS-Bench Sonuclari: Skor 0.684’ten 0.729’a Yukseldi
Meta FAIR, yaklaşımını AIRS-Bench benchmark’ında 20 farklı makine öğrenmesi araştırma görevinde test etti. Yapay Zeka Araştırma Tercih Modelleri sonuçları oldukça etkileyici:
Rastgele seçimle ortalama normalize skor 0.684 iken, çıkarım temelli RPM bu rakamı 0.711’e, ajanik RPM ise 0.729’a yükseltti. En dikkat çekici olanı ise şu: RPM rehberli ajanlar, yönlendirilmemiş ajanın 24 saatlik performansına yaklaşık 15 saatte ulaştı — yani standart GPU bütçesinin üçte ikisinden daha azını kullanarak.
Bu model aynı zamanda iki AIRS-Bench görevinde yeni en iyi sonuçları elde etti.
GPU Bütçesi Artik Daha Verimli Kullanilacak
Bu araştırma, AI araştırma laboratuvarlarının GPU bütçelerini kökten dönüştürme potansiyeli taşıyor. Araştırmacılar artık her deney adayını çalıştırmak zorunda kalmayacak. Önceliklendirme modeli, en yüksek başarı potansiyeline sahip adayları seçerek araştırma döngüsünü hızlandıracak.
Makale, arXiv (2608.13940)‘ta yayımlandı. Araştırmacılar arasında Thomas Simon Foster, Bassel Al Omari, Carl Domond, Jason Weston ve Yoram Bachrach gibi isimler yer alıyor.
AIhaber olarak bu ve benzeri yapay zeka araştırma gelişmelerini sizlerle paylaşmaya devam edeceğiz. Güncel AI haberleri için bizi takip etmeye devam edin.
Henüz yorum yok. İlk yorumu siz yapın!