Prime Intellect, kodlama ve uzun soluklu otonom görevler için tasarlanan kendini geliştiren ajan iskeleti Prime Agent’ı duyurdu. Şirket, Recursive Language Model (RLM) mimarisine dayanan sistemin Opus 5 ile ARC-AGI-3 benchmark’ında yüzde 95,5 skor elde ettiğini açıkladı.
Prime Agent, statik araç şemaları ve elle tanımlanmış alt ajanlarla sınırlı klasik “harness” yaklaşımlarına alternatif olarak konumlanıyor. Temel fikir, frontier modellerin yeteneklerini sabit bir iskelete sıkıştırmak yerine iskeletin çalışma sırasında modele uyum sağlaması.
RLM ve Continual Harness nedir?
Prime Agent iki ana soyutlama üzerine kurulu:
- Recursive Language Model (RLM): Bağlamı bir değişken, alt ajan devrini ise REPL içindeki fonksiyon çağrıları gibi ele alır. Kalıcı bir IPython ortamı sayesinde model; geçmişine, araçlarına ve alt ajanlarına programatik erişir.
- Continual Harness: İskeletin kendi durumunu — istemler, beceriler, bellek ve alt ajanlar — ajanın çalışma sırasında oluşturup okuyup güncelleyip silebildiği (CRUD) bir yapıya dönüştürür.
Bu sayede ajan yalnızca görevi çözmekle kalmaz; kendi iskeletini de göreve göre yeniden yazabilir. Alt ajanlar kalıcı oturumlar olarak yaşayabilir, daha sonra yeniden mesaj alabilir ve farklı oturumlarla haberleşebilir. Uzun bağlamlı işlerde bilgi, sıkıştırılarak kaybolmak yerine değişkenlerde ve oturum durumunda tutulur.
ARC-AGI-3 sonucu
ARC-AGI-3, ajanların bilinmeyen ortamlarda kural çıkarımı, keşif ve planlama yapma becerisini ölçen etkileşimli bir benchmark. Prime Intellect’e göre Prime Agent, Opus 5 ile yüzde 95,5 RHAE Best@1 skoruna ulaştı ve bildirilen insan uzman baz çizgisi olan yüzde 95,4’ü geçti. Üç koşuda sonuçlar tutarlı seyretti (95,0 / 95,2 / 95,5); Best@3 değeri ise yüzde 99,97 olarak paylaşıldı ve 183/183 seviye tamamlandı.
Şirket, bu kazanımın ARC-AGI-3’e özel model eğitimi olmadan, iskelet tasarımı ve çalışma zamanı düzeni sayesinde geldiğini vurguluyor. Aynı frontier modeller farklı harness’lerle denendiğinde daha düşük performans görüldüğü de aktarılıyor. Bu tablo, ajan başarımında model kadar “nasıl sarıldığı”nın da belirleyici olduğunu güçlendiriyor.
Kimler için ve nasıl kullanılıyor?
Prime Agent; genel kod asistanı, uzun ufuklu otonom değerlendirme çalışma zamanı ve araştırma/otoresearch iş birlikçisi olarak tasarlandı. Açık kaynak olarak sunuluyor ve kurulum betiğiyle hızlıca ayağa kaldırılabiliyor. Arka planda bir daemon oturumları yönetiyor; kullanıcı metin arayüzünden (TUI) bağlanıp ayrılabiliyor, çöken worker süreçleri oturum kaydından toparlanabiliyor.
Pratikte modelin tek temel aracı kalıcı IPython çekirdeği. Beceriler ve alt ajan çağrıları bu çekirdek içinde fonksiyon olarak devreye giriyor. Örneğin paralel alt görevler için birden fazla rlm() çağrısı açılabiliyor; tamamlanan alt ajanlara sonradan yeni mesaj gönderilebiliyor. Bellek ve skill kayıtları diskte de saklandığı için oturumlar arasında taşınabiliyor.
Ne anlama geliyor?
Prime Agent duyurusu, ajan yarışında “daha büyük model” kadar “daha esnek iskelet” ekseninin de öne çıktığını gösteriyor. Kendini güncelleyen harness yaklaşımı, uzun süren kodlama işleri ve çok adımlı otonom görevlerde bağlam kaybını azaltmayı hedefliyor. Öte yandan şirket, modellerin henüz bu iskelet etrafında özel olarak eğitilmediğini; dolayısıyla ileride eğitimle birlikte ek performans alanı bulunduğunu da not düşüyor.
Kısa vadede geliştirici topluluğu için somut çıktı açık kaynak bir RLM harness’i ve güçlü bir ARC-AGI-3 sonucu. Orta vadede ise asıl soru, Continual Harness’in üretim ortamlarındaki güvenilirliği ve farklı modellerle tekrarlanabilirliği olacak.
Henüz yorum yok. İlk yorumu siz yapın!