İçeriğe geç
CANLI 22 sa önce Yerli yapay zeka İridaa, kendi modeli “Kuzey”i devreye aldı: Tahmini skorlar rakiplerine göre nerede? 6 gün önce Bu Hafta AI Model Değerlendirmesi (2026-W46) 6 gün önce OpenAI Uyarı Vermeden Hesap Kapatıyor: Aylık 200 Dolarlık Pro Aboneler Bile Etkilendi 6 gün önce 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 15.11.2026
Bülten

Yapay Zeka Haberleri

WebDev Skills Benchmark: Agent Skill Enjeksiyonu Neden Performansi Dusturuyor?

AI agent sistemlerinde yaygin olarak kullanilan skill enkapsulasyon yaklasimi, beklenenin aksine performans dususune neden olabiliyor.

· 1 dk okuma · 0 yorum

Yapay zekâya sor Paylaş
Kısaca · 2 madde
  1. AI agent sistemlerinde yaygin olarak kullanilan skill enkapsulasyon yaklasimi, beklenenin aksine performans dususune neden olabiliyor.
  2. WebDev-Skills-Bench, 31 farkli acik AI skillinin kodlama agentlari uzerindeki etkisini kapsamli sekilde oliyor.WebDev Skills Benchmark Nasil…

AI agent sistemlerinde yaygin olarak kullanilan skill enkapsulasyon yaklasimi, beklenenin aksine performans dususune neden olabiliyor. Yeni bir benchmark calismasi, bu yaygin uygulamanin ciddi sorunlarini ortaya koyuyor.

WebDev-Skills-Bench, 31 farkli acik AI skillinin kodlama agentlari uzerindeki etkisini kapsamli sekilde oliyor.

WebDev Skills Benchmark Nasil Calisiyor?

WebDev-Skills-Bench, 50 Web-Bench projasi ve 1.000 sirali gorev uzerinde 31 farkli acik WebDev skillini test etti. Calismanin ayirt edici ozelligi, uzunluk-eslestirilmis alakasiz kontrol ve leave-one-out bileşen ablasyonlari icermesi.

Sasirtici Sonuclar

Dort farkli model uzerinde yapilan testlerde, hedef skill enjeksiyonu sunlari verdi: Ortalama Pass@2 yuzde 1,3 ile yuzde 4,2 oraninda dustu, gorev tamamlama derinligi azaldi ve token maliyeti yuzde 72 ile yuzde 394 arasinda artti.

Iki Temel Basarisizlik Modu

Uzunluk-Dagilmis Modeller: Enjekte edilen skillin uzunlugu performansi dogrudan dusrueyor.
Icerik-Yaniltilmis Modeller: Prompt uzunlugu notr olsa bile, skill iciagi modeli yaniltarak Pass@2yi dusrueyor.

Anti-Pattern Kurallari mi Ornek Agir Icerik mi?

Ilginc bir bulgu olarak, anti-pattern kurallari, ornek agirli icerikten daha iyi sonuc veriyor. Bu, skill tasariminda kalabalik ornekler yerine net, kural tabanli yapilarin tercih edilmesi gerektigine isaret ediyor.

Kaynak: arxiv.org/abs/2608.23067

Yapay zekâya sor

Haberi seçtiğiniz asistanda hazır bir soruyla açın

Şu haberi 3 maddede özetle: https://aihaber.org/webdev-skills-benchmark-agent-skill-enjeksiyonu-neden-performansi-dusturuyor/

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