İçeriğe geç
CANLI Dün 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) 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

Yapay Zeka Uzun Vadeli Gorevlerde Kritik Sinira Carpti: Long-Horizon-Terminal-Bench Sonuclari Sok Etti

Yapay zeka uzun vadeli gorevler alaninda yapilan yeni bir arastirma, en guclu yapay zeka sistemlerinin bile yuzlerce adimli gorevlerde ciddi sekilde basarisiz oldugunu ortaya koydu.

· 2 dk okuma · 0 yorum

Yapay zekâya sor Paylaş
Kısaca · 3 madde
  1. Yapay zeka uzun vadeli gorevler alaninda yapilan yeni bir arastirma, en guclu yapay zeka sistemlerinin bile yuzlerce adimli gorevlerde ciddi sekilde basarisiz oldugunu ortaya koydu.
  2. Uzun Vadeli Yapay Zeka Gorevlerinde Kriz: Ortalama Basari Orani Yuzde 6,4
  3. Long-Horizon-Terminal-Bench, yapay zeka ajanlarinin yuzlerce adim gerektiren terminal gorevlerinde ne kadar iyi performans gosterdigini olcmek icin tasarlandi.

Yapay zeka uzun vadeli gorevler alaninda yapilan yeni bir arastirma, en guclu yapay zeka sistemlerinin bile yuzlerce adimli gorevlerde ciddi sekilde basarisiz oldugunu ortaya koydu. Hunyuan tarafindan yayinlanan Long-Horizon-Terminal-Bench arastirmasi, 17 frontier modelin 46 uzun vadeli gorev uzerindeki performansini degerlendirdi.

Uzun Vadeli Yapay Zeka Gorevlerinde Kriz: Ortalama Basari Orani Yuzde 6,4

Long-Horizon-Terminal-Bench, yapay zeka ajanlarinin yuzlerce adim gerektiren terminal gorevlerinde ne kadar iyi performans gosterdigini olcmek icin tasarlandi. Sonuclar sok edici: 17 frontier model arasinda ortalama basari orani yalnizca yuzde 6,4. Siki tamamlama degerlendirmesi altinda ise 17 modelden 10 u sifir gorev cozmdu.

Basarisiz olan calistirmalarin yuzde 79 unda model, halihazirda calismaya devam ederken saatin dolmasi nedeniyle sona erdi. En iyi performans gosteren model bile yuzde 28,3 basari oraniyla her 10 gorevden 7 sin tamamlayamadan birakti.

Modeller Yerel Olarak Akilli Ancak Sonuc Uretemiyor

Arastirmacilar, modellerin yerel olarak makul adimlar gerceklestirebildigini ancak yuzlerce adimi guvenilir bir sekilde tamamlanmis bir sonuca donusturemedigini vurguladi. Bu bulgu, yapay zeka uzun vadeli gorevler konusundaki temel sorunu goyler onune seriyor: kisa sureli gorevlerde etkileyici performans sergileyen modeller, uzun soluklu islerde kritik bir dusus yasiyor.

Long-Horizon-Terminal-Bench projesi sayfasi: https://zli12321.github.io/LHTB/

Yapay Zeka Uzun Vadeli Gorevler Icin Ne Anlama Geliyor?

Bu bulgular, mevcut yapay zeka sistemlerinin gercek dunya uzun vadeli gorevlerinde guvenilir bir sekilde calisabilmesi icin onemli iyilestirmelere ihtiyac duyuldugunu ortaya koyuyor. Arastirma, yapay zeka uzun vadeli gorevler performans arastirmasi alaninda onemli bir kilometre tasi niteliginde.

Uzmanlar, ajan yonetimi ve egitim ortamlarinin gelistirilmesinin bu sorunu cozmek icin kritik oneme sahip oldugunu belirtiyor. AgentMercury arastirmasi, yapay zeka ajanlarinin egitim ortamlarinda nasil iyilestirilebilecegine dair onemli veriler sunuyor.

Yapay zeka uzun vadeli gorevler konusunda ilerleme kaydedilmesi, ozelikle kod uretimi, bilimsel arastirma ve karmasik muhendislik projeleri gibi alanlarda kritik onem tasiyor. Arastirma, 14 Temmuz 2026 tarihinde yayinlandi ve Hunyuan Frontier ekibi ile ABD deki universitelerin ortak calismasi.

Yapay zekâya sor

Haberi seçtiğiniz asistanda hazır bir soruyla açın

Şu haberi 3 maddede özetle: https://aihaber.org/yapay-zeka-uzun-vadeli-gorevler-terminal-bench/

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