Yapay Zeka Ajanları: Hataları Paralelleştirmeden İşleri Paralelleştirin

Araştırmacılar, Horizon adında bir kıyaslama geliştirdi ve web, işletim sistemleri, veritabanları ve gömülü ortamlar dahil olmak üzere çeşitli ortamlarda 3.100'den fazla aracı gidişatını analiz etti. Deneyler, OpenAI ve Anthropic'ten modeller kullanan aracıları içeriyordu. Bulgular, performansın görevler uzadıkça kademeli olarak bozulmadığını, ancak belirli bir eşiğin ötesinde sabit kalıp aniden çökebileceğini ortaya koyuyor. İki aileye ayrılan yedi büyük hata kategorisi belirlendi: %72,5'i süreçle ilgili risklerle, %27,5'i aracı tasarımı riskleriyle ilişkilendirildi. Anthropic, 'bağlam kirliliği' adı verilen bir olguyu vurguluyor; burada biriken ara bilgiler aracının bağlamını karmaşıklaştırıyor ve muhakemesini bozuyor. Çalışma, bir görevi bağımsız alt görevlere bölmenin işe yaradığını, ancak çok fazla bağlamı paylaşan tasarım, uygulama ve test gibi aşamaları bölmenin, kulaktan kulağa oyununa benzer şekilde bilgi kaybına yol açtığını öne sürüyor. Yöneticiler için dört soru anahtardır: kararı kim verdi, hangi bilgiye dayanarak, hangi maliyetle ve tek bir başarısız adım bağımsız olarak yeniden oynatılabilir mi? Yeniden oynatılabilirlik olmadan, olaylar her şeyi yeniden başlatır ve uygunsuz bölme, tek bir aracıdan 3 ila 10 kat daha pahalıya mal olabilir.