Google Research’ten Harness2 – Özyinelemeli Ajan Koşumlama (Recursive Agent Harnessing)

Açık Bir Dünya İçin Özyinelemeli Ajan Koşumlama#

Bir koşum (harness), bir yapay zeka modelinin otonom bir ajan olarak hareket etmesini sağlayan çevresel sistemdir; istemleri (prompts), araçları, belleği, yetenekleri ve orkestrasyon süreçlerini kapsar. Koşumlama (harnessing) ise bu sistemi optimize etme sürecidir. Harness², ajanların tasarım aşamasında karşılaşmadıkları görevlerle yüzleştiği açık dünya senaryoları için geliştirilmiş, tak-çalıştır yapıda bir çerçevedir. Model ağırlıklarını sabit tutarak iki özyineleme (recursion) seviyesini birbirine bağlar:

• Görev Düzeyinde Özyineleme (Task-level recursion): Doğrudan kesin doğruluk (ground-truth) geri bildirimi olmadan, karşılaştırmalı bir Öner–Sına–Oluştur (Propose–Probe–Compose) adımıyla mevcut görev için yürütme koşumunu iyileştirir. Değişiklikler önerilir, aynı görev üzerindeki etkileri sınanır ve yürütmeler arasındaki davranışsal farklardan rafine bir koşum oluşturulur.
• Koşumlama Düzeyinde Özyineleme (Harnessing-level recursion): Gelecekteki iyileştirmelere rehberlik etmek amacıyla, her görevden elde edilen başarılı koşumları ve kanıta dayalı dersleri kalıcı bir gelişim koşumuna aktararak günceller.

Üç profesyonel kıyaslama (benchmark) ve dört farklı model-koşum yapılandırmasında tek bir Harness² adımı, GLM-5 ve Gemini 3.5 Flash modellerini temel koşumlarına kıyasla önemli ölçüde geliştirmiştir. WorkBuddy-Bench üzerinde 11,5 puana, JobBench üzerinde 4,5 puana ve LAB kısmi başarı oranında 11,8 yüzdelik puana varan artışlar sağlanmıştır. Bu sürüm; paralel ve sıralı özyinelemeyi, OpenCode ile Codex yürütücülerini ve JobBench, LAB, WorkBuddy-Bench test ortamlarını destekler.

İçindekiler#

• Video genel bakışı
• Koşum bileşenleri
• Kurulum
• Kıyaslama testi çalıştırma
• Deneyler
• Web erişimi
• Sonuçlar ve devam ettirme
• Atıf
• Katkıda bulunma
• Lisans
• Yasal uyarı

Koşum Bileşenleri#

Harness², modelin etrafında düzenlenebilir sekiz temel bileşen sunar: sistem istemi (system prompt), güvenlik sınırları (guardrails), bellek (memory), araç rehberliği (tool guidance), alt ajanlar (subagents), yetenekler (skills), betikler (scripts) ve eklentiler (plugins). Bu bileşenler bağlam inşasını, araç arayüzünü, görev devrini ve araç döngüsü içindeki davranışları doğrudan kontrol eder. Yazılım geliştiriciler için en önemli pratik çıkarım şudur: Bir modeli ince ayar (fine-tuning) ile yeniden eğitmek yerine, modelin etrafındaki bu sekiz mimari bileşeni programatik olarak optimize etmek üretim ortamında çok daha hızlı ve düşük maliyetli performans kazanımları sağlar.

Kurulum#

Sistemi çalıştırmak için Linux, Python 3.12 ve uv paket yöneticisi kullanılır. Depo kök dizininden sanal ortam oluşturup bağımlılıkları yükledikten sonra, herhangi bir model kimlik bilgisine ihtiyaç duymayan yerel demoyu deterministik düzenleyicilerle ve gerçek Python yürütmeleriyle çalıştırabilirsiniz. Model destekli kıyaslamalar için Node.js 20+, Google Cloud CLI ve ilgili kıyaslama bağımlılıkları (LAB için Pandoc ve Poppler; WorkBuddy-Bench için Docker) kurulmalı, ardından .env dosyası Vertex AI proje ve model kimlikleriyle yapılandırılmalıdır.

Kıyaslama Testi Çalıştırma#

Örnek senaryoda LAB ortamı kurulur, tek bir görev çalıştırılır ve ardından sonuçlar değerlendirilerek raporlanır. Model destekli çalıştırmalar API maliyetlerine yol açtığından, geliştirme ve öğrenme sürecinde maliyet kontrolü sağlamak adına her zaman küçük bir görev seçimiyle başlanması önerilir.