---
title: "TRACE: Verimli GUI Ajanları İçin Kanıt Sıralamalı ve Yörüngeye Dayanıklı Kabul Çerçevesi"
url: https://blog.edumints.com/trace-verimli-gui-ajanlari-icin-kanit-siralamali-ve-yorungey-ehj80fe9
category: "Makine Öğrenmesi"
date: 2026-09-14T15:11:26.416Z
publisher: Edumints Blog
lang: tr-TR
source_name: "hfpapers"
source_url: https://huggingface.co/papers/2609.10297
---

# TRACE: Verimli GUI Ajanları İçin Kanıt Sıralamalı ve Yörüngeye Dayanıklı Kabul Çerçevesi

## Giriş ve Problem: Görsel Ajanlarda Bellek Patlaması ve KV Önbellek Çıkmazı

Grafiksel Kullanıcı Arayüzü (**GUI**) ajanları, görev adımlarını yürüttükçe arka arkaya yüksek çözünürlüklü ekran görüntüleri biriktirir. Çok adımlı bu yörüngeler (**trajectories**), modelin bağlam penceresini tüketerek hem çıkarım gecikmesini (**inference latency**) hem de GPU bellek kullanımını katlanarak artırır. Eğitim gerektirmeyen görsel token budama teknikleri maliyeti düşürmek için önerilse de, modern mimarilerde kritik bir kısıt ortaya çıkar: **Önbellek (KV Cache) yeniden kullanımı**.

Görsel token'lar bir kez elenip bağlamdan çıkarıldığında, ilgili görsel kanıtlar yeniden kodlama (**re-encoding**) yapılmadan geri getirilemez. Bu nedenle budama işlemi, geri dönüşü olmayan bir "kabul kararı" (**admission decision**) haline gelir. Bir ajanın, dar bütçeler altında çalışırken hem gelecekteki bilinmeyen adımlar için faydalı kanıtları saklaması hem de ekrandaki tıklanabilir veya işlem yapılabilir alanların uzamsal kapsamını koruması gerekir.

## TRACE: Yörüngeye Dayanıklı ve Kapsam Duyarlı Mimari

Bu darboğazı çözmek amacıyla, eğitim gerektirmeyen **TRACE** (*Trajectory-robust Admission and Coverage-aware Evidence ordering*) çerçevesi önerilmektedir. Çözüm, birbiriyle bütünleşik çalışan şu temel adımlardan oluşur:

- **Çok Kriterli Kanıt Sıralaması:** Sorgudan bağımsız arayüz düzeni öncülü (**layout-derived interaction prior**), kullanıcı talimatıyla ilgi düzeyi ve öznitelik yeniliği birleştirilir. Görsel kanıtlar hem gelecekteki potansiyel işlevselliğe hem de çeşitliliğe göre önceliklendirilir.
- **Uzamsal Kapsam Rezervasyonu:** Token bütçesinin belirli bir payı ekranın geneline dağıtılmış yerel görsel token'lara ayrılır; böylece hiyerarşik sıralama bozulmadan eksik uzamsal kapsam onarılır.
- **İç İçe (Nested) Token Sıralaması:** Bu mekanizmalar bir araya gelerek iç içe bir token düzeni oluşturur. Elde tutulan görsel kanıtlar farklı bütçeler arasında monoton biçimde küçülürken, yörünge boyunca yeniden kullanılabilir kalır.
- **Monoton KV Önbellek Daraltması:** Süresi dolan eski kareler (**retired frames**) aşamalı olarak kompakt bir oturum durumuna daraltılır. Böylece tekrarlayan görsel kodlama veya her adımda yeniden budama yapma zorunluluğu ortadan kalkar.

## Yazılım Geliştirme ve Öğrenme Açısından Pratik Çıkarımlar

Altı farklı GUI kıyaslama testinde ve çeşitli modellerde başarısı kanıtlanan bu yaklaşım, üretim ortamında otonom ajan geliştirenler için değerli dersler barındırır:

- **KV Cache Dostu Optimizasyon:** Gerçek dünya ajan mimarilerinde yalnızca anlık token tasarrufuna değil, önbelleğin korunmasına ve mükerrer görsel kodlamanın önlenmesine odaklanılmalıdır.
- **Geri Alınamaz Kararları Hiyerarşik Yönetmek:** Bilgi kaybını önlemek adına katı eşik değerleri yerine, gelecekteki olası görev adımlarını ve uzamsal düzeni gözeten iç içe sıralama yapıları kurulmalıdır.
- **Eğitim Gerektirmeyen Çözümler:** Model ağırlıklarına dokunmadan (training-free), sadece çıkarım aşamasında token filtreleme ve KV daraltma teknikleri uygulayarak latency ve GPU maliyeti radikal biçimde düşürülebilir.

[[Orijinal kaynağa buradan ulaşabilirsiniz.](https://huggingface.co/papers/2609.10297)](https://huggingface.co/papers/2609.10297)

---

Bu konuyu derinlemesine öğrenmek isterseniz: [Ölçeklendirme ve Optimizasyon](https://edumints.com/kesfet/embedding-ve-reranking-modelleri-productionda-depl-blu6) modülüne göz atın.

---

**Kaynak:** [hfpapers](https://huggingface.co/papers/2609.10297)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/trace-verimli-gui-ajanlari-icin-kanit-siralamali-ve-yorungey-ehj80fe9