---
title: "Uzun Ufuklu Terminal Zekası İçin Ajan Verilerini Ölçeklendirme"
url: https://blog.edumints.com/uzun-ufuklu-terminal-zekasi-icin-ajan-verilerini-olceklendirme
category: "AI Araçları"
date: 2026-10-13T15:21:30.947Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hugging Face Papers"
source_url: https://huggingface.co/papers/2610.13166
---

# Uzun Ufuklu Terminal Zekası İçin Ajan Verilerini Ölçeklendirme

Terminal ajanları, yerel komut satırı işlemlerinin ötesine geçerek gerçek dünya standartlarındaki profesyonel görevleri baştan sona tamamlamaya doğru evrilmektedir. Kısa yörüngeli (short-trajectory) modeller tekil komutları veya araç çağrılarını başarılı şekilde çalıştırabilse de, otonom sistemlerin gerçek problem çözme kabiliyetini tam olarak yansıtamaz. Bu kısa süreçler; ajanların keşif yaparak kanıt toplamasını, edindiği verilerle doğru kararlar almasını, geri bildirimlere göre stratejilerini sürekli güncellemesini ve ara çıktıları eksiksiz teslimatlara dönüştürmesini yeterince modelleyemez. Uzun ufuklu (long-horizon) yörüngeler ise bu kritik davranış kalıplarını tek bir süreçte birleştirerek sürdürülebilir otonomi için zengin bir deneyim sunar.

## Ortam Sentezleme Darboğazı ve TerminalHorizon

Sentetik veri üretimindeki en temel engel, yapay görev ortamlarının çözülmesi gereken kritik işleri önceden tamamlaması veya aşırı basitleştirmesidir. Bu sadeleştirme, ajanın bizzat gerçekleştirmesi gereken keşif, geliştirme ve doğrulama ihtiyacını ortadan kaldırır. Bu sorunu çözmek amacıyla, uzun ufuklu terminal ajanları için tam otomatik bir veri sentezleme motoru olan **TerminalHorizon** geliştirilmiştir.

Sistemin temel işleyişi ve metodolojisi şu adımlardan oluşur:
- **Eksik İşlerin Tespiti ve Ortamın Yeniden İnşası:** Gerçek dünya profesyonel işlerinden yola çıkarak bağımsız çalıştırma testleri yapar, inşa sürecinde atlanan kilit işleri saptar ve elde edilen kanıtlarla ortamı yeniden kurar.
- **Aşamalı Görev Genişletme:** Davranış kalıplarını aşamalar arasına yaymak için aynı hedef altında görevleri kademeli olarak genişletir; önceki sonuçlar üzerine yeni gereksinimler ekleyerek ajanı sürekli keşfe teşvik eder.
- **Model Eğitimi (TerminalHorizon-27B):** Motor aracılığıyla 1.500 adet görev ortamı inşa edilmiş ve Qwen3.5-27B modeli üzerinde denetimli ince ayar (SFT) yapılarak **TerminalHorizon-27B** elde edilmiştir.

## Başarım ve 12 Saatlik Araştırma Yeteneği

Elde edilen model; kodlama ajanları, gerçek üretim ortamlarındaki ajan görevleri ve genel akıl yürütme alanlarındaki 12 farklı test kıyaslamasının tamamında belirgin performans artışı sağlamıştır. Ayrıca her biri 12 saatlik araştırma bütçesine sahip çoklu RSI vaka analizleri, modelin yalnızca ilk çözüme bağlı kalmadığını, deney yapmayı sürdürdüğünü, geri bildirimlerle metotlarını optimize ettiğini ve elde ettiği somut kazanımları nihai teslimatına başarıyla yansıttığını kanıtlamaktadır.

## Yazılım Geliştiriciler İçin Pratik Çıkarımlar

Yazılım mühendisleri ve yapay zeka uygulayıcıları için bu çalışma şu dersleri sunmaktadır:
- **Aşırı Soyutlamadan Kaçının:** Ajanların test ortamlarını steril hale getirmeyin; gerçek log inceleme, hata ayıklama ve komut satırı keşfi yetenekleri ancak gerçekçi terminal ortamlarında gelişir.
- **Kümülatif Görev Mimarisi Tasarlayın:** Ajanları tek seferlik çıktılar yerine, önceki adımların çıktılarını girdi olarak kabul edip doğrulayan ardışık görev boru hatlarıyla eğitin.
- **Sürekli Geri Bildirim Döngüsü Kurun:** Başarılı terminal ajanları sadece komut üreten değil, hata aldığında strateji değiştirip sonuca ulaşana kadar döngüyü sürdüren sistemlerdir.

[](https://huggingface.co/papers/2610.13166)

---

Bu konuyu derinlemesine öğrenmek isterseniz: [Tool Calling ve Multi-Step Agent'lar](https://edumints.com/kesfet/nextjs-ve-vercel-ai-sdk-ile-production-ai-uygulama-21y7) modülüne göz atın.

---

**Kaynak:** Hugging Face Papers (https://huggingface.co/papers/2610.13166)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/uzun-ufuklu-terminal-zekasi-icin-ajan-verilerini-olceklendirme