Meta, Yapay Zeka Ajanlarının Hafıza Sorununu İkinci Bir Ajanla Çözüyor
Yapay zeka ajanları, karmaşık ve uzun süreli görevleri yerine getirirken sık sık kısıtlamaları unutuyor, başarısız olan komutları tekrar deniyor veya daha önce teşhis ettikleri hataları gözden kaçırıyor. Meta yapay zeka araştırmacıları, bu durumu 'davranışsal durum bozulması' olarak tanımlıyor. Ajanın karar verme mekanizmasını yönlendiren bilgiler, uzayan görev geçmişi içinde kayboluyor veya bağlam penceresinin dışına çıkıyor. Basitçe daha uzun geçmiş verisi sağlamak ise bu sorunu çözmeye yetmiyor.
Araştırmacıların geliştirdiği sistem, ana görevi yürüten bir 'aksiyon ajanı' ile onu denetleyen ayrı bir 'hafıza ajanı'nı bir araya getiriyor. Hafıza ajanı, belirli aralıklarla son adımları gözden geçirerek yapılandırılmış bir hafıza bankasını güncelliyor. Ardından, bir hatırlatmanın gerekli olup olmadığına karar veriyor. Bu modül, mevcut ajanlarla tak-çalıştır prensibiyle uyumlu çalışabiliyor.
Sistemde kullanılan hafıza bankası üç ana bölümden oluşuyor. Özel durum alanı, ilerlemeyi ve riskleri takip ederek aksiyon ajanına gösterilmiyor. Bilgi hafızası, gereksinimler ve yapılandırmalar gibi sabit gerçekleri saklıyor. Prosedürel hafıza ise denenen yollar, hatalı komutlar ve başarılı düzeltmeler gibi görev geçmişini kaydediyor. Ajan, bu bankayı serbestçe değiştirmek yerine, önceden tanımlanmış araç çağrıları aracılığıyla güncelliyor.
Sistem, komut satırı ortamlarını test eden Terminal-Bench 2.0 ve ticari araç kullanımını ölçen tau2-Bench üzerinde denendi. Claude Sonnet 4.5 ile yapılan testlerde, Terminal-Bench başarı oranı yüzde 38'den yüzde 46'ya çıktı. Araştırmacılar, sistemin sadece zayıf modelleri desteklemekle kalmadığını, daha güçlü modellerde de verimliliği artırdığını belirtti. Ayrıca, sürekli hatırlatma yapmak yerine sadece gerektiğinde müdahale eden seçici yaklaşımın, sabit hatırlatma kurallarından daha başarılı olduğu gözlemlendi.
