Bu çalışma, dil ajanlarında Model Context Protocol (MCP) ve komut satırı arayüzlerinin (CLI) aynı işlevselliği sunmasına rağmen farklı davranışlar ürettiğini gösterir. MICA çerçevesi, eşleştirilmiş yeteneklerle bu farkları ölçer. DART yöntemi, arayüz kaynaklı hataları onararak performans ve maliyet avantajı sağlar.
IQuest-Q1, 320B toplam ve 15B aktif parametreye sahip seyrek MoE mimarili bir ajan temel modelidir. Stable SplitNorm, Muon ve muP tekniklerini kullanan üç aşamalı eğitim süreciyle geliştirilmiştir. Model, kodlama ve genel görevlerde yetkinlik gösterir ve topluluk araştırması için açık kaynak olarak yayımlanmıştır.
TokenEconomizer, kodlama ajanlarının gerçek dünya projelerindeki tekrarlayan token maliyetlerini azaltmak için tasarlanmış dış bir denetleyicidir. Operasyonel mikro becerileri enjekte ederek, alakasız araçları ayıklayıp başarısızlık döngülerini keser. Bu siyah kutu yaklaşım, ajanların iç yapısını değiştirmeden maliyet verimliliğini artırır.
arXiv1 dk okuma
1–3 / 3 yayın
Nasıl hazırlıyoruz?
Kaynağı belli. Sınırları açık.
Resmî duyuruları, araştırma makalelerini ve açık kaynak projelerinin sürüm notlarını yapay zekâ ile Türkçe özetliyoruz. Her haberde kaynak bağlantılarına, kullanım alanlarına ve açıklanmayan noktalara yer veriyoruz.
Doğrudan kaynak
Araştırma makalesine, model duyurusuna veya projenin deposuna haberden ulaşabilirsiniz.
Bulgular ve yorumlar
Kaynakta açıklanan sonuçları, olası kullanım alanları ve bilinmeyenlerden ayrı sunuyoruz.
Görsellerin kaynağı
Görsel ve videoların kaynağını belirtiyoruz. Konuyu anlatmak için kullanılan illüstrasyonları da işaretliyoruz.
Araştırma kaynakları
Makaleleri kendiniz keşfedin.
Yeni çalışmalar bulabileceğiniz dizinler ve araştırma laboratuvarları. Bir görsel özet ilginizi çekerse sonuçları özgün makaleden okuyun.