CMAS, simüle edilmiş ajan arama pişmanlığını 0,104’e indirdi

Ali Atiah Alzahrani tarafından hazırlanan ve 23 Ekim'de yayımlanan bir arXiv ön baskısında açıklanan yapay zeka mimari arama yöntemi Conservative Meta-Agent Search, 96 akış genelinde simüle edilmiş pişmanlığı 0,104'e indirdi.

23 Ekim tarihli arXiv cs.AI ön baskısında Alzahrani, CMAS'ın en güçlü uyarlanabilir temel modele ait 0,44'e kıyasla 0,48 ayrılmış fayda sağladığını, dağıtım çıkarım maliyetinin ise yaklaşık %6 daha düşük olduğunu belirtti.

Makale; araçları, çalışanları veya iş akışlarını seçmek için yapay zeka ajanlarını kullanan yazılım yapılandırmaları olan ajantik sistemler için pratik bir sorunu ele alıyor. Alzahrani konuyu, sabit testlerdeki performans yerine değişen koşullar, gecikmeli geri bildirim ve birbirine bağlı bileşen arızaları çerçevesinde değerlendiriyor.

Finansal akışların bir alım-satım iddiası değil, stres testi amacıyla kullanıldığını yazan Alzahrani şunları aktardı: "Finansal akışlar, meta düzeyinde genelleme için riske duyarlı bir test ortamı işlevi görüyor; herhangi bir alfa iddiasında bulunmuyoruz."

CMAS, mevcut sistem tasarımını değiştirmeden önce önerilen tasarımla karşılaştırarak çalışıyor. Yöntem, kayıtlı mimarileri geri çağırıyor, tiplendirilmiş grafik düzenlemeleri öneriyor ve alternatifleri eşleştirilmiş simüle koşullar altında test etmeyi amaçlayan bir prosedür olan eşli yeniden oynatma yoluyla adayları değerlendiriyor.

Ön baskıya göre terfi, varyansı cezalandıran marj ayarlı bir puan, ardından simüle edilmiş bir kanarya aşaması ve geri alma planı gerektiriyor. Kanarya, daha geniş kapsamlı dağıtımdan önceki sınırlı bir denemeyi ifade ediyor; geri alma ise adayın önceden tanımlanmış kontrollerden geçememesi durumunda önceki sisteme dönülmesi anlamına geliyor.

MetaInvest-Bench adlı kıyaslama testi, rejimlerin değiştiği ve çalışan yetkinliğinin belirlendiği, yazar tarafından tasarlanmış bir simülatördür. Makale, bu tasarımın temsili-en uygun bir mimarinin hesaplanmasına olanak tanıdığını ve yönteme karşılaştırma için bir referans noktası sunduğunu belirtiyor.

Bildirilen ana performans ölçütü, hesaplanan bu referansa kıyasla açığı ölçen bir simülatör metriği olan normalize edilmiş ortalama temsili dinamik-kahin pişmanlığıydı. Ön baskıya göre CMAS, bu değeri en güçlü uyarlanabilir temel modele ait 0,116 seviyesinden 0,104'e düşürdü.

Maliyet tablosu karışıktı. Alzahrani, CMAS'ın dağıtımda yaklaşık %6 daha az çıkarım maliyeti kullandığını, ancak karşılaştırılan yöntemler arasında arama dahil en yüksek belirteç maliyetine sahip olduğunu, yani arama sürecinin daha fazla model işleme bütçesi tükettiğini belirtti.

Makale ayrıca, ek çalışanlar değer katmadığında CMAS'ın neredeyse tek ajanlı ekiplere doğru küçüldüğünü bildiriyor. Geliştiriciler için en somut operasyonel iddia bu: Yöntem, yalnızca bileşen eklemek için değil, simülatör bir fayda görmediğinde bunları çıkarmak için de tasarlandı.

Kanıtlar sınırlı kalmayı sürdürüyor. arXiv makalesi bir ön baskıdır ve hakem değerlendirmesinden geçmemiştir; kalibrasyonu ampiriktir ve yazar tarafından tasarlanan bir kıyaslama testindeki güncelleme düzeyinde yeniden oynatma istatistiğine bağlıdır.

Alzahrani ayrıca sonuçların daha iyi bir tam faydayı garanti etmediği, simüle edilen kanarya aşamasında zararı önlemediği veya dizi düzeyinde hata kontrolü sağlamadığı konusunda uyardı. Güncelleme başına bildirilen hatalı terfi oranı, nominal %5'lik hedefe karşı %3,4 ve mühürlü bir yeniden çalıştırmada %4,8 oldu.

arXiv kaydına göre 22 Ekim'de sunulan makale 24 sayfadan oluşuyor ve Yapay Zeka, Makine Öğrenimi ile Çoklu Ajan Sistemleri altında sınıflandırılıyor.

Kaynak: ön baskı, arXiv cs.AI, 23 Ekim 2026