عوامل هوشمند OpenAI در حال فرار هستند!
OpenAI و عوامل هوشمندی که از کنترل خارج شدند!
گوگل فریمورک Harness² را متنباز کرد! گوگل ابزاری به نام Harness² را معرفی کرده که میتواند بدون تغییر مدل هوش مصنوعی، عملکرد ایجنتها را بهتر کند. اما چطور؟ با تغییر دادن چیزهایی که اطراف مدل قرار دارند!
هارنس چیست؟
وقتی یک ایجنت هوش مصنوعی میسازید، فقط خود مدل مهم نیست. دستورهایی که به آن میدهید، ابزارهایی که در اختیارش میگذارید، حافظه و روش انجام کارهایش هم روی نتیجه تأثیر دارند. به مجموعه این بخشها «هارنس» میگویند.
Harness² همین بخشها را بررسی میکند و سعی میکند با تغییر و آزمایش آنها، ایجنت را بهتر کند؛ بدون اینکه مدل اصلی را دوباره آموزش دهد.
چطور کار میکند؟
این ابزار ابتدا عملکرد ایجنت را بررسی میکند، سپس چند تغییر پیشنهادی را آزمایش میکند و فقط تغییراتی را نگه میدارد که واقعاً نتیجه بهتری ایجاد کردهاند.
همچنین تجربههای قبلی را ذخیره میکند تا در انجام کارهای بعدی بهتر عمل کند. نکته جالب اینکه برای این کار به دادههای برچسبگذاریشده نیاز ندارد.
نتایج چه میگویند؟
در یکی از آزمایشها، امتیاز مدل GLM-5 در بنچمارک WorkBuddy-Bench از ۶۴.۲ به ۷۵.۷ رسید؛ یعنی ۱۱.۵ امتیاز افزایش، بدون تغییر مدل پایه.
البته میزان بهبود در همه آزمایشها یکسان نبوده است.
چرا این خبر مهم است؟
چون نشان میدهد برای ساخت ایجنتهای بهتر، همیشه لازم نیست سراغ مدلهای بزرگتر و گرانتر برویم. گاهی با طراحی بهتر دستورها، ابزارها و حافظه ایجنت هم میتوان نتایج بهتری گرفت.
کد Harness² با مجوز رایگان و متنباز Apache-2.0 منتشر شده است. البته اجرای آن ممکن است به منابع محاسباتی بیشتری نیاز داشته باشد.
نتیجه: شاید بهجای اینکه فقط به دنبال مدل هوشمندتر باشیم، باید یاد بگیریم محیط بهتری برای کار کردن مدل بسازیم.
#هوش_مصنوعی #هوش_مصنوعی_عاملی #AgenticAI #Google #OpenSource
#آموزش_هوش_مصنوعی #آموزش_برنامه_نویسی #آموزش_هوش_مصنوعی_عاملی #برنامه_نویسی
#پایتون #گوگل #آموزش_پایتون
لینک منبع: https://www.marktechpost.com/2026/10/18/google-harness2-recursive-agent-harnessing-framework/
OpenAI و عوامل هوشمندی که از کنترل خارج شدند!
متا با سیاست های تجاری جدید، عملا مسئولیتی در برابر اشتباهات هوش مصنوعی ها ندارد!