Microsoft ve Hugging Face, yapay zeka ajanlarının gerçek dünyada nasıl çalıştığını ölçmeye yönelik yeni bir değerlendirme aracı olan ThinkingBox'ı duyurdu. Bu sistem, ajanların sadece ürettiği metinleri değil, aynı zamanda veri tabanında bıraktıkları etkileri ve iş akışlarını analiz ederek daha doğru bir değerlendirme sunar.
ThinkingBox, 507 farklı iş akışında ajanların 20 kez tekrarlı deneyimlerle ne kadar tutarlı çalıştığını ölçer. Bu sayede ajanların sadece bir kez başarılı olup olmamaları değil, her seferinde aynı sonucu verip vermedikleri değerlendirilir. Bu yaklaşım, ajanların doğruluğunun ve güvenilirliğin ölçülmesinde önemli bir adım olarak öne çıkar.
Örneğin, bir müşteriye yardımcı olan yapay zeka ajanı, dört farklı adımda doğru işlemi yapsa da, veri tabanında gerekli değişikliği yapmazsa, aslında görevi tamamlamamış olur. ThinkingBox, bu tür durumları tespit ederek ajanların gerçek performansını ölçer.
ThinkingBox, Hugging Face üzerinden açık kaynak olarak kullanılabilir hale getirildi. Araştırmacılar ve geliştiriciler, bu aracı kendi ajanlarını test etmek ve geliştirmek için kullanabilirler. Bu sayede, yapay zeka ajanlarının sadece metin üretme yeteneği değil, aynı zamanda gerçek iş akışlarını yönetme kapasiteleri daha iyi anlaşılabilecek.
Kaynak: Hugging Face — 04.10.2026
OZMENA yayın sistemi tarafından hazırlanmıştır.
ThinkingBox, 507 farklı iş akışında ajanların 20 kez tekrarlı deneyimlerle ne kadar tutarlı çalıştığını ölçer. Bu sayede ajanların sadece bir kez başarılı olup olmamaları değil, her seferinde aynı sonucu verip vermedikleri değerlendirilir. Bu yaklaşım, ajanların doğruluğunun ve güvenilirliğin ölçülmesinde önemli bir adım olarak öne çıkar.
Örneğin, bir müşteriye yardımcı olan yapay zeka ajanı, dört farklı adımda doğru işlemi yapsa da, veri tabanında gerekli değişikliği yapmazsa, aslında görevi tamamlamamış olur. ThinkingBox, bu tür durumları tespit ederek ajanların gerçek performansını ölçer.
ThinkingBox, Hugging Face üzerinden açık kaynak olarak kullanılabilir hale getirildi. Araştırmacılar ve geliştiriciler, bu aracı kendi ajanlarını test etmek ve geliştirmek için kullanabilirler. Bu sayede, yapay zeka ajanlarının sadece metin üretme yeteneği değil, aynı zamanda gerçek iş akışlarını yönetme kapasiteleri daha iyi anlaşılabilecek.
Kaynak: Hugging Face — 04.10.2026
OZMENA yayın sistemi tarafından hazırlanmıştır.