# Yapay zekâ ajanlarına müdahale için yeni yöntem

> Araştırmacılar, dil modeliyle çalışan bir ajana ne zaman müdahalenin yarar sağlayacağını tahmin eden VoS’yi tanıttı. Yöntem, performansı yaklaşık 8 puan artırıyor.

Oossa · 2026-10-08 · https://oossa.com/tr/new-method-lets-ai-agents-be-steered-using-learned-value-of-intervention

Hanwen Li ve çalışma arkadaşları, bir büyük dil modeli (LLM) tabanlı ajanın hangi adımda düzeltilmesi gerektiğini belirlemek için karşıolgusal çalıştırmalardan oluşan geniş bir tablodan öğrenen VoS’yi (Yönlendirmenin Değeri) tanıtan makalelerini 8 Ekim 2026’da yayımladı. VoS çevrimdışı ya da çevrimiçi çalışabiliyor ve başarılı çalıştırmaları bölmemek için bir zarar bütçesi tetikleyicisi kullanıyor. VoS, 12 kıyaslama testi-ajans kombinasyonunda puanları ortalama 7,8 puan yükseltti ve 11 durumda belirsizlik temelli mevcut beş tetikleyiciyi geride bıraktı.

## Gerçekler

- VoS, değiştirilmemiş çalıştırmaya kıyasla ortalama performansı 7,8 puan artırıyor.
- Çalışmada 1.864 izlek ve yaklaşık 82.000 karşıolgusal devam değerlendirildi.

## Neden önemli

Yapay zekâ asistanı geliştiricileri için VoS, aşırı manuel denetime gerek kalmadan güvenilirliği artırmak üzere yalnızca yarar sağlama olasılığı yüksek olduğunda müdahale etmenin pratik bir yolunu sunuyor.

## Kaynaklar ve referanslar

1. [From Uncertainty to Action: Learning to Steer LLM Agents](https://arxiv.org/abs/2610.09115) – arXiv, 2026-10-08
2. [When the Governor Becomes the Disturbance: Control-Generated Disturbance and Cost-Aware Backoff in Governed Tool-Using Agents](https://arxiv.org/abs/2610.09037) – arXiv cs.MA, 2026-10-08

Son güncelleme: 2026-10-08