Araştırmacılar, her soru için en uygun yapay zekâ ajanı bileşimini otomatik olarak oluşturan SHIFT sistemini anlatan makaleyi 6 Ekim 2026'da yayımladı. SHIFT, çalışma anında çok sayıda düzeneği denemek yerine küçük bir dil modelini en iyi sonucu verecek tasarımı tahmin etmesi için eğitiyor, ardından ajanları bir araya getirmek için Monte Carlo ağaç aramasından yararlanıyor. Yöntem; matematik problemlerinden belge işlemlerine ve genel asistan görevlerine uzanan altı kıyaslama testinde toplam 9.193 görev üzerinde denendi.
SHIFT nasıl performans gösteriyor?
Yürütme motoru olarak Gemini 3.5 Flash kullanıldığında SHIFT, ortalama yaklaşık %80 doğruluk elde ederek sade istemleri, istem optimizasyonu yöntemlerini ve başka iş akışı aramalarını içeren 17 rakip yöntemi geride bıraktı. En güçlü rakibin sonucu 7,2 yüzde puan daha düşüktü. SHIFT'in daha düşük maliyetli bir yapılandırması da tüm temel yöntemlerden daha iyi performans gösterirken %32 daha az belirteç kullandı; bu da daha az hesaplama gücü gerektirdiği anlamına geliyor.
Birleşik tasarım neden önemli?
Yazarlar; iletişim yapısını, talimatları ve araçları birlikte seçmenin, bunlardan herhangi birini tek başına seçmekten daha iyi sonuç verdiğini gösteriyor. Birleşik seçim, yalnızca talimatları ya da yalnızca araçları kullanmaya kıyasla sonuçları 9,1 puana kadar iyileştirdi. Öğrenilmiş değer fonksiyonu da aday havuzundan daha isabetli ve daha düşük maliyetli düzeneklerin seçilmesine yardımcı oldu.
Neden önemli
Yapay zekâ asistanları geliştirenler için SHIFT, her yeni isteğe özel ajan düzeneklerini elle kurmaya gerek kalmadan daha yüksek performans vadediyor. Ayrıca hesaplama maliyetini azaltarak bulut giderlerini düşürebilir ve daha gelişmiş çok ajanlı hizmetleri son kullanıcılar için daha erişilebilir hâle getirebilir.
