# TaReD, karmaşık görevlerde araç kullanan yapay zekâyı başarıya taşıyor

> 9 Ekim 2026 tarihli arXiv makalesine göre, araçları dikkate alan yeni özyinelemeli ayrıştırma yöntemi uçtan uca başarı oranını 40 puana kadar artırıyor.

Oossa · 2026-10-09 · https://oossa.com/tr/tared-method-boosts-tool-using-ai-success-on-complex-tasks

Wei-Xiang Mao liderliğindeki araştırmacılar, harici araçlardan yararlanması gereken yapay zekâ ajanları için araçları dikkate alan özyinelemeli ayrıştırma tekniği TaReD’i yayımladı. Yöntem, araçların yeteneklerine göre bir hiyerarşi oluşturuyor ve ajanın araçları yalnızca ihtiyaç duyduğunda keşfetmesini sağlıyor. Gerçek dünyadaki, uzun süreli görevlerle yapılan deneylerde TaReD, genel görev başarısını mevcut temel yöntemlere kıyasla 40 yüzde puanına kadar artırdı. Kod, herkesin deneyebilmesi için GitHub’da paylaşıldı.

## Gerçekler

- Makale 9 Ekim 2026 Cuma günü yayımlandı
- Başarı oranındaki artış 40 yüzde puanına kadar çıkıyor

## Neden önemli

Yapay zekâ asistanı geliştirenler, tüm araç tanımlarını baştan yüklemeden karmaşık iş akışlarında daha güvenilir sonuçlar elde edebilir.

## Kaynaklar ve referanslar

1. [TaReD: Tool-Aware Recursive Decomposition for Long-Horizon Tasks](https://arxiv.org/abs/2610.11268) – arXiv, 2026-10-09

Son güncelleme: 2026-10-09