Πρόσφατη έρευνα της Nvidia αποκαλύπτει ότι το λογισμικό περιτύλιξης (harness), δηλαδή τα εργαλεία, η διαχείριση μνήμης και οι κανόνες γύρω από ένα μοντέλο τεχνητής νοημοσύνης, παίζει καθοριστικότερο ρόλο από το ίδιο το μοντέλο στις σύνθετες και μακροχρόνιες εργασίες.
Χρησιμοποιώντας ένα ειδικά διαμορφωμένο σύστημα με μηχανισμό επίβλεψης, ερευνητές κατάφεραν να φέρουν το μοντέλο Claude Opus 5 σε απόλυτη επιτυχία 100% στο γνωστό διαδραστικό τεστ συλλογιστικής ARC-AGI-3, την ώρα που χωρίς το συγκεκριμένο περιτύλιγμα το ίδιο μοντέλο περιοριζόταν στο 30%.
Τα ευρήματα αυτά υπογραμμίζουν ότι η βελτιστοποίηση των εξωτερικών μηχανισμών και η χρήση ανοιχτών αρχιτεκτονικών προσφέρουν στους χρήστες μεγαλύτερο έλεγχο, ακρίβεια και οικονομία, αλλάζοντας τα δεδομένα στον τομέα των αυτόνομων πρακτόρων.
- Το λογισμικό περιτύλιξης (harness) κρίνει την επιτυχία των AI πρακτόρων
- Το Claude Opus 5 πέτυχε 100% στο ARC-AGI-3 με εξειδικευμένο harness
- Η προσθήκη μηχανισμού επίβλεψης αποτρέπει τα λάθη σε πολύπλοκες εργασίες
- Τα ανοιχτά συστήματα προσφέρουν μεγαλύτερο έλεγχο και αποδοτικότητα
Πηγές:
