İçindekiler
Yapay zeka ajanları uzun görevlerde sık sık yoldan çıkıyor: başarısız bir yaklaşımda hesaplama bütçesini tüketiyor ya da doğru çözümü bulmuşken erken duruyor. Meta Superintelligence Labs araştırmacıları bu soruna agentic meta-reasoning adını verdikleri bir çerçeveyle yanıt veriyor: ajana, ne yapacağını düşündüğü ayrı bir muhakeme akışı eklemek.
Sorun: metakognitif kontrol
Araştırmacılar bu zorluğu metakognitif kontrol olarak adlandırıyor: kendi ilerlemesini değerlendirip buna göre sıradaki adımı seçmek. Bir kodlama ajanı temel işlevi yazıp testleri geçtiğinde şu kararı vermesi gerekir: kalan hataları mı inceleyecek, kodu mu baştan yazacak, yoksa durup elindeki sonucu mu teslim edecek? Her seçenek kaynak tüketiyor ve kötü bir karar, çalışan bir çözümü bozabiliyor.
Bugünkü ajanlar bu kararları görev yürütmeyle iç içe veriyor; görev uzadıkça ilgili bilgi geçmiş denemeler, araç çıktıları ve hatalar arasında kayboluyor. Birden fazla aday üretmek veya eleştiri-düzeltme döngüleri gibi klasik yöntemler ise hesaplama yapısını baştan sabitliyor: hangi hesaplamanın değerli olacağı, problem görülmeden belirlenmiş oluyor.
Nasıl çalışıyor?
Çerçeve iki bileşeni ayırıyor: işi yapan worker'lar ve sıradaki işe karar veren bir controller. Worker'lar tek bir model çağrısı ya da dosya inceleyip kod değiştirip test çalıştıran kodlama ajanları olabiliyor. Controller ise sonuçları inceleyip dört aşamalı bir döngü izliyor:
- Değerlendir: yeni sonuçları okuyup görevin durumunu günceller
- Öner: olası sonraki adımları üretir, bütçeyi henüz hesaba katmaz
- Ölç: adayları eldeki hesaplama bütçesine göre tartar
- Dağıt: worker'lara yönlendirir ya da durup mevcut sonucu teslim eder
Her aşama kendi model çağrılarını yapabiliyor. Mimarinin kilit parçası kalıcı artefakt belleği: worker çıktıları ve controller notları kimlikli artefaktlar olarak saklanıyor, controller yalnızca gerektiğinde ayrıntıya iniyor. Bu artefaktlar aynı zamanda bir hesaplama grafiği kuruyor; bir test raporunun hangi onarımı tetiklediği ve onarımın hangi worker tarafından doğrulandığı izlenebiliyor.
Sonuçlar
Araştırmacılar çerçeveyi dört benchmark'ta test etti: matematiksel ispatlar için IMO ProofBench-Advanced, soyut görsel akıl yürütme için ARC-AGI-2, uzun ufuklu akıl yürütme için LongCoT-mini ve program yeniden inşası için ProgramBench. Gemini 3.1 Pro, GPT-5.5 ve Opus 4.8 ile yapılan testlerde meta-muhakeme, en büyük bütçelerde 12 eşleşmiş karşılaştırmanın tamamında daha yüksek puan aldı. En çarpıcı sonuç bütçenin kullanımıyla ilgili: ProgramBench'te izin verilen çağrı sayısı 400'den 1.200'e çıkarıldığında GPT-5.5 ile meta-muhakeme %64,1'den %71,5'e yükselirken tek adımlı kontrol yaklaşık %64'te kaldı ve çağrılarının yalnızca %18'ini kullandı. Aynı karşılaştırmada Codex %58,0 düzeyinde kalıyor.
Geliştiriciler için pratik dersler
Makale hazır kurulabilir bir kütüphane sunmasa da ProgramBench uygulamasından çıkarılabilecek dersler içeriyor. Worker'lar değişikliklerini Git'e işliyor; controller depoyu salt okunur bir arayüzden inceleyerek onların iddialarını doğruluyor. Controller'ın sürekli güncellenen değerlendirmesi işlevselliği dört gruba ayırıyor: tamamlanmış, bozuk, doğrulanmamış ve hiç denenmemiş. Paylaşılan çalışma alanında birden fazla worker'ın aynı dosyayı ezmesini önlemek için paralel kod değişiklikleri kısıtlanıyor. Bu ayrıntılar, mevcut ajan sistemlerine ayrı bir kontrol döngüsü ve kalıcı ara kayıt eklemek isteyen ekipler için somut bir yol haritası sunuyor.
Sınırlar ve kurumsal anlamı
Yaklaşım bedava değil: kontrol döngüsü ek model çağrıları ve gecikme getiriyor; küçük bütçelerde meta-muhakeme geçici olarak tek adımlı kontrolden daha kötü performans gösterebiliyor. Araştırmacılar hazır kurulabilir bir uygulama paylaşmadı, ancak makale controller istemlerini, worker talimatlarını, bellek arayüzlerini ve araçları ayrıntılı biçimde tanımlıyor. Şirketler için çıkarım net: ajanları değerlendirirken yalnızca sonuç değil, hesaplamayı yönetme yeteneği de ölçülmeli.