Yapay zeka alanındaki son gelişmeler, mevcut araştırma ajanlarının önemli bir eksikliğini gün yüzüne çıkardı. Bu sistemler bilgi toplama konusunda oldukça başarılı olsalar da, farklı kaynaklardan elde ettikleri bilgileri birleştirerek karmaşık mantıksal sonuçlar çıkarma konusunda yetersiz kalıyorlar.
Bu problemi çözmek amacıyla geliştirilen WebAggregator sistemi, yapay zeka ajanlarının çalışma paradigmasında köklü bir değişiklik öneriyor. Geleneksel yaklaşımların aksine, bu sistem sadece bilgi aramaya odaklanmak yerine, toplanan bilgileri kompozisyonel bir şekilde birleştirmeye öncelik veriyor.
WebAggregator'ın çalışma prensibi iki ana bileşen üzerine kurulu: Proactive Explorer ve Compositional Logic Proposer. İlk bileşen birbiriyle bağlantılı bilgileri systematik olarak toplarken, ikinci bileşen bu bilgileri 12 farklı kompozisyon kuralı kullanarak karmaşık sorular haline getiriyor.
Sistemin eğitimi için araştırmacılar, 50 bin farklı web sitesinden toplanan verilerle 10 bin doğrulanabilir soru-cevap çifti oluşturdu. Bu kapsamlı veri seti, rejection sampling yöntemiyle yüksek kaliteli bir eğitim materyaline dönüştürüldü.
Bu gelişme, yapay zeka ajanlarının gelecekte daha sofistike araştırma görevlerini yerine getirebilmesi açısından önemli bir kilometre taşı olarak görülüyor. Özellikle bilimsel araştırma, analiz ve karar verme süreçlerinde devrim yaratma potansiyeli taşıyor.