Sistem, yapay zekanın tek seferlik ve yönetilmesi zor kodlar yazması yerine, adım adım görsel verimlilik sunan iş akışları oluşturmasına odaklanıyor.
Veri Mühendisliğinde Yüksek Başarı Oranı
Araştırmacıların paylaştığı verilere göre platform, 12 farklı görevden oluşan bir veri mühendisliği kıyaslama testinde yüzde 93,3 oranında uçtan uca başarı sağladı. Standart Claude Code ile kıyaslandığında ise API maliyetlerini yüzde 72,5 oranında azalttığı ve yanıt gecikmesini yüzde 49,9 oranında düşürdüğü belirtildi.
NL2Pipeline Boşluğu ve Çözümü
Yapay zeka ajanları basit Python betikleri yazmada başarılı olsa da, üretim ortamındaki gerçek veri şemalarına ve yüklü operatörlere uyum sağlamakta sorun yaşıyor. Araştırmacılar, doğal dilde ifade edilen gereksinimler ile üretim ortamının ihtiyaç duyduğu yapılandırılmış varlıklar arasındaki bu kopukluğu 'NL2Pipeline boşluğu' olarak tanımlıyor. Yapılan deneylerde, serbest kod yazımında yüzde 94,2 olan başarı oranının, yerel iş akışı grafiği oluşturma zorunluluğu getirildiğinde yüzde 83,3'e düştüğü gözlemlendi.
Yorumlar (0)
Henüz yorum yok. İlk yorumu siz yazın.