Qwen Meetup Korea'da konuşmacı olarak davet edilip sunduğum içeriktir.
Özyinelemeli union tiplerinde function calling'i kararlı şekilde çalıştırmanın yolu. qwen3-coder-next için ilk deneme başarı oranı %6,75'ti; Qwen 3.5'in tüm model ailesinde ise double-stringify hatası nedeniyle bu oran %0'dı, ancak harness mühendisliğiyle %100'e ulaşıldı.
- AutoBe: LLM, AST yapısını function calling ile doldurursa derleyici kodu üretir. 4 aşamalı derleyici doğrulaması + kendi kendini onarma döngüsü.
- Typia: Tek bir TypeScript tipinden JSON Schema, parser, doğrulayıcı ve geri bildirim üreticisini derleme zamanında otomatik üretir. Bozuk JSON'u kurtarma, tip zorlaması ve şema ihlali geri bildirimi dahil olmak üzere tümünü işler.
- Kısıtlar, yasaklarla değil yokluk üzerinden şemaya işlenir → modelden bağımsız, deterministik yakınsama
- Model ne kadar küçükse sistem zafiyetlerini o kadar iyi ortaya çıkarır → QA için avantajlı
Bu desen yazılımla sınırlı değil. Deterministik bir doğrulayıcının bulunduğu her mühendislik alanında aynı şekilde uygulanabilir. Yapay zeka çıktısı yanlış olsa bile doğrulayıcı hatanın nerede ve neden olduğunu tam olarak gösterebiliyorsa, döngü yakınsar. Böylece olasılıksal modeller, deterministik doğruluğun gerektiği alanlarda pratik biçimde kullanılabilir hale gelir.
1 yorum
Bu benim de düşündüğüm bir fikirdi, çok güzel hayata geçirmişsiniz! Sonuçların da iyi çıkmasını tebrik ederim.