Bir otonom ajantın gerçek testi, kaç eylemi tamamlayabildiği değil, biri başarısız olduğunda ne olduğunu gösterir. @TheARCTERMINAL, Ethereum üzerinde 27 farklı eylem türüne sahip beş otonom ajant çalıştırdığını ve zincir üstü çözümlerle merkezi bir kontrolcü olmadan işlem yaptığını söylüyor. 27 eylem ilginç. Ancak başarısızlık yolu daha ilginç. Ajant, hatayı algılayabiliyor mu? Güvenli bir şekilde yeniden deneyebiliyor mu? Bir kötü adımın kaskat etkisi oluşmadan durabiliyor mu? Başka bir ajant, hatayı miras almadan devam edebiliyor mu? Kayıt, başarısızlığı sonrasında açıkça gösteriyor mu? Otonomluk, her şey çalıştığında etkileyici görünür. Güvenilirlik, çalışmadığında ortaya çıkar. Bu yüzden otonom ajantların performans testlerinde yalnızca başarılı yürütme değil, kurtarma kalitesini de görmek isterim. AI ajantları, sohbet arayüzlerinden dış durumu değiştiren sistemlere doğru ilerliyor. Bu noktada, zararlı olmayan hata yönetimi bir yetenek haline gelir. Eğer bir otonom ajant değerlendiriyorsanız, başarı oranı mı yoksa kurtarma davranışımı daha çok önemserdiniz?