سرچ سسٹم کو سکھانے کا سب سے مشکل کام تھک جانا ہے۔ زیادہ تر AI ایجنٹس، جب معلومات تلاش کرنے کا کام دیا جاتا ہے، تو ٹوکن لِمٹ یا ٹائم آؤٹ تک مسلسل مزید معلومات جمع کرتے رہتے ہیں۔ ڈیٹا برکس نے ایک ایسا ایجنٹ تربیت دیا جو اس وقت رک جاتا ہے جب وہ حقیقت میں مکمل ہو جائے۔
نتیجہ KARL ہے، جو تقویتی سیکھنے پر مبنی ایک ریٹریول-آگمنٹڈ جنریشن ایجینٹ ہے جو Claude Opus 4.6 کی کارکردگی کے مطابق ہے جبکہ اس کی لاگت 33% کم اور لیٹنسی 47% کم ہے۔
ایجینٹ کو روکنا سکھانا
کارل کے پیچھے بنیادی خیال یہ ہے کہ تلاش کی ناکارگی عام طور پر وقت کا مسئلہ ہوتی ہے۔ روایتی RAG سسٹمز اپنی ضرورت سے زیادہ معلومات حاصل کرتے ہیں، زائد معلومات کو پروسیس کرتے ہیں، اور اس کے لیے کمپیوٹنگ طاقت ضائع کرتے ہیں۔ کارل تقویت سیکھنے کا استعمال کرتا ہے تاکہ یہ پہچان سکے جب مزید تلاش کی قیمت میں کوئی اضافی فائدہ نہ ہو، اور پھر ڈیفالٹ طور پر جاری رکھنے کے بجائے تلاش روک دے۔
ڈیٹابرکس اسے کنٹیکس کمپریشن کے ساتھ جوڑتا ہے، ایک ٹیکنیک جو ایجینٹ کو پہلے حاصل کردہ معلومات کو مختصر کرنے اور فیصلہ کرنے کی اجازت دیتی ہے کہ کیا مزید حاصل کرنا ہے۔
ایجینٹ برکس کیا اضافہ کرتا ہے
کارل ایک بڑے فریم ورک کے اندر شامل ہے جسے ڈیٹا برکس نے ایجینٹ برکس کے نام سے ستمبر 2026 میں لانچ کیا، جو خود کو آپٹیمائز کرنے والے، ڈومین خاص ایجینٹس بنانے کے لیے ایک پلیٹ فارم ہے۔ اس کا بنیادی خیال یہ ہے کہ کاروباری اداروں کو اپنے ہر متعین کردہ ماڈل کو ہاتھ سے ٹیون کرنے کی ضرورت نہیں ہونی چاہیے۔ ایجینٹ برکس یہ آپٹیمائزیشن خود کر دیتا ہے، اور ایجینٹ کے رویے کو عام زبان میں تعریف کردہ خاص کاموں کے مطابق تبدیل کر دیتا ہے۔
لانچ کے بعد، پلیٹ فارم پر 100,000 سے زائد ایجنسٹس بنائے گئے ہیں۔ یہ فریم ورک Claude اور GPT ویریئنٹس سمیت بڑے ماڈل فراہم کنندگان کی حمایت کرتا ہے، جس کا حکومتی نظام Databricks کے Unity Catalog کے ذریعے ہوتا ہے۔
ڈیٹا برکس نے اپنے AI سرچ مصنوعات میں دوبارہ رینکنگ کی صلاحیت بھی شامل کر دی ہے۔ دوبارہ رینکنگ کا مطلب ہے کہ ابتدائی مجموعہ حاصل شدہ دستاویزات کو زبانی ماڈل کو فراہم کرنے سے پہلے ان کی متعلقہت کے لحاظ سے دوبارہ اسکور کیا جائے۔ ادارتی معیارات پر درستگی میں اوسطاً 15 فیصد کا اضافہ ہوا ہے۔
سرحد پر درستگی، لیکن سرحدی قیمتوں کے بغیر
ڈیٹابرکس کی طرف سے اندر کے سطح پر حوالہ دیے جانے والے معیاری اعداد و شمار ظاہر کرتے ہیں کہ متوازی سوچ اور متعدد LLM ڈیزائن جیسی تخصص یافتہ ایجنٹ ٹیکنیکس کے استعمال سے کچھ کاموں کی درستگی میں تقریباً 32% سے زیادہ 90% تک بہتری آئی ہے۔
ریٹریول اور ریزننگ ٹاسکس پر Claude Opus 4.6 کے ساتھ میچ کرتے ہوئے اس کی لاگت کو تین حصوں میں سے ایک حصہ کم کرکے، ڈیٹا برکس کو انٹرپرائز مارکیٹ میں دلچسپ مقام حاصل ہو گیا ہے۔ کمپنی بنیادی ماڈل فروخت نہیں کر رہی۔ وہ وہ انفراسٹرکچر فروخت کر رہی ہے جو بنیادی ماڈلز کو بڑے پیمانے پر استعمال کرنے ممکن بناتا ہے۔