समान मॉडल, अलग हार्नेस: CUGA, Hermes और Deep Agents — कब CUGA चुनें?
huggingface ·
आईबीएम रिसर्च ने समान GLM-5.3-flash मॉडल का उपयोग करके 90 AppWorld कार्यों पर तीन एजेंट हार्नेस—CUGA, Hermes और Deep Agents—की तुलना करते हुए एक नियंत्रित प्रयोग किया। अध्ययन से पता चला कि हार्नेस बदलने से प्रदर्शन में महत्वपूर्ण असर पड़ा, जहाँ Deep Agents के लिए कार्य पूर्णता दर 30% थी, जबकि CUGA के लिए यह 81% थी। हालांकि Hermes और Deep Agents क्रमशः व्यक्तिगत सहायता और लंबे बहु-चरण शोध में उत्कृष्ट हैं, CUGA विशेष रूप से उन उद्योग वातावरणों के लिए डिज़ाइन किया गया है जहाँ कड़े नियमों के पालन की आवश्यकता होती है। CUGA कार्य विघटन (task decomposition), कोड निष्पादन संदूबक (code execution sandboxes) और पूर्व-निष्पादन सत्यापन जैसे सुविधाओं को शामिल करके अधिक स्थिरता हासिल करता है। निर्णायक रूप से, यह व्यापार नियमों को सिस्टम प्रॉम्प्ट्स से हटाकर रनटाइम-प्रवर्तित नीतियों में ले जाता है, जिससे मॉडल के निर्णयों के बावजूद अनुपालन सुनिश्चित होता है। इस दृष्टिकोण से सार्वभौमिक बाद (sovereign clouds) या एयर-गैप्ड नेटवर्क्स के भीतर सुरक्षित तैनाती और मापनीय लागत नियंत्रण बनाए रखना संभव होता है। लेख निष्कर्ष निकालता है कि सही हार्नेस का चयन विशिष्ट कार्यभार पर निर्भर करता है, और जटिल, नियम-आधारित उद्योग स्वचालन के लिए CUGA की सिफारिश करता है।
huggingface