# MLCommons NSF destekli ajan verimlilik ölçütünü geliştirecek

> MLCommons, ABD Ulusal Bilim Vakfı’nın desteklediği iki yıllık 3,5 milyon dolarlık AI Efficiency Challenge kapsamında MLPerf Agents kıyaslamasını geliştirmek üzere seçildi. Planlanan benchmark, yalnızca model belirteç sunumunu değil; ajan çatısı, model seçimi, erişim, araç çalıştırma, orkestrasyon, durum yönetimi, hata kurtarma ve doğrulamayı kapsayan tam iş akışını ölçecek.

- Kalıcı adres: https://newsverum.com/tr/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark
- Yayıncı: Newsverum
- Bölüm: Teknoloji
- Yayın: 2026-10-15T22:00:39+00:00
- Güncelleme: 2026-10-15T22:00:39+00:00
- Olay / veri dönemi: 2026-10-15
- Diğer sürümler: [English](https://newsverum.com/en/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [العربية](https://newsverum.com/ar/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [Français](https://newsverum.com/fr/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [Español](https://newsverum.com/es/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [Deutsch](https://newsverum.com/de/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md), [Português](https://newsverum.com/pt/news/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark.md)

Başarı; doğrulanmış görev tamamlanması koşuluyla maliyet, enerji, gecikme ve verim üzerinden değerlendirilecek. İlk iş yükleri yazılım mühendisliği, araştırma ve veri analizi ile müşteri hizmetlerini kapsayacak. MLCommons ölçüm kuralları ve gizli doğrulama kümeleri planlıyor; bu aşamada benchmark henüz sonuç üretmiş değil, duyurulan şey iki yıllık geliştirme projesidir.

## Veriler

### MLCommons NSF destekli ajan verimlilik ölçütünü geliştirecek

MLCommons, ABD Ulusal Bilim Vakfı’nın desteklediği iki yıllık 3,5 milyon dolarlık AI Efficiency Challenge kapsamında MLPerf Agents kıyaslamasını geliştirmek üzere seçildi. Planlanan benchmark, yalnızca model belirteç sunumunu değil; ajan çatısı, model seçimi, erişim, araç çalıştırma, orkestrasyon, durum yönetimi, hata kurtarma ve doğrulamayı kapsayan tam iş akışını ölçecek. Başarı; doğrulanmış görev tamamlanması koşuluyla maliyet, enerji, gecikme ve verim üzerinden değerlendirilecek. İlk iş yükleri yazılım mühendisliği, araştırma ve veri analizi ile müşteri hizmetlerini kapsayacak. MLCommons ölçüm kuralları ve gizli doğrulama kümeleri planlıyor; bu aşamada benchmark henüz sonuç üretmiş değil, duyurulan şey iki yıllık geliştirme projesidir.

Yöntem: Bu kayıt, belirtilen birincil kaynaktaki açıklama ve ölçümleri aktarır; bağımsız test veya anket doğrulaması yapılmadı.

| date | label | description | status |
|---|---|---|---|
| 2026-10-15 | MLCommons, ABD Ulusal Bilim Vakfı’nın desteklediği iki yıllık 3,5 milyon dolarlık AI Efficiency Challenge kapsamında MLPerf Agents kıyaslamasını geliştirmek üzere seçildi. Planlanan benchmark, yalnızca model belirteç sunumunu değil; ajan çatısı, model seçimi, erişim, araç çalıştırma, orkestrasyon, durum yönetimi, hata kurtarma ve doğrulamayı kapsayan tam iş akışını ölçecek. | MLCommons, ABD Ulusal Bilim Vakfı’nın desteklediği iki yıllık 3,5 milyon dolarlık AI Efficiency Challenge kapsamında MLPerf Agents kıyaslamasını geliştirmek üzere seçildi. Planlanan benchmark, yalnızca model belirteç sunumunu değil; ajan çatısı, model seçimi, erişim, araç çalıştırma, orkestrasyon, durum yönetimi, hata kurtarma ve doğrulamayı kapsayan tam iş akışını ölçecek. Başarı; doğrulanmış görev tamamlanması koşuluyla maliyet, enerji, gecikme ve verim üzerinden değerlendirilecek. İlk iş yükleri yazılım mühendisliği, araştırma ve veri analizi ile müşteri hizmetlerini kapsayacak. MLCommons ölçüm kuralları ve gizli doğrulama kümeleri planlıyor; bu aşamada benchmark henüz sonuç üretmiş değil, duyurulan şey iki yıllık geliştirme projesidir. | occurred |

Kaynaklar: <https://mlcommons.org/2026/10/nsf-stride-ai-efficiency-challenge/> · Veriyi indir: [JSON](https://newsverum.com/api/v1/articles/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark/data/source-report?lang=tr&format=json) · [CSV](https://newsverum.com/api/v1/articles/mlcommons-nsf-backed-mlperf-agents-efficiency-benchmark/data/source-report?lang=tr&format=csv)

## Kaynaklar

- [MLCommons](<https://mlcommons.org/2026/10/nsf-stride-ai-efficiency-challenge/>) (Kaynak kontrolü: 2026-10-15; Yayın: 2026-10-15)

---

Alıntı için yukarıdaki kalıcı adresi kullanın. [Yayın ilkeleri ve düzeltmeler](https://newsverum.com/tr/editorial)