TR
Geodi, GEODE'nin resmî piksel karakteri
Salona dön

GEODE

Autonomous Agent Harness

Gözlemden bir sonraki eyleme.

Araştırma, dosya işleri ve zamanlanmış görevler devredilebilen yerel bir otonom ajan düzeneği.

2026.02.21 — present

Tasarım, yargı, doğrulama: Author · uygulama: Claude · inceleme: Codex

  • CLIYayında · PyPI
  • MCP sunucusuUygulandı

Her seferinde tek politika değişir, ölçüm sabit kalır.

Düzeneğin dışında çalışan ayrı bir döngü. Baseline'dan yola çıkarak türü belirli tek bir politika değişikliği uygular; KEEP ile geri yükleme arasında aynı Petri denetimi ve aynı geçit karar verir.

SIL haritası · sabitlenmiş 9e2c041 commit'indeki evolve yollarından ve June 2026 çalıştırma kaydından çizildi
GEODE politika araması (SIL) haritasıÇalışma zamanı dışında çalışan bir politika arama döngüsü. Onaylanmış bir çalıştırma sözleşmesi bütçeyi, seed'leri, rubriği ve modelleri sabitler; mutator izin verilen yedi yüzeyden yalnızca bir politikayı değiştirir. measure.py, GEODE'yi aynı ölçüm aygıtıyla Petri üzerinden denetler; fitness.py ve gate.py critical gerileme ve terfi kurallarıyla KEEP ya da geri almaya karar verir; ledger.py baseline ve sonuç satırlarını yazar. June 2026 çalıştırması, değişiklik yapılmayan bir never arm, K=5 baseline ve replicate ölçümle denetim gürültüsünü değişiklik etkisinden ayırdı.Operatör onayıcanlı çağrılar · bütçePetri denetimiauditor · GEODE target · judgeprogram.mdçalıştırma sözleşmesi · modeller · bütçedurma kuralları · onaydan sonra çalıştırmatrain.pysabit bütçeli döngü--replicate K · yeniden ölçümloop/mutatemutator · tek aday7 yüzey · hiperparametre yokstate/policiesdosya tabanlı politikaprepare.pyseed havuzu · rubrik sabitmeasure.pydenetim alt süreci · sabit zaman aşımıpolitika başına OVERRIDE · STRICTfitness.pycritical gerileme · cezalarledger.pybaseline · provenanceresults · mutation satırlarıgate.py_should_promote · KEEP_reject_and_revertcore · politika yükleyicileriistem dalı · system_prompt.py6 politika yükleyicisi · tool, skill…run-2606-broken-tool-usegen-0 baseline · 5 denetimin ortalamasınever arm · değişikliksiz kontrolrandom · gate arm'larıreplicate · tek bir KEEP'in yeniden ölçümüevolve/scaffold_searchharici arama döngüsü · çalışma zamanının dışındaaday değişiklikçalıştırma başına birölçüm aygıtıkarşılaştırma boyunca sabitrun-2606 · June 3–4, 2026broken_tool_usedenetlenen GEODEyalnızca izinli politikalar değişir1onay2 çalıştırma sözleşmesi · çalıştırma sözleşmesi · modeller · bütçe → sabit bütçeli döngü23 tek aday iste · sabit bütçeli döngü → mutator · tek aday34politika değişikliği · mutation ID5 seed'ler · rubrik sabit · seed havuzu · rubrik sabit → denetim alt süreci · sabit zaman aşımı56seçili politika7politika başına override yolları8audit subprocess9denetim diyaloğu1boyut puanları2 baseline · provenance · baseline · provenance → critical gerileme · cezalar23 fitness · gerileme nedenleri · critical gerileme · cezalar → _should_promote · KEEP34KEEP · sonraki baseline5REJECT · öncekini geri yükle6sonuç · hüküm satırı1üç arm2K=5 ortalama baseline3değişiklik olmadan ölçüm4--replicate K5yeniden ölçüm → geri alma

Tek değişiklik → denetim

Çalıştırma sözleşmesi sabitken izin verilen tek bir politika değişir ve GEODE aynı ölçüm aygıtıyla denetlenir. Bu, çalışan ürünün kendini yeniden yazması değildir.

  1. Operatör onayıonayçalıştırma sözleşmesi · modeller · bütçeprogram.md

    Bir çalıştırma ancak canlı çağrılar ve sabit bütçe onaylandıktan sonra başlar. Onay yoksa yalnızca sözleşme hazırlanır ve çevrimdışı kontrol edilir.

  2. çalıştırma sözleşmesi · modeller · bütçeprogram.mdçalıştırma sözleşmesisabit bütçeli döngütrain.py

    Seed ve rubrik revizyonları, rol modelleri ve kimlik bilgisi kaynakları, ölçüm ayarları, yineleme, süre ve maliyet bütçeleri, terfi politikası ve durma koşulları çalıştırmadan önce sabitlenir.

  3. sabit bütçeli döngütrain.pytek aday istemutator · tek adayloop/mutate

    Kanıta dayalı tek bir hipotez, izin verilen tek bir politika yüzeyini değiştirir.

  4. 7 yüzey · hiperparametre yokloop/mutatepolitika değişikliği · mutation IDdosya tabanlı politikastate/policies

    Yalnızca yedi yüzey değişebilir: wrapper istemi, araç politikası, ayrıştırma önerisi, reflection, beceri kataloğu meta verisi, ajan sözleşmesi (role, system_prompt, tools) ve araç açıklamaları ile ipuçları. Hiperparametre değişiklikleri hem ayrıştırmada hem uygulamada reddedilir. Bir politikayı uygulamak, yeniden ölçmek ve isteğe bağlı commit ayrı adımlardır; dolayısıyla uygulama kendi başına bir denetim değildir.

  5. seed havuzu · rubrik sabitprepare.pyseed'ler · rubrik sabitdenetim alt süreci · sabit zaman aşımımeasure.py

    prepare.py seed havuzu ve rubrik için sabit referanstır; adaylar onu değiştirmez. Bir ölçüm modülünü değiştirmek test edilen sistemi değil, ölçümün kendisini değiştirir.

  6. dosya tabanlı politikastate/policiesseçili politikapolitika başına OVERRIDE · STRICTmeasure.py

    measure.py şu anda seçili politika dosyasını okur ve denetim ortamına aktarır.

  7. politika başına OVERRIDE · STRICTmeasure.pypolitika başına override yollarıcore · politika yükleyicileri

    measure.py wrapper yolunu ve politika başına override ve strict yollarını denetim alt sürecine aktarır; çalışma zamanının ilgili politika yükleyicisi her birini okur. Wrapper (GEODE_WRAPPER_OVERRIDE → system_prompt) bunlardan yalnızca bir daldır; ek ortam anahtarları değiştirilebilir yedi yüzeyi genişletmez. Düzenlenmiş bir dosya tek başına adayın hedefe ulaştığını kanıtlamaz; bunu denetim kanıtının tanılaması doğrular.

  8. denetim alt süreci · sabit zaman aşımımeasure.pyaudit subprocessPetri denetimi

    Denetim sabit bir zaman aşımı ve bütçeyle çalışır; bunlar karşılaştırmanın ortasında asla değiştirilmez. Eksik çıktı sıfır puan değil, bir tanılama boşluğudur.

  9. Petri denetimidenetim diyaloğucore · politika yükleyicileri

    Denetçi seed senaryosu üzerinden GEODE ile konuşur, hakem dökümü puanlar.

Hüküm → koruma · geri yükleme

Aynı sözleşmeli baseline ile karşılaştırmada KEEP'e critical gerilemeler ve terfi kuralı karar verir; reddedilen bir değişiklik kayıtlı önceki değerine geri yüklenir.

  1. Petri denetimiboyut puanlarıcritical gerileme · cezalarfitness.py

    Puanlar eksik boyutlar ve örnek sayılarıyla birlikte gelir. Ölçülmemiş bir boyut gözlem olarak okunmaz.

  2. baseline · provenanceledger.pybaseline · provenancecritical gerileme · cezalarfitness.py

    Karşılaştırma yalnızca kayıtlı sözleşmesi ve epoch'u aynı olan bir baseline ile yapılır. Yeni bir Git dalı baseline durumunu yalıtmaz.

  3. critical gerileme · cezalarfitness.pyfitness · gerileme nedenleri_should_promote · KEEPgate.py

    Önce critical boyut gerilemeleri ve yardımcı cezalar, ardından margin ya da hedef boyut testi kontrol edilir. Tek başına pozitif bir skaler değer asla terfi ettirmez.

  4. _should_promote · KEEPgate.pyKEEP · sonraki baselinebaseline · provenanceledger.py

    Korunan aday bir sonraki baseline olur. Yerelde korunan bir aday, depoya merge ya da bir sürüm değildir.

  5. _reject_and_revertgate.pyREJECT · öncekini geri yükledosya tabanlı politikastate/policies

    Runner'ın oluşturduğu bir adayda, mutation ID'si altında kaydedilmiş politika bölümü geri yüklenir ve başarısız geri yükleme işaretlenir. Elle yapılan değişiklikler otomatik geri yüklenmez; belirsiz bir geri yükleme bir sonraki adayı durdurur.

  6. _should_promote · KEEPgate.pysonuç · hüküm satırıresults · mutation satırlarıledger.py

    Ölçüm, hüküm ve köken bilgisi sonuç satırları olarak bir kez yazılır; geçmiş satırlar asla yeniden yazılmaz.

Kontroller · replicate ölçüm

June 2026 çalıştırması: değişikliksiz never arm ve K=5 baseline denetim gürültüsünü ayrıca ölçtü; tek denetimli bir KEEP replicate ölçümlerle yeniden kontrol edildi.

  1. run-2606-broken-tool-useüç armsabit bütçeli döngütrain.py

    June 3–4, 2026 çalıştırması kaymayı değişiklik etkisinden üç arm ile ayırdı: never (değişiklik yok), random (rastgele kabul) ve gate (hükümle kabul). Hedef GPT-5.5, denetçi ve hakem Claude Opus 4.8 idi.

  2. gen-0 baseline · 5 denetimin ortalamasırun-2606-broken-tool-useK=5 ortalama baselinebaseline · provenanceledger.py

    gen-0 baseline beş denetimin ortalamasıydı (Petri broken_tool_use, düşük olan daha iyi, ortalama 2.667).

  3. never arm · değişikliksiz kontrolrun-2606-broken-tool-usedeğişiklik olmadan ölçümdenetim alt süreci · sabit zaman aşımımeasure.py

    Never arm hiçbir politika değişikliği olmadan 3.38 ortalamaya kaydı (10 denetim, düşük olan daha iyi): denetim gürültüsünün değişiklik etkisini aştığının doğrudan kanıtı.

  4. --replicate K · yeniden ölçümtrain.py--replicate Kdenetim alt süreci · sabit zaman aşımımeasure.py

    Tek bir şanslı denetimi elemek için aynı aday aynı koşullarda K kez daha ölçülür.

  5. replicate · tek bir KEEP'in yeniden ölçümürun-2606-broken-tool-useyeniden ölçüm → geri alma_reject_and_revertgate.py

    Tek bir gate denetimiyle (1.6) korunan bir aday, replicate ölçümlerde 3.0–3.8 verdi ve baseline'dan kötü çıktı; bu yüzden champion 2.667 geri yüklendi. Çalıştırmanın sonucu: belirgin bir iyileşme yok.

Her bağlantı aynı kalınlıkta. Yalnızca yolunu numaralı adımlarla vurgulamak için bir akış seçin.

  • Düz çizgi · isteklerin, adayların ve sonuçların akış yönü
  • Kesikli · çalıştırma, karar, yetkilendirme, yapılandırma
  • Uzun çizgi-nokta · kayıtlar ve gözlem, hükümden ayrı
  • Kalın siyah çizgi · seçilen akış; numaralar sırayı verir
  • Kutu · bir kod ya da kayıt sınırı, başlığında yolu
  • İç çip · o sınırdaki bir bileşen
  • Kesikli kutu · o sınırın dışı
  • döngü · ölçüm çalıştırması
  • sözleşme · hüküm
  • politika · kayıtlar
  • değişiklik · denetlenen hedef · çalıştırma kaydı

GEODE'nin SIL sürücüsünün adı autoresearch'tür; prepare/train/program yapısı ve sabit bütçesi Karpathy'nin autoresearch'ünden esinlenir. Hiçbir model ağırlığı değişmez; ölçüm aygıtı ve bütçe karşılaştırma boyunca sabit kalır.

Değişebilecekler
Yedi yüzey: wrapper istemi, araç politikası, ayrıştırma önerisi, reflection, beceri kataloğu meta verisi, ajan sözleşmesi ve araç açıklamaları ile ipuçları. Değerlendirici, bütçe, seed'ler ve rubrik karşılaştırma boyunca sabit kalır.
Çalıştırma kaydının kapsamı
run-2606 değerleri o çalıştırmanın Petri broken_tool_use ortalamalarıdır (düşük olan daha iyi). SIL'in birikimli iyileşmesinin ya da genellemenin kanıtı değildir.