Így építette fel a CoreWeave az ARIA kutatási ügynökét

A beszélgetésből tartós kutatási eredmény lesz

Az ARIA nyilvános előzetese 2026. június 29-én indult. A CoreWeave eredetileg úgy közelített a termékhez, mint egy eszközöket használó ügynökhöz a W&B rendszerében, ahol a futtatások, mérőszámok, műtermékek és éles környezetből származó nyomok már rendelkezésre állnak.

Ez a környezet lehetővé teszi, hogy a kutatónak ne kelljen egy teljes projektet kimásolnia egy promptba. Az ARIA a kérdés körüli W&B-kontextusból indul, kísérleti adatokat és éles környezetből származó nyomokat vizsgál, majd a bizonyítékokat követve munkaterületet vagy jelentést készíthet.

A CoreWeave tapasztalata szerint egy beszélgetésben adott, később eltűnő válasz önmagában nehezen ellenőrizhető, és kevésbé hasznos annak a csapattársnak, aki nem vett részt az interakcióban. A megosztható jelentés és a tovább frissíthető munkaterület ezért az ARIA válaszának részévé vált. Más kutatók ugyanazokat az adatokat megnyithatják, vitathatják a következtetést, és folytathatják a vizsgálatot.

A fontos műveletekhez továbbra is kell a kutató

Az ARIA külön kezeli az adatvizsgálatot és a közös projektet módosító műveleteket. A kiválasztott futtatások olvasása a vizsgálat része, egy jelentés létrehozása viszont megváltoztatja a megosztott projektet, egy kísérlet elindítása pedig számítási erőforrást használ.

A CoreWeave ezért nem bízza a jogosultság növelését arra, hogy a modell mennyire magabiztosan fogalmaz. Az ARIA elvégezheti az ilyen döntések körüli előkészítő munkát, a következményekkel járó lépéseket azonban a kutatónak kell jóváhagynia. Így a rendszer lerövidítheti az eredmény megfigyelése és a következő kísérlet elindítása közötti utat, miközben a döntés a felhasználónál marad.

A böngésző bezárása nem állítja le a munkát

Az első ügynöki ciklus egyszerűnek tűnt: az ARIA megkapta a kérést, kiválasztott egy eszközt, megvizsgálta az eredményt, majd folytatta a munkát. A hosszabb vizsgálatok azonban több száz futtatás átnézését, távoli feladatokra várakozást vagy egy hibás eszközhívás utáni helyreállítást is igényelhettek.

A szolgáltatás ezért a felhasználói kérést és az azt követő munkát egy tartós Turn objektumban tárolja. Ez tartalmazza a promptot, a rekonstruálható előzményeket, a beállított ügynököt és környezetet, valamint a folytatáshoz szükséges állapotot. A Turnök fát alkotnak, így a kutató egy korábbi ponthoz visszatérve más irányba is folytathatja a vizsgálatot.

A munkát egy worker veszi fel, az aktív végrehajtás pedig elkülönített homokozóban fut. A fájlok és az állapot pillanatképként menthetők, majd visszaállíthatók. Az ARIA szolgáltatása a jogosultságkezelést, a tartós tárolást, a feladatok kiosztását és a haladás követését kezeli, miközben az ügynök a következő lépésről dönt.

A termelési hibákból kiértékelhető tesztek készülnek

A CoreWeave szerint a valódi hibák vizsgálatakor problémát okozott, hogy egy egyszerűsített teszt gyakran elveszítette az eredeti környezet fontos részleteit. A tartós Turn viszont megőrzi a kérést, az előzményeket, a beállított környezetet és a visszaállítható állapotra mutató hivatkozást, ezért ugyanazzal a meghajtóval ellenőrzött feladat futtatható offline.

A Weave, a W&B ügynökök és nagy nyelvi modelleken alapuló alkalmazások megfigyelési és kiértékelési rendszere, a műveleteket hívásokként rögzíti, és nyomvonalakba kapcsolja őket. Így egy termelési hiba és egy offline összehasonlítás ugyanazon bizonyítékmodellben vizsgálható.

A W&B Agent Factory, röviden WBAF, az ARIA-hoz szükséges kutatási környezetet biztosítja. A CoreWeave szerint ez nem egy második ARIA létrehozását jelenti: a termelési forrás továbbra is az ARIA szolgáltatása, a Weave rögzíti a termelési és értékelési bizonyítékokat, a WBAF pedig a változatok összehasonlítását futtatja. A kedvező eredményű módosítások a kiadás előtt visszakerülnek a szokásos termelési ellenőrzésbe.