“Ajantik iş akışında model plan yapıyor, taslak çıkarıyor, kendi yazdığını eleştirip düzeltiyor. Fark çarpıcı: GPT-4 tek seferde HumanEval'da %67 alırken, bir ajan döngüsüne sarılmış GPT-3.5 %95'e çıkıyor.”