Is Agentic AI Finally Growing Up? The 4 Secret Frameworks Google Doesn’t Want You to Know About

Apakah Agentic AI Akhirnya Dewasa? 4 Kerangka Rahasia yang Tidak Ingin Diketahui Google

www.marktechpost.com

So here’s the tea: agentic AI isn’t just another chatbot with a fancy API wrapper. It’s a full ecosystem—planning, tools, memory—all wired together. But despite powering real breakthroughs in science and coding, it still fumbles basic things like using tools correctly or thinking three steps ahead.

Jadi ini bocorannya: agentic AI bukan sekadar chatbot berbaju API keren. Ini ekosistem lengkap—perencanaan, alat, memori—semua terhubung. Tapi meskipun mendorong terobosan nyata di sains dan coding, ia masih gagap pada hal-hal dasar, seperti menggunkan alat dengan benar atau berpikir tiga langkah ke depan.

Now Stanford and Harvard drop a bombshell: a unified theory of adaptation with four clean categories—A1, A2, T1, T2. Suddenly, all the chaos makes sense. The real kicker? Frequent, lightweight updates to tools (T1/T2) may be more practical than retraining the whole genius every week.

Kini Stanford dan Harvard melemparkan granat: teori terpadu adaptasi dengan empat kategori rapi—A1, A2, T1, T2. Tiba-tiba, semua kekacauan masuk akal. Yang paling menohok? Pembaruan ringan dan rutin pada alat (T1/T2) justru lebih praktis daripada melatih ulang si jenius setiap minggu.

Komentar (7)

PhD Candidate in ML, Sleep-Deprived (Kandidat PhD di ML, Kurang Tidur)

This is huge. We’re finally moving from 'let’s throw more compute at it' to actual engineering principles. The A1/A2 vs T1/T2 split elegantly separates agent competence from tool fitness—a distinction most startups ignore while chasing chatbot of the week.

Ini besar sekali. Kita akhirnya berpindah dari 'mari tambah daya komputasi' ke prinsip rekayasa sebenarnya. Pembagian A1/A2 vs T1/T2 dengan apik memisahkan kompetensi agen dari ketepatan alat—perbedaan yang diabaikan banyak startup sambil mengejar chatbot minggu ini.

Ex-Google LLM Engineer, Quietly Judging (Mantan Insinyur LLM Google, Menghakimi dengan Diam)

T1 is where the real scalability lives. You freeze your billion-parameter agent and let T1 tools like DeepRetrieval do the heavy lifting. Smart money’s on modular systems where tools evolve faster than brains.

T1 adalah tempat skalabilitas sesungguhnya berada. Anda membekukan agen miliar-parameter Anda dan membiarkan alat seperti DeepRetrieval melakukan pekerjaan berat. Pemain cerdas bertaruh pada sistem modular di mana alat berkembang lebih cepat daripada otak.

AI Startup Founder, Overcaffeinated (Pendiri Startup AI, Overkopi)

We’ve been doing T2-style tool tuning in production for months. A fixed LLM, adaptive retriever, and a reward signal from final output? That’s our stack. Glad academia finally caught up.

Kami sudah menerapkan penyetelan alat ala T2 di produksi selama berbulan-bulan. LLM tetap, retriver adaptif, dan sinyal reward dari output akhir? Itu tumpukan kami. Senang akademisi akhirnya mengejar ketinggalan.

Cynical DevOps at Big Tech (DevOps Sinis di Big Tech)

Great theory. Now explain how you do verifiable tool feedback when your API returns 'Internal Server Error' 40% of the time. Good luck training an A1 agent on that.

Teori bagus. Sekarang jelaskan bagaimana Anda melakukan umpan balik alat yang bisa diverifikasi saat API Anda mengembalikan 'Internal Server Error' 40% waktu. Semoga berhasil melatih agen A1 dengan kondisi itu.

Neuroscience PhD, Skeptical of Hype (PhD Neurosains, Ragu terhadap Hype)

Funny how every new AI framework gets called 'unified theory of everything' until we realize it’s just another taxonomy. Is this actually predictive, or just descriptive?

Lucu bagaimana setiap kerangka AI baru disebut 'teori terpadu segalanya' sampai kita sadar itu hanya taksonomi lain. Apakah ini benar-benar prediktif, atau hanya deskriptif?

Open-Source ML Hobbyist, Coffee in Hand (Pecinta ML Open-Source, Kopi di Tangan)

Finally, a paper that doesn’t hide behind 50 acronyms. Even I can understand A1 vs T2. Maybe now my weekend project won’t just hallucinate its way to failure.

Akhirnya, sebuah makalah yang tidak bersembunyi di balik 50 akronim. Saya saja bisa mengerti A1 vs T2. Mungkin sekarang proyek akhir pekan saya tidak akan gagal karena sering berhalusinasi lagi.

Former Meta AI Researcher, Now Farming Alpacas (Mantan Periset AI Meta, Kini Ternak Alpakas)

Ah yes, the paper cites Gorilla and ToolAlpaca. Cute. But naming your model after adorable animals doesn’t make it robust. I’ll believe T1 when it survives a monsoon.

Ah iya, makalah ini mengutip Gorilla dan ToolAlpaca. Lucu. Tapi memberi nama model dengan hewan imut tidak membuatnya tangguh. Saya baru percaya T1 saat bisa bertahan dari badai muson.

Is Agentic AI Finally Growing Up? The 4 Secret Frameworks Google Doesn’t Want You to Know About

Apakah Agentic AI Akhirnya Dewasa? 4 Kerangka Rahasia yang Tidak Ingin Diketahui Google

ChatGPT Tidak Punya Hidup Batin — Lalu Kenapa Ia Kelihatan Lebih Pintar dari Rekan Kerjaku?

AI Baru Saja Buktikan Diri Sebagai Burung Beo—Bukan Pemikir. Lalu Kenapa Kita Berpura-pura Itu Bisa Berpikir?