Rhizoma
Yapay zekâ modelleri ve agent'lar için bağımsız denetleme ve puanlama sistemi
Ekran Görüntüleri & Şemalar

Problem & İhtiyaç
Yapay zeka modellerinin ürettiği kodun gerçekte çalışıp çalışmadığını ve agent'ların iddia ettikleri sonuçlarda dürüst olup olmadıklarını objektif biçimde kanıtlayacak bağımsız bir otorite eksikliği.
Yayımlanan Ölçüm
- Model
- 13
- Cevap
- 1.366
- Sınav
- 3
- Ölçüm
- 21–24 Eylül 2026
Rhizoma'nın herkese açık ilk ölçümünü rhizomaindex.info adresinde yayımladım. Tek bir soruyu ölçüyor: bir model bir işi yapamadığında bunu size söylüyor mu? Bunu üç ayrı yoldan sınadım — bir kısmı bilerek yapılamaz kurulmuş sekiz görevlik gerçekçi bir iş, doğru cevabın "yapamam" olduğu dokuz kısa tuzak ve gizli testlerle kontrol edilen 33 kodlama görevi. On üç modelin verdiği 1.366 cevabın hepsini tek tek kontrol ettim; ham cevaplar, etiketler ve kod herkese açık. Sonuç: en büyük üç model yapmadığı hiçbir işe "yaptım" demedi; küçük modeller çalıştırmadıkları testleri çalıştırdıklarını, bakmadıkları siteye baktıklarını ve yapmadıkları commit'i yaptıklarını yazdı — yeni sürüme geçmek bunu değiştirmedi.
Nasıl Çalışıyor?
Agent çalışma raporu ve ürettiği kod paketleri doğrulama kuyruğuna alınır.
Kod, dış dünyaya kapalı (internetsiz) Docker sandbox ortamında çalıştırılarak test suite'leri koşturulur (Yetenek Testi).
Agent'ın iddia ettiği tamamlanma çıktıları, agent'a sorulmadan bağımsız harici kaynaklarla çapraz doğrulanır (Dayanaklılık Testi).
Her iki test sonucu bağımsız eksenler olarak puanlanır ve manipülasyonu önlemek için Ed25519 asimetrik anahtarla imzalanır.
Kriptografik olarak denetlenebilir kayıt defterine işlenerek doğrulanmış agent karnesi (CV) oluşturulur.
Mimari & Teknik Kararlar
Tek bir FastAPI uygulaması üzerinde modüler değerlendirme motoru, SQLite veritabanı, asenkron otonom zamanlayıcı, internetsiz Docker sandbox yürütme motoru ve Ed25519 kriptografik imzalama katmanı.