ECHO bikin AI belajar dari output terminal: ‘Error’ & ‘List File’ Jadi Data Latih. Hasilnya: Qwen3-8B tiba-tiba naik dari 2,7% ke 5,2% dalam satu percobaan! Ini terobosan besar di RL!
Jakarta, KomentarNews – Microsoft Research, divisi riset teknologi raksasa perangkat lunak asal Redmond, AS, resmi merilis proyek open-source bernama ECHOÂ pada Selasa (12/5/2026) melalui repositori GitHub resmi mereka .
ECHO adalah sebuah metode pelatihan baru yang “gratis” untuk membuat Agen Command Line Interface (CLI) menjadi lebih pintar. Yang membuat heboh dunia riset AI adalah metode ini tidak memerlukan data tambahan atau biaya komputasi ekstra, tetapi mampu melipatgandakan kemampuan AI dalam menyelesaikan tugas kompleks di komputer .
Apa Itu ECHO? Membaca ‘Efek Samping’ Perintah
Selama ini, cara lama melatih AI (dengan metode bernama GRPO) hanya akan memberi “pujian” (reward) jika AI berhasil menyelesaikan tugas, misalnya berhasil mengeksekusi kode tanpa error. Namun, ketika AI salah, hasil errornya biasanya hanya diabaikan.
ECHO hadir dengan pendekatan yang berbeda. Alih-alih membuang sampah, ia memanfaatkan errornya untuk belajar .
Secara teknis, metode ini menambahkan fungsi baru yang disebut World Model Loss. AI dilatih tidak hanya untuk memilih command (printah) yang benar, tetapi juga memprediksi apa yang akan dimuntahkan oleh Terminal setelah command itu dijalankan (apakah itu daftar file, pesan error, atau log program) .
Peningkatan Drastis: Kinerja Langsung Dobel!
Hasilnya sangat mencengangkan. Microsoft melakukan uji coba pada model Qwen3-8B yang dilatih dengan metode biasa versus metode ECHOÂ .
Hasil uji pada tolak ukur standar TerminalBench-2.0 menunjukkan peningkatan signifikan:
| Metrik | GRPO (Metode Biasa) | ECHO (Metode Baru) |
|---|---|---|
| Tingkat Keberhasilan (Qwen3-8B) | 2,7% | 5,2%Â (Hampir 2x lipat) |
| Tingkat Keberhasilan (Qwen3-14B) | 5,2% | 10,8%Â (Lebih dari 2x lipat) |
“Performance nearly doubles at no extra cost is a line you very rarely read across your whole research career,” tulis Dimitris Papailiopoulos, ilmuwan peneliti di Microsoft Research yang terlibat dalam proyek ini, di akun X resminya pada Minggu (17/5/2026) . (Performa hampir dua kali lipat tanpa biaya tambahan adalah kalimat yang sangat jarang Anda baca sepanjang karier riset Anda).
Lebih Cepat: Hemat Hingga 2,3 Kali Waktu
Selain pintar, ECHO juga sangat cepat. Berkat metode ini, AI mencapai tingkat kecerdasan yang sama dengan versi biasanya namun dengan jumlah langkah pelatihan yang jauh lebih sedikit.
2,3 kali lebih cepat dalam mencapai performa yang sama pada percobaan dengan model 8B.
ECHO terbukti meningkatkan performa di semua benchmark yang diuji, mulai dari tugas sederhana hingga kompleks .
Potensi Gila: Bisa Belajar Mandiri Tanpa Manusia
Temuan paling mengejutkan dari penelitian ini adalah ECHO mampu mengurangi ketergantungan pada “Guru Ahli” atau Expert Data. Biasanya, AI perlu “dicontohkan” oleh programmer profesional dulu (disebut Supervised Fine Tuning/SFT).
Dengan ECHO, model yang dilatih dari nol (hanya dengan algoritma) mampu menyamai performa model yang sudah dilatih dengan 15.000 contoh dari pakar manusia. Metode ini berhasil pulih (recover) hingga 104 persen manfaat dari data pakar tersebut hanya dengan belajar dari trial and error sendiri .
Siapa yang Butuh? Developer dan Programmer Masa Depan
ECHO sangat krusial untuk pengembangan AI Agent yang bisa mengoperasikan komputer (Computer Use), DevOps, hingga otomatisasi coding. Dengan teknologi ini, AI tidak hanya sekadar menulis kode, tetapi bisa membuka terminal, menjalankan tes, membaca pesan error, dan memperbaiki kesalahannya sendiri .
(Dimitris Papailiopoulos)**/BlockBeats (github/twitter/blockbeats*)
