Araştırmacılar, tıbbi görüntüleri analiz edip klinik rapor yazabilen yeni bir yapay zeka sistemi geliştirdi. Google Gemini 2.5 Flash teknolojisini kullanan sistem, CT, MRI, röntgen ve ultrason görüntülerinde tümörleri tespit edebiliyor. Sistem görsel analiz ile dil işleme teknolojilerini birleştirerek, tıpkı bir doktor gibi görüntüleri yorumlayıp detaylı raporlar hazırlıyor. Koordinat doğrulama mekanizmaları ve olasılıksal modelleme ile anormallikleri belirleyebilen sistem, çok katmanlı görselleştirme teknikleri sayesinde doktorların güvenini artıracak detaylı medikal illüstrasyonlar üretiyor.

Araştırmacılar, Vision Transformer (ViT) modellerinde token budama işlemlerinin performans sorunlarını çözen yeni bir dikkat mekanizması geliştirdi. Token budama, önemsiz görüntü parçalarını atarak hesaplama maliyetini teorik olarak büyük ölçüde azaltsa da, pratikte mevcut değişken uzunluklu dikkat API'leri bu avantajı tam olarak yansıtamıyordu. Yeni geliştirilen 'dispatch-aware ragged attention' yöntemi, kısa sekans uzunluklarında ortaya çıkan dispatch-overhead darboğazını çözerek, budanmış ViT'lerin gerçek dünya performansını teorik potansiyellerine yaklaştırıyor. Bu çalışma, yapay zeka modellerinin hem doğruluk hem de hız açısından optimizasyonunda önemli bir adım teşkil ediyor.

Araştırmacılar, polinom sinir ağlarının güvenilirliğini test etmek için matematiksel geometri tabanlı yeni bir yöntem geliştirdi. Çalışmada, yapay sinir ağlarının saldırılara karşı dayanıklılığını ölçmek için öklid mesafesi derecesi kullanılıyor. Bu yöntem, ağın karar sınırlarına olan mesafeyi hesaplayarak güvenlik yarıçapını belirliyor. Geliştirilen sembolik eliminasyon ve homotopi-devam yöntemleri, sinir ağlarının tam güvenlik sertifikasyonunu mümkün kılıyor. Lightning self-attention modülleri üzerinde yapılan deneyler, karar sınırlarının beklenenden daha düşük karmaşıklığa sahip olduğunu gösteriyor.

Araştırmacılar, yapay zeka modellerinin görüntü üretme sürecinde kullandığı token yapılarının nasıl optimize edilebileceğini araştırdı. Geleneksel 2D ızgara sistemi yerine, kaba detaydan ince detaya doğru çalışan 1D sıralı token sisteminin, test aşamasında çok daha etkili sonuçlar verdiği keşfedildi. Bu yenilikçi yaklaşım, ara aşamalardaki durumların anlamlı bilgi taşımasını sağlayarak, doğrulama algoritmalarının daha güvenilir değerlendirmeler yapmasına olanak tanıyor. Bulgular, gelecekte daha akıllı ve kontrol edilebilir görüntü üretim sistemlerinin geliştirilmesi için önemli bir adım oluşturuyor.

Araştırmacılar, büyük dil modellerinin yanlış bilgi üretme sorununu çözmek için FRANQ adında yeni bir sistem geliştirdi. Retrieval-Augmented Generation (RAG) teknolojisi kullanan yapay zeka sistemleri, internetten bilgi çekerek sorulara yanıt verirken bazen gerçek dışı bilgiler üretebiliyor. FRANQ, bu 'halüsinasyonları' tespit etmek için gelişmiş belirsizlik ölçüm tekniklerini kullanıyor ve doğru bilgiyle desteklenen ifadeleri yanlışlıkla hatalı olarak etiketleme sorununu çözüyor. Sistem, bir ifadenin kaynaklarla ne kadar uyumlu olduğunu ve gerçekte doğru olup olmadığını ayrı ayrı değerlendiriyor.

Araştırmacılar, büyük dil modellerinin (LLM) güvenilirliğini artırmak için 'Deliberative Searcher' adlı yenilikçi bir çerçeve geliştirdi. Bu sistem, yapay zekanın verdiği cevaplara ne kadar güvenebileceğimizi daha iyi anlamamızı sağlıyor. Özellikle açık uçlu sorulara cevap verirken, model adım adım düşünce süreçleri yürütüyor ve Wikipedia gibi güvenilir kaynaklardan bilgi alarak cevaplarını doğruluyor. Sistem, pekiştirmeli öğrenme algoritmasıyla eğitiliyor ve modelin kendi güven seviyesi ile gerçekte ne kadar doğru olduğu arasındaki uyumu geliştiriyor. Bu gelişme, yapay zeka modellerinin gerçek dünya uygulamalarında daha güvenle kullanılabilmesi açısından kritik önem taşıyor.

Kod üreten büyük dil modelleri yazılım geliştirmede devrim yaratırken, telif hakkı koruması ve güvenlik konularında ciddi endişeler ortaya çıkardı. Araştırmacılar, bu sorunlara çözüm olarak MATRIX adlı yenilikçi bir kod filigran sistemi geliştirdi. Sistem, matematik tabanlı matris denklemleri kullanarak kodlara görünmez dijital imzalar yerleştiriyor. Mevcut tek katmanlı yöntemlerin aksine, MATRIX çok seviyeli sahiplik takibi ve sürüm kontrolü sağlayabiliyor. İkili kanal yaklaşımıyla hem değişken isimlendirme hem de anlam koruyan teknikler kullanarak, kodun işlevselliğini bozmadan güvenilir bir kimlik doğrulama sistemi sunuyor.

Bilgisayar bilimcileri, karmaşık yazılım kütüphanelerini kullanan programların güvenilirliğini artırmak için yeni bir otomatik doğrulama yöntemi geliştirdi. 'Testli Kütüphane Sözleşmeleri Modülo Doğrulaması' adı verilen bu yaklaşım, kütüphane metodları için otomatik sözleşme sentezi yaparak hem istemci programların doğruluğunu kanıtlıyor hem de bu sözleşmeleri test motoruyla denetliyor. Sistem ayrıca sadece belirli program bağlamında geçerli olan 'bağlamsal sözleşmeler' kavramını sunuyor. Bu sözleşmeler geleneksel modüler sözleşmelerden daha basit ve çıkarımı kolay. Karşı örnek güdümlü öğrenme çerçevesi kullanan yaklaşım, yazılım geliştirme sürecinde kritik olan program doğrulama işlemini otomatikleştirerek hata riskini azaltmayı hedefliyor.

Araştırmacılar, büyük dil modellerinin mantıksal çıkarım yeteneklerini artıran doğrulayıcı sistemlerin karşılaştığı sorunları çözmek için yeni bir yaklaşım geliştirdi. AgentV-RL adlı sistem, geleneksel tek aşamalı doğrulama yerine, çok aşamalı ve araç destekli bir süreç kullanıyor. İki farklı ajan birlikte çalışarak çözümleri hem ileri hem geri yönde kontrol ediyor: biri öncüllerden sonuçlara, diğeri sonuçlardan öncüllere doğru izleme yapıyor. Bu çift yönlü yaklaşım, özellikle karmaşık hesaplama ve bilgi yoğun görevlerde daha güvenilir sonuçlar veriyor. Pekiştirmeli öğrenme ile güçlendirilen sistem, yanlış pozitif sonuçları azaltırken doğrulama sürecini daha şeffaf hale getiriyor. Geliştirme, yapay zeka sistemlerinin güvenilirliği konusundaki endişeleri ele alan önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, dijital donanım tasarımlarının test edilmesi sürecini otomatikleştiren yenilikçi bir yapay zeka sistemi geliştirdi. Spec2Cov adı verilen bu framework, büyük dil modellerini donanım simülatörleriyle birleştirerek, tasarım spesifikasyonlarından otomatik olarak test senaryoları üretiyor. Geleneksel donanım doğrulama süreci, tasarımın üretim için hazır olduğundan emin olmak için manuel testler ve uzun süreli analiz gerektiriyordu. Bu yeni yaklaşım, donanım mühendislerinin en zaman alıcı işlerinden biri olan 'kapsama kapanışı' sürecini büyük ölçüde hızlandırıyor. Sistem, yapay zeka aracıları arasında koordinasyon kurarak iteratif testler gerçekleştiriyor ve donanım tasarımlarının tüm özelliklerinin kapsamlı şekilde test edilmesini sağlıyor.

Akut miyeloid lösemi (AML), en ölümcül kan kanseri türlerinden biri olarak kabul edilir ve teşhisi oldukça zorludur. Bunun nedeni, farklı hücre tiplerinin görsel olarak birbirine çok benzemesidir. Araştırmacılar, YOLOv12 adlı gelişmiş yapay zeka modelini kullanarak bu zorluğu aştılar. Çalışmada, kan hücrelerinin mikroskobik görüntüleri üzerinde iki farklı segmentasyon yöntemi denendi. Hücre tabanlı segmentasyon ile Otsu eşikleme tekniğinin birleşimi, hem doğrulama hem de test aşamasında %99.3'lük etkileyici bir başarı oranı elde etti. Bu gelişme, kan kanseri teşhisinin hızlanması ve doğruluğunun artması açısından büyük önem taşıyor.