Araştırmacılar, çoklu yapay zeka sistemlerinin karmaşık hatalarını otomatik olarak tespit edebilen ErrorProbe adlı yeni bir framework geliştirdi. Büyük dil modellerine dayalı çok-ajanlı sistemler karmaşık problemleri çözebilme kabiliyeti sunarken, uzun etkileşim zincirleri ve ajanlar arası bağımlılıklar nedeniyle hata ayıklama süreçleri oldukça zorlaşıyor. Mevcut tanı yöntemleri pahalı uzman değerlendirmelerine ya da 'LLM-hakim' yaklaşımlarına dayanıyor ve genişletilmiş bağlamlarda kritik hata adımlarını belirlemekte yetersiz kalıyor. Yeni sistem, sorumlu ajanları ve hata kaynağını belirleyebilen üç aşamalı bir süreç kullanıyor: yerel anormallikleri tespit etme, belirtiye dayalı geriye dönük iz sürme ve özel bir çok-ajanlı ekiple hata hipotezlerini doğrulama. Bu gelişme, yapay zeka sistemlerinin güvenilirliğini artırarak daha karmaşık uygulamalarda kullanımını kolaylaştıracak.

Araştırmacılar, yapay zeka modellerinin bilimsel iddiaları kanıtlarla karşılaştırma becerisini test etmek için 469 bin örnek içeren kapsamlı bir veri seti oluşturdu. M2-Verify adlı bu çalışma, PubMed ve arXiv'den toplanan verilerle 16 farklı bilim alanını kapsıyor. Sonuçlar oldukça çarpıcı: En gelişmiş AI modelleri bile basit tıbbi durumlarda %85,8 başarı gösterirken, karmaşık anatomik değişikliklerde bu oran %61,6'ya düşüyor. Daha da önemlisi, modeller bilimsel açıklamalar yaparken halüsinasyonlar üretiyor ve tutarsız sonuçlar veriyor. Bu bulgular, bilimsel araştırmalarda AI kullanımının henüz tam güvenilir olmadığını gösteriyor ve gelecekteki geliştirmeler için önemli bir yol haritası sunuyor.

Ohio'da yapılan yeni bir araştırma, aksanların sadece coğrafi konumla değil, kişisel kimlikle de şekillendiğini ortaya koydu. Kırsal bölgelerde yaşayan ve 'taşralı' kimliğe sahip erkeklerin sesli harf telaffuzları, aynı bölgede yaşayan ancak farklı ilgi alanlarına sahip komşularından belirgin şekilde farklıydı. Av, silah ve country müzik seven erkeklerle tiyatro, golf ve rock müziği tercih edenlerin konuşma kalıpları arasında ölçülebilir farklar tespit edildi. Bu bulgular, dilin sosyal kimlik inşasındaki rolünü gözler önüne seriyor ve aksanın coğrafyadan çok kişisel tercihlerle şekillenebileceğini gösteriyor. Sosyolinguistik alanda önemli bir keşif olan bu çalışma, konuşma kalıplarının toplumsal aidiyeti nasıl yansıttığına dair yeni perspektifler sunuyor.

Kuantum fiziğinin en şaşırtıcı olaylarından biri olan Aharonov-Bohm etkisi, parçacıkların hiç maruz kalmadıkları güçlerden etkilenmesini açıklıyor. 1959'da öngörülen bu etki, elektronların manyetik alan içinden geçmeden bu alandan etkilenmesini tanımlıyor. Ancak bu fenomeni deneysel olarak doğrulamak son derece zordu. Okinawa Bilim ve Teknoloji Enstitüsü araştırmacıları, Oslo Üniversitesi ve Universidad Adolfo Ibáñez ile işbirliği yaparak, bu kuantum etkisini basit bir su tankı kullanarak simüle etmeyi başardı. Klasik akışkan dinamiği kullanarak gerçekleştirilen bu deney, kuantum mekaniğinin karmaşık özelliklerini anlamak için yeni bir yaklaşım sunuyor ve beklenmedik dalga desenlerini ortaya çıkarıyor.

Modern sistem çipleri (SoC) milyarlarca transistör içeren karmaşık yapılardır ve bu çiplerdeki bileşenler arası iletişimi anlamak kritik önem taşır. Araştırmacılar, karmaşık çip tasarımlarındaki mesaj akışlarını analiz eden AutoFlows++ adlı yeni bir yapay zeka sistemi geliştirdi. Bu sistem, çip bileşenleri arasındaki iletişim izlerini hiyerarşik bir yaklaşımla analiz ederek, daha önce çözülmesi zor olan karmaşık mesaj kalıplarını tespit edebiliyor. Sistem, çip doğrulama, performans analizi ve hata ayıklama süreçlerinde devrim yaratma potansiyeli taşıyor.

Araştırmacılar, USB Rubber Ducky gibi cihazlarla yapılan siber saldırıları tespit etmek için yeni bir yöntem geliştirdi. Bu saldırılar, bilgisayarların insan girdilerine güvenme özelliğini kötüye kullanarak otomatik tuş vuruşları enjekte ediyor. Mevcut savunma yöntemleri hız ve zamanlama temelli basit heuristiklere dayandığından kolayca atlatılabiliyor. Yeni yaklaşım, klavye dinamiklerini analiz ederek insan ve makine arasındaki farkları belirlemeye odaklanıyor. Bu çalışma, geleneksel davranışsal kimlik doğrulama yerine otomatik enjeksiyonu tespit etmeyi hedefliyor ve gizlilik endişelerini minimize ediyor. Siber güvenlik alanında önemli bir adım olan bu araştırma, HID emülasyon saldırılarına karşı daha etkili korunma yöntemleri geliştirilmesini sağlayabilir.

Araştırmacılar, büyük dil modellerini (LLM) temel alan yapay zeka ajanlarının otomatik yazılım analizi görevlerindeki başarısını ölçmek için AnalysisBench adlı yeni bir kıyaslama sistemi geliştirdi. Yazılım analizi araçlarının çeşitli açık kaynak projelere uygulanması, ortam kurulumu, bağımlılık çözümü ve araç yapılandırması gibi karmaşık süreçler nedeniyle oldukça zor bir görevdir. Bu çalışmada, 7 farklı analiz aracı ve 10 çeşitli C/C++ ile Java projesini kapsayan 35 araç-proje çifti üzerinde dört farklı ajan mimarisi test edildi. Özel olarak geliştirilen AnalysisAgent'ın manuel doğrulama ile yüksek başarı oranları elde ettiği rapor edildi. Bu araştırma, yapay zeka ajanlarının karmaşık yazılım geliştirme süreçlerini otomatikleştirme potansiyelini gösteriyor.

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, metin tabanlı kişi tanıma sistemleri için tamamen sentetik veri kullanmanın etkinliğini araştıran kapsamlı bir çalışma gerçekleştirdi. Geleneksel yöntemler, gerçek kişi fotoğrafları ve manuel açıklamalar gerektirdiği için mahremiyet endişeleri ve yüksek maliyetler doğururken, yeni yaklaşım bu sorunları çözmeyi hedefliyor. Çalışma, gerçek veriye hiç ihtiyaç duymadan çeşitli kimlik merkezli görüntüler üretebilen birleşik bir sentetik veri üretim pipeline'ı öneriyor. Bu yaklaşım, otomatik prompt oluşturma stratejileri kullanarak sınıflar arası görüntü üretimi gerçekleştiriyor. Araştırma, sentetik verinin çeşitli gerçek dünya senaryolarındaki etkinlik sınırlarını sistematik olarak incelemeyi amaçlıyor ve bu alanda ilk kapsamlı deneysel çalışma niteliği taşıyor.

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.