Bilim insanları, yapay zeka modellerinin karşılaştığı en büyük sorunlardan birini çözmek için yeni bir yaklaşım geliştirdi. Geleneksel AI modelleri yeni görevler öğrenirken eskiden öğrendiklerini unutma eğilimindedir - bu duruma 'katastrofik unutma' denir. Araştırmacılar, özellikle akışkanlar dinamiği gibi karmaşık fizik problemleri için tasarlanan SLE-FNO adlı yeni bir mimari sundular. Bu sistem, tek katman uzantısı kullanarak modelin sürekli öğrenme yeteneğini artırıyor ve geçmiş bilgileri kaybetmeden yeni koşullara uyum sağlamasını mümkün kılıyor. Geliştirilen yöntem, farklı geometriler, sınır koşulları veya akış rejimlerindeki değişikliklere karşı daha esnek çözümler sunabiliyor.

Araştırmacılar, ince film akışlarını modellemek için kullanılan Keyfitz-Kranzer tipi denklem sistemleri için küresel zayıf entropi çözümlerinin varlığını matematiksel olarak kanıtladı. Bu çalışma, özellikle yağlama teorisi ve ince film akış dinamiklerinin anlaşılmasında önemli bir adım. Ekip, bu birinci mertebe denklem sistemleri için entropi/entropi-akı çiftleri ailesini tanımladı ve yüksek mertebeli dağılım operatörleriyle motive edilen ikinci mertebe yaklaşık sistem geliştirdi. Durum uzayında değişmez bir bölge belirleyerek, yaklaşık sistem çözümlerinin dizisi için öncül sınırlar türetti. Riemann değişmezleriyle ilişkili denklemlerin parabolik ve taşınım yapısını kullanarak, kaybolma-difüzyon limitini titizlikle haklı çıkardı ve birinci mertebe sistemler için Cauchy probleminin zayıf entropi çözümlerinin varlığını kurdu.

Büyük dil modellerinin mantık yürütme yeteneklerini geliştirmek için kullanılan pekiştirmeli öğrenme, önemli bir ikilemle karşı karşıya: Kolay problemlerle eğitim aşırı öğrenmeye, zor problemlerle eğitim ise yetersiz geri bildirimlere yol açıyor. Araştırmacılar bu sorunu çözmek için PieceHint adlı yeni bir çerçeve geliştirdi. Bu sistem, eğitim sırasında kritik mantık adımlarını stratejik olarak belirleyip, öğrenme sürecinde uygun ipuçları sağlıyor. Geleneksel yöntemlerden farklı olarak, her adımın önemini skorlayarak problem zorluğuna göre ipucu dağıtımı yapıyor ve zamanla bu desteği kademeli olarak azaltıyor. Bu yaklaşım, modellerin rehberli öğrenmeden bağımsız mantık yürütmeye geçişini sağlıyor. Yapay zeka sistemlerinin daha etkili öğrenmesi için önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, düşük çözünürlüklü görüntüleri yapay zeka ile yüksek kaliteye dönüştüren Bird-SR adlı yenilikçi bir sistem geliştirdi. Bu teknoloji, geleneksel yöntemlerden farklı olarak hem sentetik hem de gerçek dünya görüntüleri üzerinde eğitilerek, pratikte karşılaşılan kalite sorunlarını çözmeyi hedefliyor. Sistem, difüzyon modellerinin güçlü detay üretme kabiliyetini ödül tabanlı öğrenme ile birleştirerek, özellikle gerçek fotoğraflarda daha başarılı sonuçlar elde ediyor. Bu gelişme, fotoğraf editörlerinden tıbbi görüntülemeye kadar birçok alanda devrim yaratabilir.

Fizikçiler, difüzyon modelleri adı verilen yapay zeka tekniklerini kullanarak leptonların (elektron, müon ve nötrinolar) flavor yapısını araştırmak için yenilikçi bir yöntem geliştirdi. Standart Model'in basit bir uzantısını kullanan araştırmacılar, sinir ağlarını nötrino kütle matrisini üretmek için eğittiler. Transfer öğrenme tekniği sayesinde, nötrino kütle karelerinin farkları ve leptonik karışım açıları ile tutarlı 10.000 çözüm üretebildiler. Bu yaklaşım, parçacık fiziğindeki temel sorulara yapay zekanın nasıl ışık tutabileceğini gösteriyor ve gelecekteki deneylerde doğrulanabilir tahminler sunuyor.

Yapay zeka alanında yeni nesil büyük dil modelleri olan difüzyon dil modellerinin (DLM) beklenmedik bir sorunu keşfedildi. Araştırmacılar, bu modellerin aynı soruya farklı zamanlarda verdikleri yanıtların tutarsız olabildiğini, ancak geleneksel değerlendirme yöntemlerinin bu kararsızlığı maskelediğini ortaya koydu. Mevcut test sistemleri, binlerce örneğin ortalamasına bakarak modelin genel performansını ölçüyor, böylece bireysel örneklerdeki büyük farklılıklar gözden kaçıyor. Bu durum, aynı genel performansa sahip iki model konfigürasyonunun, tekil sorularda tamamen farklı davranabilmesi anlamına geliyor. Araştırma ekibi, her bir örneği ayrı ayrı inceleyerek modellerin ne kadar tutarsız olduğunu daha detaylı ölçen yeni bir değerlendirme sistemi geliştirdi.