Büyük dil modelleri, metin üretirken yaptıkları hataları genellikle düzeltemez ve sonraki adımlarda bu hatalar daha da büyür. Araştırmacılar, bu soruna çözüm olarak 'Latent Phase-Shift Rollback' (LPSR) adlı yeni bir yöntem geliştirdi. Bu teknik, yapay zekanın düşünce sürecini gerçek zamanlı olarak izleyerek hatalı adımları tespit ediyor ve modeli doğru yola yönlendiriyor. LPSR, matematik problemlerinde %44 başarı oranına ulaşarak, standart yöntemlerin %28,8'lik performansını önemli ölçüde geçti. En dikkat çekici yanı, hiçbir ek eğitim gerektirmemesi ve mevcut modellere kolayca entegre edilebilmesi.

Fizikçiler, kuantum mekaniğinin temel bir paradoksuna şaşırtıcı bir çözüm buldu. Kapalı kuantum sistemler tersine çevrilebilir evrimleşirken, açık sistemler çevreleriyle etkileşim halinde bilgi kaybederek geri döndürülemez değişimlere uğrar. Araştırmacılar, saf yıkıcı süreçler kullanarak içsel Hamiltonian dinamiğinin 'taklit edilebileceğini' gösterdi. Bu çalışma, tutarlı Hamiltonian bileşeni olmayan ancak sıfır olmayan atlama operatörlerine sahip sistemlerin, belirli hata payları içinde Hamiltonian dinamiklerini yaklaştırabildiğini kanıtlıyor. Bulgular, kuantum sistemlerin davranışlarına dair temel anlayışımızı genişletiyor ve kuantum hesaplama ile bilgi işleme alanlarında yeni olanaklar sunuyor.

Araştırmacılar, otonom yapay zeka ajanlarının ihtiyaçları doğrultusunda özel olarak tasarlanmış dallanabilir veritabanlarını değerlendirmek için BranchBench adında yeni bir ölçüt sistemi geliştirdi. Geleneksel veritabanı yönetim sistemleri, yapay zeka ajanlarının spekülatif değişiklikler yapması ve doğrusal olmayan durum keşfi gereksinimleriyle başa çıkmakta yetersiz kalıyor. Bu sistem, yazılım mühendisliği, hata reproduksiyonu, veri küratörlüğü, Monte Carlo ağaç arama ve simülasyon gibi beş farklı yapay zeka iş yükünü karakterize ediyor ve dal-mutasyon-değerlendirme döngülerini yansıtan parametreli makro testler tasarlıyor.

Araştırmacılar, insan beyninin konuşmayı anlama ve üretme döngüsünden esinlenen TokenChain adlı yeni bir yapay zeka sistemi geliştirdi. Bu sistem, konuşma tanıma (ASR) ve konuşma sentezi (TTS) teknolojilerini birlikte eğiterek her ikisinin performansını artırıyor. TokenChain, tamamen dijital token tabanlı bir yaklaşım kullanarak, metni anlam tokenlarına dönüştüren ve bu tokenlardan ses üreten iki aşamalı bir süreç izliyor. LibriSpeech veri setinde yapılan testlerde sistem, geleneksel yöntemlere göre 2-6 epoch daha erken hedef doğruluğa ulaştı ve aynı eğitim süresinde %5-13 daha düşük hata oranı gösterdi. TED-LIUM veri setindeki denemelerde ise konuşma tanıma hatalarını %56, metin-konuşma sentez hatalarını %31 oranında azalttı. Bu gelişme, yapay zeka sistemlerinin daha verimli konuşma işleme yetenekleri kazanmasına katkı sağlıyor.

Araştırmacılar, büyük dil modellerinin kod güvenlik açıklarını onarma yeteneklerini artıran yeni bir hibrit sistem geliştirdi. SynthFix adlı bu sistem, yapay zeka ile sembolik programlama yaklaşımlarını birleştirerek, geleneksel yöntemlere göre %32'ye varan başarı artışı sağladı. Sistem, geliştiricilerin çalışma mantığını taklit ederek, hem yaygın hata kalıplarını öğreniyor hem de karmaşık durumlar için derleyici geri bildirimlerini kullanıyor. Bu gelişme, yazılım güvenliğinde otomasyonun artırılması açısından önemli bir adım.

Araştırmacılar, kuantum bilgisayarlarda karmaşık fizik sistemlerinin temel durumlarını hesaplamak için yeni bir algoritma geliştirdi. Deterministic Quantum Imaginary Time Evolution (QITE) adlı bu yöntem, iki boyutlu kafes ayar teorilerinde başarıyla test edildi. Algoritma, geleneksel yöntemlere kıyasla %0,1'den az hata oranıyla çalışabiliyor ve ölçüm maliyetlerini önemli ölçüde azaltıyor. Bu gelişme, kuantum bilgisayarların yüksek enerji fiziği ve kondense madde fiziği alanlarında pratik uygulamalar için kullanılabilmesinin önünü açıyor. Çalışma, kuantum simülasyonlarının doğruluğunu artırmada önemli bir adım olarak değerlendiriliyor.

MIT araştırmacıları, sınıf ortamında yapılan konuşmalarda özel isimleri ve terimleri daha doğru tanıyan yeni bir sistem geliştirdi. Mevcut ses tanıma teknolojileri genel konuşmalarda başarılı olsa da, kişi isimleri ve özel terimler söz konusu olduğunda hata oranları yükseliyor. Bu durum özellikle eğitim ortamlarında sorun yaratıyor çünkü bu kelimeler genellikle en kritik bilgileri içeriyor. Yeni sistem, büyük dil modellerinin dünya bilgisi ve mantık yürütme yeteneklerini fonetik ve anlamsal bağlamla birleştirerek hataları düzeltiyor. MIT ders kayıtlarından oluşan 45 saatlik veri setiyle test edilen sistem, özel isim ve terim tanımada hata oranını yüzde 30 oranında düşürmeyi başardı. Bu gelişme, otomatik transkripsiyon sistemlerinin eğitim teknolojilerinde daha etkili kullanılmasının önünü açıyor.

İngiltere'de tren istasyonlarında engelli yolcular için sunulan yardım hizmetleri, yapay zeka destekli bir sistem sayesinde çok daha verimli hale geliyor. Araştırmacılar, farklı istasyonlarda ve zamanlarda değişen yardım taleplerini tahmin edebilen bir karar destek sistemi geliştirdi. Prophet adlı makine öğrenmesi modelini kullanan sistem, personel planlamasında yüzde 76,9'a kadar hata oranını azaltmayı başardı. LNER tren şirketinin istasyonlarında aktif olarak kullanılan sistem, çok kaynaklı operasyonel verileri analiz ederek gelecekteki talepleri öngörüyor. Sistem ayrıca kırmızı-sarı-yeşil risk çerçevesi ile personel gereksinimlerini görsel olarak sunarak, istasyon yöneticilerinin daha iyi kararlar almasını sağlıyor. Bu yaklaşım, sadece maliyetleri düşürmekle kalmayıp engelli yolcuların daha kaliteli hizmet almasına da katkıda bulunuyor.

Araştırmacılar, mühendislik ve fizik alanlarında sıkça karşılaşılan Dirichlet sınır kontrol problemleri için gelişmiş bir matematiksel çözüm yöntemi sunuyor. Çalışma, iki boyutlu geometrik şekillerde Poisson denkleminin kontrolünü ele alıyor ve bu tür problemlerin bilgisayar ortamında daha verimli çözümüne olanak tanıyan numerik bir yaklaşım öneriyor. Crouzeix-Raviart sonlu elemanlar yöntemiyle birlikte parçalı sabit kontroller kullanarak, optimal hata tahminleri elde etmeyi başaran bu yaklaşım, mühendislik tasarımından iklim modellemesine kadar birçok alanda uygulanabilir. Özellikle sınır koşullarının kontrolünün kritik olduğu sistemlerde önemli pratik faydalar sunabilir.

Araştırmacılar, kuantum bilgisayarlarda hata düzeltme için yeni bir kod ailesi olan 'radyal kodları' geliştirdi. Bu kodlar, mevcut yüzey kodlarına kıyasla benzer hata bastırma performansı gösterirken yaklaşık beş kat daha az fiziksel kübit kullanıyor. Tek seferde çözülebilen bu kodlar, kuantum bilgisayarların çalışma hızını artırabilir ve karmaşıklığını azaltabilir. Klasik yarı-döngüsel kodların özel bir alt kümesinden türetilen radyal kodlar, ayarlanabilir parametreleri ve kompakt yapısı sayesinde kuantum bellek uygulamaları için umut vaat ediyor. Bu gelişme, kuantum bilgisayarların pratik kullanımına yönelik önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, belirsizlik içeren sistemlerin kontrolü için yenilikçi bir yaklaşım geliştirdi. Geleneksel yöntemler, sistemi etkileyen dış faktörlerin (gürültü, bozucu etkiler) matematiksel dağılımlarını önceden bilmeyi gerektiriyordu. Yeni yaklaşım ise 'konformal tahmin' adı verilen bir teknikle, bu dağılımları öğrenmeden de güvenli kontrol sağlayabiliyor. Sistem, geçmiş hata verilerinden öğrenerek gelecekteki belirsizlikleri tahmin ediyor ve buna göre güvenlik sınırlarını belirliyor. Bu yaklaşım, otonom araçlardan endüstriyel süreç kontrolüne kadar birçok alanda daha güvenilir ve esnek kontrol sistemleri geliştirilmesini mümkün kılıyor. Araştırma, hem tam bilgi hem de sınırlı sensör verisiyle çalışabilen çözümler sunuyor.