Geleneksel yapay zeka sistemleri, sorulara yanıt ararken belgeler arasında körlemesine arama yapar. Araştırmacılar, bu sorunu çözmek için yeni bir yaklaşım geliştirdi: Corpus2Skill. Bu sistem, belge koleksiyonlarını hiyerarşik bir harita haline getirerek yapay zekaya hangi yönde arama yapacağını öğretiyor. Tıpkı bir kütüphaneci gibi, sistem önce genel kategorilere bakıyor, sonra detaylara iniyor ve gerektiğinde geri dönebiliyor. Bu yöntem, dağınık bilgi parçalarını bir araya getirme konusunda çok daha başarılı sonuçlar veriyor.

Araştırmacılar, büyük dil modellerinin veri çıkarma işlemlerini dramatik şekilde hızlandıran yeni bir algoritma geliştirdi. Hyper-Parallel Decoding (HPD) adı verilen bu yöntem, geleneksel sıralı işlem yaklaşımını terk ederek paralel hesaplama kullanıyor. Özellikle belge analizi ve öznitelik çıkarma görevlerinde, algoritma aynı anda birden fazla bağımsız metin dizisi üretebiliyor. Bu breakthrough, yapay zeka modellerinin hem maliyet hem de zaman açısından verimliliğini önemli ölçüde artırıyor. Tek bir komut içinde 96 tokena kadar paralel işlem yapabilen sistem, tüm büyük dil modelleriyle uyumlu çalışıyor ve inferans maliyetlerini 13,8 kata kadar düşürebiliyor.

Fizikçiler, plazma fiziğinde kullanılan gyrokinetik simülasyonlar için yeni bir yarı-doğrusal akı modeli geliştirdi. Bu model, geleneksel yöntemlerin aksine doğrusal çerçeve içinde tamamen kendi kendine yeterli çalışabiliyor ve doğrusal olmayan simülasyonlara ya da karışım uzunluğu tahminlerine ihtiyaç duymuyor. Çok ölçekli gyrokinetik sıralama ilişkileri kullanılarak doyum genliği benzersiz şekilde belirleniyor. Model özellikle benzer iyon ve elektron sıcaklık gradyentlerine sahip sistemlerde başarılı sonuçlar veriyor ve hem dalga sayısı bağımlılığında hem de mutlak büyüklükte doğrusal olmayan simülasyon sonuçlarını doğru şekilde yeniden üretebiliyor.

Hukuk dünyasında devrim yaratabilecek yeni bir yapay zeka sistemi geliştirildi. Araştırmacılar, mahkeme kararları ve yasal belgeleri otomatik olarak sınıflandırabilen bir model tasarladı. Sistem, 25 bin hukuki belge üzerinde test edildi ve %97,26 doğruluk oranına ulaştı. Geleneksel yöntemlerin aksine, bu model çok daha hızlı çalışıyor ve hata oranını minimuma indiriyor. Özellikle karmaşık hukuki dil yapısı ve uzmanlaşmış terminolojiye rağmen yüksek başarı gösteriyor. BERT gibi güçlü modelleri bile geride bırakan sistem, hafif yapısıyla dikkat çekiyor. Bu gelişme, hukuk bürolarındaki belge inceleme süreçlerini hızlandırabilir ve hataları azaltabilir.

Büyük dil modelleri tabanlı yapay zeka ajanları, Model İletişim Protokolü (MCP) sayesinde çok sayıda dış araca erişebiliyor. Ancak belirli bir görev için hangi araçların kullanılacağını seçmek karmaşık bir süreç. Araştırmacılar bu sorunu çözmek için Task2MCP adında yeni bir veri seti geliştirdi. Bu sistem, geliştiricilerin projelerine en uygun MCP sunucularını bulmasına yardımcı oluyor. Çalışma, semantik uygunluk ve teknik kısıtları birlikte değerlendirerek strukturel bir öneri-sıralama yaklaşımı kullanıyor. Bu gelişme, yapay zeka ajanlarının daha verimli çalışması ve doğru araçları seçmesi açısından önemli bir adım.

Araştırmacılar, büyük dil modellerinin dikkat ağırlıklarını kullanarak belgeleri yeniden sıralamanın yeni bir yolunu geliştirdi. HeadRank adlı bu sistem, geleneksel yaklaşımların aksine metin üretme gerektirmeden çalışıyor ve böylece çok daha hızlı sonuçlar veriyor. Sistem, dikkat puanlarının orta seviye belgelerde benzerleşme sorunu yaşamasını çözmek için özel algoritmalar kullanıyor. Sadece 211 eğitim sorgusuyla test edilen HeadRank, 14 farklı değerlendirme kriterinde mevcut yöntemleri geride bıraktı. Bu gelişme, arama motorları ve bilgi erişim sistemlerinde önemli hız artışları sağlayabilir.

Büyük dil modelleri (LLM'ler) karar verme süreçlerinde hâlâ çeşitliliği sağlamakta zorlanıyor ve bu durum yetersiz keşif, yerel optimumlarda takılma gibi sorunlara yol açıyor. Araştırmacılar, Multi-Armed Bandit ve metin macera oyunları gibi ortamlarda mevcut çözüm stratejilerinin yetersiz kaldığını tespit etti. Sıcaklık ölçekleme gibi yöntemler token düzeyinde rastgelelik sağlasa da sekans düzeyinde yeterli çeşitliliği üretemiyor. Chain-of-Thought ve Tree-of-Thought gibi popüler yöntemler de güçlü keşif için yetersiz kalıyor. Bu sorunları çözmek için geliştirilen DORA Explorer, eğitime ihtiyaç duymayan ve eylem çeşitliliği odaklı sıralama yapan yenilikçi bir çerçeve sunuyor.

Araştırmacılar, sosyal medya ve forum gibi kullanıcı tarafından oluşturulan içerik platformlarında yapay zeka destekli arama sistemlerinin etkinliğini artıran yeni bir model geliştirdi. R3A adlı bu sistem, belirsiz kullanıcı sorularını daha iyi anlayarak ve cevap içeren belge bölümlerini hassas bir şekilde tespit ederek arama sonuçlarının kalitesini önemli ölçüde iyileştiriyor. Geleneksel arama sistemlerinin aksine, R3A kullanıcının gerçek amacını popüler içeriklerden yola çıkarak çıkarsamaya çalışıyor ve ilgili belgelerdeki cevap barındıran küçük parçaları belirlemeye odaklanıyor. Bu yaklaşım, özellikle kullanıcı geri bildiriminin sınırlı olduğu durumlarda büyük avantaj sağlıyor.

Bilim insanları, süpernova patlamalarından yayılan nötrinoları kullanarak evrenin en büyük gizemlerinden biri olan nötrino kütlesi sıralamasını çözmeye çalışıyor. SNEWPY yazılım paketinden alınan verilerle yapılan yeni çalışmada, üçlü grafikler kullanılarak nötrinoların zaman içindeki davranışları analiz edildi. Normal ve ters kütle sıralaması olarak adlandırılan iki farklı düzenin, grafiksel analizde farklı bölgelerde kümelendiği keşfedildi. Bu bulgular, gelecekte gerçekleşecek süpernova patlamalarının gözlemlenmesiyle nötrino fizikdeki temel soruların yanıtlanabileceğini gösteriyor.

Makine çevirilerinin kalitesini değerlendirmede insan değerlendirmesi altın standart sayılır, ancak karmaşık kurulum süreçleri nedeniyle genellikle otomatik metrikler tercih edilir. Araştırmacılar, bu sorunu çözmek için Pearmut adlı yeni bir platform geliştirdi. Platform, çok dilli doğal dil işleme görevlerinin insan tarafından değerlendirilmesini otomatik değerlendirme kadar kolay hale getiriyor. DA, ESA ve MQM gibi standart protokolleri destekleyen sistem, belge düzeyinde bağlam analizi, mutlak ve karşılaştırmalı değerlendirme özellikleri sunuyor. Bu gelişme, model geliştirme süreçlerinde güvenilir insan değerlendirmesini rutin bir bileşen haline getirebilir.

Stanford araştırmacıları, uzun düşünce zinciri (Chain-of-Thought) yöntemleriyle eğitilmiş yapay zeka modellerinin insan etiketleme çeşitliliğini modellemede sınırlı kaldığını ortaya koydu. Tek cevaplı görevlerde başarılı olan bu modeller, belirsizlik içeren durumları çözmek yerine belirsizliği yakalamayı gerektiren görevlerde zorlanıyor. Araştırma, düşünce zincirinin nihai doğruluğu belirlerken, dağılımsal sıralamanın model önyargıları tarafından yönlendirildiğini gösteriyor. Bu bulgular, AI'ın insan benzeri belirsizlik değerlendirmesi konusundaki sınırlarını açığa çıkarıyor.