Araştırmacılar, geriye dönük stokastik diferansiyel denklemler ve derin öğrenme teknolojilerini birleştirerek yenilikçi bir Bayesian filtreleme yöntemi geliştirdi. Bu yaklaşım, karmaşık filtreleme problemlerini çözmek için doğrusal olmayan Feynman-Kac temsilini kullanıyor ve sinir ağları aracılığıyla yoğunluk fonksiyonlarını tahmin ediyor. Sistem çevrimdışı eğitildikten sonra yeni gözlemlerle gerçek zamanlı olarak çalışabiliyor. Matematiksel olarak kanıtlanmış hata sınırları ve sayısal örneklerle doğrulanmış yakınsama oranları, metodun güvenilirliğini gösteriyor. Bu gelişme, sinyal işleme, robot navigasyonu ve finansal modelleme gibi alanlarda daha hassas tahmin ve filtreleme imkanları sunuyor.

Güvenlik kritik sistemlerin erken geliştirme aşamalarında doğal dille yazılan gereksinimler, doğrulama için uygun formal özelliklere dönüştürülmesi zor belgeler oluşturuyor. Araştırmacılar, büyük dil modellerini kullanan yeni bir yaklaşım geliştirerek bu soruna çözüm getirdi. Geliştirilen otonom metodoloji, yapılandırılmamış şartnamelerden doğrulama için hazır özellikler otomatik olarak çıkarabiliyor. Sistem, gereksinim çıkarma, uyumluluk filtreleme ve formal özelliklere çeviri işlemlerini modüler bir yapıda birleştiriyor. Üç farklı senaryoda yapılan deneyler, sistemin %77.8 doğruluk oranıyla hem sözdizimsel hem de anlamsal olarak uyumlu formal özellikler ürettiğini gösteriyor.

Araştırmacılar, Deep-Reporter adlı yeni bir yapay zeka sistemi geliştirdi. Bu sistem, internetteki metin ve görsel kaynakları tarayarak, tıpkı uzman gazeteciler gibi uzun ve detaylı raporlar hazırlayabiliyor. Geleneksel AI sistemlerinin aksine, Deep-Reporter sadece metinle yetinmiyor; grafikleri, tabloları ve diğer görselleri de analiz ederek bunları raporda uygun şekilde konumlandırıyor. Sistem, üç ana bileşenden oluşuyor: çok modalı arama ve filtreleme, kontrol listesi rehberli sentez ve tekrarlayan bağlam yönetimi. Bu yenilik, AI'ın halüsinasyon sorununu azaltırken, ürettiği içeriklerin gerçek kaynaklara dayanmasını sağlıyor. Araştırmacılar ayrıca sistemlerini test etmek için M2LongBench adlı kapsamlı bir değerlendirme platformu da oluşturdular.

Araştırmacılar, önceden eğitilmiş görsel yapay zeka modellerini daha verimli hale getirmek için beyindeki nöronlardan ilham alan yeni bir yöntem geliştirdi. Spike-NVPT adı verilen bu teknik, sinir hücrelerinin çalışma prensibini taklit ederek gürültülü verilere karşı daha dayanıklı sonuçlar üretiyor. Geleneksel yöntemlerde yapay zeka modelleri gereksiz ayrıntılara odaklanarak hataya düşebilirken, bu yeni yaklaşım sadece önemli sinyalleri filtreleyerek daha güvenilir kararlar alıyor. Yöntem, nöronların elektriksel impulslarını biriktirme mekanizmasını kullanarak geçici gürültüleri süzüyor ve ardından bu bilgileri ikili kodlara dönüştürüyor. Bu süreç, modelin en ayırt edici özelliklere odaklanmasını sağlayarak performansını artırıyor.

Araştırmacılar, büyük dil modellerinin öneri sistemlerindeki performansını değerlendirmek için BLaIR adlı kapsamlı bir benchmark geliştirdi. Bu yeni sistem, 570 milyondan fazla Amazon incelemesi ve 48 milyon ürün verisiyle destekleniyor. Geleneksel öneri sistemleri metin tabanlı ürün özelliklerini etkili şekilde kullanmakta zorlanırken, büyük dil modelleri bu alanda umut vaat ediyor. Ancak bu modellerin öneri görevlerindeki davranışları henüz tam olarak anlaşılmamıştı. BLaIR, sıralı öneri, işbirlikçi filtreleme ve ürün araması gibi farklı senaryoları kapsayarak, dil modellerinin semantik kodlayıcı olarak etkinliğini ölçmeyi amaçlıyor. Bu gelişme, e-ticaret platformlarından müzik önerilerine kadar geniş bir kullanım alanında daha akıllı ve kişiselleştirilmiş öneri sistemlerinin geliştirilmesine katkı sağlayabilir.

Singapur Yönetim Üniversitesi ve GovTech Singapur'un ortak geliştirdiği TitanCA sistemi, büyük dil modellerini kullanarak yazılım güvenlik açıklarını tespit etmede çığır açtı. Sistem, birden fazla yapay zeka ajanını koordine ederek çalışıyor ve açık kaynak yazılımlarda 203 tane daha önce bilinmeyen güvenlik açığı keşfetti. Bu başarı, geleneksel güvenlik tarama araçlarının yüksek yanlış alarm oranları sorununa karşı umut verici bir çözüm sunuyor. Araştırmacılar, eşleştirme, filtreleme, inceleme ve uyarlama olmak üzere dört modülden oluşan mimariyi kullandılar ve 118 CVE (Common Vulnerabilities and Exposures) kaydı elde ettiler.

Araştırmacılar, görsel-dil modellerinin eğitimi için kaliteli veri seçiminde yeni bir yaklaşım geliştirdi. DOSE adlı bu yöntem, önceden eğitilmiş modelleri kullanarak hedef veriler üzerinde hiç eğitilmemiş olan yapay zeka sistemlerinin, daha büyük modeller için uygun eğitim örneklerini belirleyebileceğini gösteriyor. Mevcut çok modlu veri setleri genellikle gürültülü, tekrarlayan ve zayıf hizalanmış örnekler içeriyor. Geleneksel filtreleme yöntemleri ekstra hesaplama maliyeti getirirken, DOSE bu sorunu çözmek için raf dışı modelleri kullanıyor. Bu yaklaşım, metin kalitesi ve görsel-metin uyumunu değerlendirerek bilgilendirici örnekleri seçiyor.

Araştırmacılar, gürültülü ve eksik verilerin bulunduğu ortamlarda daha doğru tahminler yapabilmek için yeni bir matematiksel filtreleme yöntemi geliştirdi. Bu yöntem, Fokker-Planck denklemini derin öğrenme teknikleriyle birleştirerek, özellikle yüksek boyutlu problemlerde etkili çözümler sunuyor. Geleneksel filtreleme algoritmalarının aksine, bu yaklaşım boyut sayısının artmasıyla karşılaşılan zorlukları aşmak için örnekleme tabanlı bir yaklaşım kullanıyor. 10 boyutlu nonlineer bir örnekle test edilen sistem, hem teorik hem de pratik açıdan başarılı sonuçlar verdi. Bu gelişme, otonom araçlardan finansal risk analizine kadar pek çok alanda kullanılan filtreleme sistemlerinin performansını artırabilir.

Araştırmacılar, dijital iletişim sistemlerinde sinyal kalitesini bozan faz gürültüsü sorununa karşı yeni bir çözüm geliştirdi. Sum-product algoritması (SPA) tabanlı bu yöntem, fiber optik kablolar ve kablosuz haberleşme kanallarında daha temiz veri iletimi sağlıyor. Geleneksel lineer filtreleme yöntemlerine göre benzer hesaplama karmaşıklığıyla daha yüksek bilgi aktarım hızları elde eden sistem, özellikle semboller arası girişim yaşanan kanallarda etkili sonuçlar veriyor. Yöntem, fiber optik haberleşme, çok yollu kanal sistemleri ve OFDM teknolojisi kullanan kablosuz ağlarda test edildi ve her üçünde de performans artışı gösterdi.

Araştırmacılar, robot sürülerinin zorlu koşullarda daha hassas konum ve durum tespiti yapabilmesi için yeni bir yöntem geliştirdi. 'Greedy Kalman-Swarm' adı verilen bu teknik, robotların merkezi bir kontrol sistemi olmadan birbirlerinden öğrenerek daha doğru pozisyon bilgisi elde etmelerini sağlıyor. Geleneksel Kalman filtreleme yöntemlerini geliştiren bu yaklaşım, her robotun çevresindeki diğer robotlardan aldığı bilgileri kullanarak kendi konum tahminini iyileştirmesine dayanıyor. Sistem, ağır iletişim protokollerine gerek duymadan yerel düzeyde çalışarak, gerçek dünya uygulamalarında daha pratik çözümler sunuyor. Bu gelişme özellikle arama-kurtarma operasyonları, çevresel izleme ve otonom araç filosu yönetimi gibi alanlarda önemli ilerlemeler sağlayabilir.

Araştırmacılar, metal-organik çerçevelerin (MOF) tasarımını hızlandıran hibrit yapay zeka sistemi EGMOF'u geliştirdi. Sistem, difüzyon ve transformer modellerini birleştirerek hedeflenen özelliklere sahip malzemeleri minimal veriyle üretebiliyor. Geleneksel yöntemlerin aksine her yeni özellik için yeniden eğitim gerektirmeyen modüler yapısı, malzeme biliminde büyük bir ilerleme vaat ediyor. Hidrojen depolama testlerinde %94'ün üzerinde başarı elde eden sistem, enerji depolama teknolojilerinden endüstriyel filtrelemeye kadar pek çok alanda kullanılabilir.