Araştırmacılar, tablo verilerini analiz etmek için yeni bir yapay zeka sistemi geliştirdi. ReSS adlı bu sistem, sembolik mantık ile büyük dil modellerini birleştirerek hem yüksek doğruluk hem de anlaşılır açıklamalar sunuyor. Sistem, karar ağaçlarından elde edilen mantıksal yolları kullanarak, yapay zekanın verdiği kararları insan dilinde açıklayabiliyor. Sağlık ve finans gibi kritik alanlarda kullanılmak üzere tasarlanan bu yaklaşım, yapay zekanın şeffaflık sorununa önemli bir çözüm getiriyor. Geleneksel sembolik modellerin katı mantığı ile modern dil modellerinin esnekliğini harmanlayan sistem, özellikle hassas kararlar gerektiren uygulamalar için büyük önem taşıyor.

Büyük akıl yürütme modellerinin (LRM'ler) karmaşık problemleri çözmedeki başarısı arttıkça, bu sistemlerin ne kadar 'emin' oldukları kritik bir soru haline geliyor. Araştırmacılar, geleneksel belirsizlik ölçüm yöntemlerinin yetersiz kaldığını ve akıl yürütme sürecini göz ardı ettiğini keşfetti. Yeni geliştirilen konformal tahmin yöntemi, yapay zekanın mantıksal çıkarım kalitesi ile nihai cevabın doğruluğu arasındaki farkı ayırt edebiliyor. Bu gelişme, yapay zeka sistemlerinin güvenilirliğinin artırılması ve belirsizlik yönetimi açısından büyük önem taşıyor.

Yapay zeka modellerinin yeni görevleri örneklerden öğrenmesini sağlayan 'bağlam içi öğrenme' yöntemi, sadece metinle çalışırken başarılı olsa da görsel ve metinsel verileri birlikte işlerken zorlanıyor. Araştırmacılar, çok modlu büyük dil modellerinin neden tek modal karşılıklarından daha zayıf performans sergilediğini sistematik olarak inceledi. Bulgular, mevcut modellerin görsel ve metinsel temsiller arasında mantıksal düzeyde yeterli hizalamaya sahip olmadığını ve öğrenilen görev eşlemelerini güvenilir şekilde aktaramadığını gösteriyor. Bu keşif, yapay zeka sistemlerinin farklı veri türlerini daha etkili şekilde birleştirmesi için gereken iyileştirmelere ışık tutuyor.

Araştırmacılar, yapay zeka sistemlerinin gerçek web ortamındaki karmaşık arama görevlerini ne kadar iyi yerine getirdiğini ölçmek için MERRIN adlı yeni bir test platformu geliştirdi. Bu platform, AI ajanlarının metin, görsel, ses ve video gibi farklı veri türlerini bir araya getirerek çok adımlı mantıksal çıkarımlar yapabilme yeteneklerini değerlendiriyor. Geleneksel test sistemlerinden farklı olarak, belirsiz doğal dil sorguları kullanıyor ve çelişkili bilgilerin bulunduğu gürültülü web ortamlarını simüle ediyor. GPT ve Gemini gibi güçlü kapalı kaynak modellerden açık kaynak alternatiflere kadar on farklı AI modeli üzerinde yapılan testler, mevcut sistemlerin gerçek dünya koşullarındaki sınırlarını ortaya çıkarıyor.

Araştırmacılar, büyük veri kümelerini daha küçük ve bağımsız parçalara ayırmak için yeni bir matematiksel yaklaşım geliştirdi. Formal kavram analizi alanında yapılan bu çalışma, özellikle belirsizlik içeren verilerle çalışırken büyük veri setlerinin işlenmesini kolaylaştırabilir. Geliştirilen yöntem, bulanık mantık çerçevesinde bağımsız alt bağlamların tanımlanmasına ve kavram kafeslerinin bloklar halinde ayrıştırılmasına dayanıyor. Bu yaklaşım, veri madenciliği ve yapay zeka uygulamalarında eksik ya da belirsiz bilgilerin bulunduğu büyük veri setlerinin daha verimli işlenmesine olanak sağlayabilir.

Araştırmacılar büyük dil modellerinin mantıksal adımları doğru şekilde izleyip yanlış sonuca vardığını keşfetti. Geliştirilen Novel Operator Test, modellerin gerçek mantık yürütme ile örüntü ezberleme arasındaki farkı ortaya çıkarıyor. Claude Sonnet gibi gelişmiş modeller bile derinlemesine mantık zincirlerinde sistematik hatalar yapıyor. Bu bulgular, AI sistemlerinin düşünme sürecinin çıktılarından farklı işlediğini gösteriyor ve mevcut değerlendirme yöntemlerinin yetersizliğini ortaya koyuyor.

Araştırmacılar, yapay zekanın mantıksal çıkarım süreçlerini değerlendiren ödül modellerindeki temel bir sorunu çözdü. Geleneksel yöntemler, AI'nin her adımını ayrı ayrı puanlarken tutarsızlıklar yaşıyordu - eğitim sırasında sadece genel sonucu gözetirken, kullanım sırasında her adımı tek tek değerlendirmek zorundaydı. Bu durum, modelin hangi mantık adımlarının doğru olduğunu güvenilir şekilde belirleyememesine neden oluyordu. Yeni geliştirilen 'Örtük Önek-Değer Ödül Modeli' bu sorunu çözerek, AI sistemlerinin daha tutarlı ve güvenilir şekilde öğrenmesini sağlıyor. Bu gelişme, özellikle karmaşık problem çözme gerektiren AI uygulamaları için önemli bir adım.

Yapay zeka sistemlerinin görsel ve dil bilgilerini birleştirme konusundaki zayıflığını gidermek için yeni bir yöntem geliştirildi. Araştırmacılar, kelimelerin somutluk seviyesinin öğrenme sürecindeki etkisine odaklanarak ConcretePlant adlı sistemi önerdi. Bu yaklaşım, AI modellerinin kelime sırası ve özellik bağlama gibi temel kompozisyonel mantık yürütme becerilerindeki eksiklikleri gidermeyi hedefliyor. Somut kavramları sistematik olarak değiştirerek daha güçlü öğrenme sinyalleri üreten method, geleneksel yöntemlere göre önemli avantajlar sunuyor.

Araştırmacılar, uzun metinlerde önemli bilgileri bulma ve mantıklı çıkarımlar yapma konusunda geliştirilmiş yeni bir yapay zeka modeli olan RecaLLM'i geliştirdi. Bu model, bağlamsal bilgi alma ve mantıklı düşünme süreçlerini birleştirerek daha etkili sonuçlar elde ediyor.