Kategori teorisi alanında yapılan yeni bir çalışma, diferansiyel modalitelerin matematiksel yapısında önemli bir ilerleme kaydetti. Araştırmacılar, klasik diferansiyel modalitelerden hareketle, derece kavramı içeren N-filtrelenmiş diferansiyel modalitelerin nasıl elde edilebileceğini gösterdi. Bu yaklaşım, pürüzsüz fonksiyonların matematiksel modellemesinde daha hassas derece kontrolü sağlıyor. Çalışma, özellikle bilgisayar bilimlerinde tip teorisi ve programlama dili semantiği alanlarında uygulanabilir.

Araştırmacılar, birbirini etkileyebilen sistemlerde iletişim hatalarına rağmen ne kadar sürede uzlaşmaya varılacağını hesaplayan LiFE-CD algoritmasını geliştirdi. Bu yenilik, drone sürüleri, otonom araçlar ve sensör ağları gibi çoklu-ajan sistemlerinin güvenilirliğini artırmaya yönelik önemli bir adım. Algoritma, mevcut yaklaşımların aksine simülasyon gerektirmeden, ağ yapısı ve bağlantı hata olasılıklarından yola çıkarak kesin sonuçlar üretebiliyor. Bu sayede sistemlerin belirli zaman dilimlerinde çalışma garantileri verilebilecek.

Araştırmacılar, X-ışını absorpsiyon spektroskopisi (XANES) analizini büyük dil modelleri kullanarak otomatikleştiren ChemGraph-XANES adlı yeni bir framework geliştirdi. Bu sistem, karmaşık kimyasal yapıların elektronik özelliklerini incelemek için kullanılan XANES simülasyonlarını doğal dille komutlandırılabilen ajanlar aracılığıyla gerçekleştiriyor. Framework, yapı ediniminden spektral normalizasyona kadar tüm iş akışını otomatikleştirirken, çoklu ajan modunda uzman bir ajan FDMNES kılavuzuna başvurarak parametreleri optimize ediyor. Bu gelişme, malzeme bilimi ve kimya araştırmalarında spektroskopi analizlerinin hızını ve erişilebilirliğini önemli ölçüde artırma potansiyeli taşıyor.

Araştırmacılar, robotik alanında devrim yaratabilecek yeni bir sistem olan ABot-Claw'u geliştirdi. Bu sistem, farklı türdeki robotların uzun süreli görevlerde işbirliği yapmasını, deneyimlerinden öğrenmesini ve sürekli kendilerini geliştirmesini sağlıyor. Mevcut robotik sistemler genellikle kısa vadeli görevlerle sınırlı kalıyor ve gerçek dünya koşullarında zorlanıyor. ABot-Claw ise robotlara kalıcı hafıza, görsel tabanlı öğrenme ve çoklu robot koordinasyonu yetenekleri kazandırıyor. Sistem, Vision-Language-Action modellerinin güçlü algılama yeteneklerini, System 2 bilişsel mekanizmalarla birleştirerek robotların daha akıllı ve özerk hareket etmesini mümkün kılıyor.

Araştırmacılar, yapay zeka ajanlarının karmaşık görevlerdeki performansını ölçmek için yeni bir benchmark geliştirdi. 'The Amazing Agent Race' adlı bu test, mevcut değerlendirme sistemlerinin çoğunlukla basit, doğrusal görevlerden oluştuğunu ortaya koyuyor. Yeni benchmark, Wikipedia üzerinde gezinme, çoklu araç kullanımı ve sonuçları birleştirme gerektiren 1400 farklı görev içeriyor. Test sonuçları, en başarılı AI ajanının bile sadece %37.2 doğruluk oranına ulaşabildiğini gösteriyor. Özellikle navigasyon hatalarının dominant olduğu (%27-52 arası başarısızlık) bu çalışma, AI ajanlarının araç kullanımında güçlü olmasına rağmen karmaşık ortamlarda yön bulmakta zorlandığını kanıtlıyor.

Araştırmacılar, 2019-2025 arası büyük dil modellerinin kapsamlı bir haritasını çıkardı. LLMOrbit adlı bu çalışma, 15 organizasyondan 50'den fazla AI modelini inceleyerek yapay zekanın evrimini döngüsel bir taksonomiyle açıklıyor. Çalışma, AI gelişiminin karşılaştığı üç kritik krizi tanımlıyor: 2026-2028'e kadar veri kıtlığı, 5 yılda 3 milyon dolardan 300 milyon dolara çıkan maliyet artışı ve 22 kat artan enerji tüketimi. Bu 'ölçeklendirme duvarı'nı aşmak için altı yeni paradigma öneriliyor. Test zamanı hesaplama, çok-modalite ve otonom ajanlar gibi yaklaşımlar, ham güç artışından ziyade akıllı çözümlerle AI'ın geleceğini şekillendiriyor.

Araştırmacılar, yapay zeka ajanlarının aynı olayları farklı bakış açılarından değerlendirip saklayabileceği yeni bir hafıza mimarisi geliştirdi. 'Rashomon Hafızası' olarak adlandırılan bu sistem, bir müzakerede yapılan tavizin hem güven inşası hem de yükümlülük olarak görülmesine olanak tanıyor. Mevcut hafıza sistemleri tek bir doğru kodlama varsayımına dayanırken, yeni yaklaşım paralel çalışan ajanların kendi önceliklerine göre deneyimleri kodlamalarını sağlıyor. Sistem, sorgu anında farklı perspektiflerin argümantasyon yoluyla müzakere etmesine dayanıyor.

Araştırmacılar, yapay zeka modellerinin ürettiği yanıtları değerlendirmek için yeni bir yöntem geliştirdi. Geleneksel sistemler her yanıtı ayrı ayrı inceleyerek zaman kaybına neden olurken, yeni yaklaşım birden fazla yanıtı tek seferde karşılaştırıp puanlayabiliyor. Bu yöntem, yanıtları özel ayırıcı tokenlarla birleştirerek doğrudan karşılaştırmalı akıl yürütme imkanı sunuyor. Sistem, N adet yanıt için N kat hızlanma ve hesaplama maliyetinde ciddi azalma sağlıyor. Araştırma kapsamında iki yeni benchmark oluşturuldu: MR²Bench-Image görsel içerik için 8 farklı modelin yanıtlarını insan değerlendirmeleriyle karşılaştırırken, MR²Bench-Video 94 bin kişinin video tabanlı soru-cevap değerlendirmelerinden oluşuyor. Bu gelişme, yapay zeka modellerinin performansını daha hızlı ve verimli değerlendirme imkanı sunarak, AI sistemlerinin geliştirilmesini hızlandırabilir.

Bilgisayar grafikleri dünyasında gerçek zamanlı fotorealistik görüntü oluşturma alanında önemli bir gelişme yaşanıyor. 3D Gaussian Splatting (3DGS) teknolojisi, çoklu görüntülerden 3D sahneler oluşturmada devrim yaratmış, ancak girdi görüntülerindeki tutarsızlıklar ve bozucu öğeler nedeniyle görsel bozulmalar yaşanıyordu. Araştırmacılar tarafından geliştirilen PDF-GS adlı yeni framework, bu sorunu çözmek için 3DGS'nin doğasında bulunan tutarsız sinyalleri bastırma yetisini keşfetti ve bu özelliği güçlendiren kademeli bir optimizasyon sistemi tasarladı. Sistem, bozucu öğeleri aşamalı olarak filtrelerken, sonrasında temizlenmiş verilerden ince detayları geri kazandırıyor. Bu yenilikçi yaklaşım, 3D sahne rekonstrüksiyonu ve sanal gerçeklik uygulamalarında daha güvenilir ve yüksek kaliteli sonuçlar elde edilmesini sağlıyor.

Araştırmacılar, yapay zeka sistemlerinin farklı gruplar arasında ne kadar adil ve güvenilir tahminler ürettiğini ölçen yeni bir metrik geliştirdi. Çoklu kalibrasyon olarak adlandırılan bu kavram, bir AI modelinin örneğin farklı yaş grupları veya demografik kesimler için aynı doğruluk seviyesinde tahminler yapabilme yeteneğini ifade ediyor. Mevcut yöntemler genellikle veriyi gruplara ayırma veya karmaşık istatistiksel teknikler kullanırken, yeni yaklaşım klasik Kuiper istatistiğine dayalı daha sağlam bir temel sunuyor. Bu gelişme, özellikle tıp, finans ve adalet sistemi gibi kritik alanlarda kullanılan AI sistemlerinin farklı nüfus gruplarında eşit performans göstermesini sağlamak için önemli bir adım.

Araştırmacılar, büyük dil modellerine dayalı çoklu ajan sistemlerinde devrim niteliğinde bir sıkıştırma yöntemi geliştirdi. Yeni teknik, ajanların birbirleriyle iletişim kurmasında gereken veri miktarını %90'a yakın azaltırken performansta kayıp yaşanmasını önlüyor. Orthogonal Backfill (OBF) adı verilen bu yöntem, önemli bilgilerin kaybolmasını engellemek için akıllı bir geri doldurma stratejisi kullanıyor. Matematik, kodlama ve bilgi yoğun soru-cevap alanlarındaki testlerde, sistemin dokuz kıyaslama testinden yedisinde en iyi sonuçları verdiği gözlemlendi. Bu gelişme, AI sistemlerinin bellek ve iletişim maliyetlerini önemli ölçüde düşürerek daha verimli çalışmasını sağlıyor.