Araştırmacılar, metinlerden tutarlı görsel hikayeler oluşturabilen yenilikçi bir yapay zeka sistemi geliştirdi. ReCap adı verilen bu sistem, hikayedeki karakterlerin kimliklerini koruyarak art arda gelen görsellerde tutarlılık sağlıyor. Geleneksel yöntemler büyük bellek bankaları ve karmaşık mimariler gerektirirken, ReCap sadece 149 bin ek parametre kullanarak aynı başarıyı elde ediyor. Sistem, özellikle zamirleri görsel bağlantı noktası olarak kullanarak, karakterlere zamirle atıfta bulunulduğunda önceki karelerdeki görsel kimliği aktarıyor. Bu seçici yaklaşım, gereksiz hesaplama yükünden kaçınırken karakter stabilitesi ve görsel kaliteyi artırıyor. Gelişme, dijital içerik üretimi ve eğlence sektöründe devrim yaratabilecek potansiyele sahip.

Araştırmacılar, büyük dil modellerinin farklı programlama dilleri arasında kod üretme yeteneklerini kapsamlı bir şekilde incelediler. 13 farklı programlama dilini kapsayan ve yaklaşık 14 bin örnek içeren bir veri seti kullanarak gerçekleştirilen çalışma, yapay zekanın programlama dillerini birbirine çevirme konusundaki başarısının düşündüğümüzden daha karmaşık olduğunu ortaya koyuyor. Çalışma, özellikle modern yazılım geliştirmede sıkça karşılaşılan kod taşıma ve yeniden kullanma süreçlerinde yapay zeka destekli çözümlerin ne kadar etkili olabileceğine dair önemli bulgular sunuyor.

Astronomlar, izole cüce galaksilerin neden yıldız üretimini durdurduğunu açıklayan yeni mekanizmalar keşfetti. TNG50 simülasyonu kullanılarak yapılan araştırmada, daha önce bilinen 'geri sekme' galaksilerinin yanı sıra, aşırı güçlü gaz çıkışları nedeniyle yıldız oluşumunu durduran yeni bir galaksi popülasyonu tespit edildi. Bu çıkışlar, yıldızlardan gelen geri besleme nedeniyle ortaya çıkıyor ve gazın soğuyup çökerek yeni yıldızlar oluşturmasını engelliyor. Keşif, evrendeki en küçük galaksilerin nasıl evrimleştiğini anlamamız açısından önemli.

Araştırmacılar, büyük dil modellerinin uzun metin yazma yeteneklerini geliştirmek için Writing-RL adlı yenilikçi bir sistem geliştirdi. Mevcut eğitim yöntemleri veri doygunluğu ve performans tavanları gibi sınırlarla karşılaşırken, matematik ve kodlama gibi doğrulanabilir alanlarda başarılı olan pekiştirmeli öğrenme yöntemleri açık uçlu yazım görevlerine uyarlanamıyordu. Yeni sistem, üç temel bileşen kullanarak bu sorunu çözüyor: yüksek öğrenme potansiyeline sahip örnekleri önceliklendiren veri seçimi stratejisi, doğrulanabilir ödüller olmadığında ayırt edici öğrenme sinyalleri sağlayan ikili karşılaştırma ödül mekanizması ve dinamik referans planlama yaklaşımı. Bu gelişme, yapay zekanın roman, makale ve rapor gibi uzun metinleri daha tutarlı ve kaliteli şekilde üretmesini sağlayabilir.

Araştırmacılar, sınırlı veri koşullarında askeri araç tespitini iyileştirmek için yeni bir yapay zeka yaklaşımı geliştirdi. Çalışmada, sınıf başına sadece 8-24 gerçek görüntü kullanarak FLUX.1 difüzyon modeli eğitildi ve bu model yeni sentetik görüntüler üretti. Üretilen yapay görüntüler, RF-DETR tespit sisteminin performansını önemli ölçüde artırdı. Bu yaklaşım, askeri uygulamalarda sıkça karşılaşılan veri kıtlığı sorununa pratik bir çözüm sunuyor. Yöntem, mevcut sınırlı veri setini daha etkin kullanarak, ek gerçek veri toplamaya gerek kalmadan tespit doğruluğunu iyileştiriyor. Araştırma, difüzyon tabanlı görüntü üretiminin savunma teknolojilerindeki potansiyelini gösteriyor.

Yapay zeka teknolojilerinin hızla gelişmesiyle birlikte sahte video ve ses içeriklerinin tespit edilmesi kritik bir güvenlik sorunu haline geldi. Araştırmacılar, bu alandaki eksikliği gidermek için MVAD adlı kapsamlı bir veri seti geliştirdi. Bu veri seti, sadece görsel deepfake'lere odaklanan mevcut çalışmaların aksine, gerçek çok modlu sahte içerikleri tespit etmeye yönelik ilk kapsamlı kaynak olma özelliği taşıyor. Üç farklı sahtecilik desenini kapsayan, yüksek algısal kalitede örnekler içeren veri seti, güvenilir tespit sistemlerinin geliştirilmesine önemli katkı sağlayacak.

Araştırmacılar, yapay zeka modellerinin kod üretimi sırasında nasıl çalıştığını daha iyi anlamak için Qwen3.5-35B modelini incelediler. Mixture-of-Experts (MoE) mimarisine sahip bu model, aynı başlangıç kodundan farklı kod örnekleri üretirken hangi uzman modülleri kullandığını analiz ettiler. 851 tamamlanmış kod örneği üzerinde yapılan çalışmada, aynı kodları üreten durumlar ile farklı kodlar üreten durumlar arasında uzman seçimi benzerliğinin nasıl değiştiğini ortaya koydular. Bulgular, AI modellerinin kod üretiminde daha öngörülebilir davrandığını ve bu durumun hesaplama verimliliğini artırmak için kullanılabileceğini gösteriyor.

Araştırmacılar, yapay zeka modellerinin en büyük sorunlarından birini çözecek yenilikçi bir yöntem geliştirdi. Flow tabanlı üretici modeller, görüntü ve metin üretiminde başarılı sonuçlar verse de, tek bir olasılık hesabı için yüzlerce hatta binlerce hesaplama adımı gerektiriyordu. Bu durum, modellerin karşılaştırılması ve geliştirilmesi süreçlerini oldukça yavaşlatıyordu. Yeni F2D2 (Fast Flow Joint Distillation) çerçevesi, hem örnekleme hem de olasılık hesaplama süreçlerini aynı anda iki büyüklük mertebesinde hızlandırıyor. Sürekli normalleştirici akışlardaki örnekleme ve olasılık hesaplama işlemlerinin birbirine bağlı doğasından yararlanan bu yaklaşım, mevcut yöntemlerin aksine olasılık hesaplama kabiliyetini kaybetmeden hızlanma sağlıyor.

Araştırmacılar, video devamı üretimi için FlowC2S adlı yeni bir yöntem geliştirdi. Bu teknik, mevcut video karelerinden sonraki kareleri tahmin ederken bellek kullanımını yarı yarıya azaltıyor ve işlem hızını artırıyor. Geleneksel yöntemlerin aksine, FlowC2S mevcut kareler ile gürültü kombinasyonu yerine doğrudan akış alanları kullanarak çalışıyor. Yöntem, zamansal olarak bitişik video parçalarını optimal eşleştirmeler için pratik bir vekil olarak kullanıyor ve daha düz akışlar elde ediyor. Hedef inversiyonu tekniğiyle de görsel kaliteyi artırıyor. LTXV ve Wan modellerinden ince ayar yapılarak geliştirilen sistem, mevcut en iyi performansı aşıyor.

Araştırmacılar, geleneksel geri yayılım algoritmasına ihtiyaç duymadan sinir ağlarını eğitebilen yeni bir framework geliştirdi. FFzero adlı bu sistem, sadece ileri yönlü hesaplamalar kullanarak kararlı öğrenme sağlıyor. Bu yaklaşım, fiziksel sinir ağlarının geliştirilmesi için kritik önem taşıyor çünkü geri yayılım fiziksel sistemlerde uygulanması zor bir yöntem. Yeni yöntem, katman bazlı yerel öğrenme, prototip tabanlı temsiller ve yönlü türev optimizasyonu birleştiriyor. Çip üretiminin fiziksel limitleri ve derin öğrenmenin artan çevresel maliyetleri göz önüne alındığında, bu gelişme alternatif öğrenme paradigmaları için umut verici bir adım.

Araştırmacılar, lityum niobat tabanlı hibrit bir metayüzey tasarımıyla sürekli dalga modunda ikinci harmonik üretimi gerçekleştirmeyi başardı. Bu yenilik, geleneksel faz eşleştirme yöntemlerini kullanmadan kompakt frekans dönüştürücülerin geliştirilmesinde önemli bir adım. Çalışmada, silikon nitrit metayüzey ile birleştirilen ince film lityum niobat platformu kullanılarak, düşük güç tüketiminde bile etkili frekans dönüşümü sağlandı. CMOS uyumlu üretim süreciyle geliştirilen sistem, 2300 civarında kalite faktörü ve %0.156 dönüşüm verimliliği elde etti. Bu teknoloji, dar hat genişliği gerektiren uygulamalar, kararlı frekans kaynakları ve sabit optik alanlar için kritik öneme sahip. Özellikle telekomünikasyon, lazer teknolojisi ve kuantum optiği alanlarında devrim yaratma potansiyeli taşıyor.