Araştırmacılar, eksik MRI verisiyle karşılaştığında bile beyin tümörlerini doğru şekilde tespit edebilen yeni bir yapay zeka sistemi geliştirdi. CausalDisenSeg adlı bu sistem, mevcut AI modellerinin en büyük zayıflığını çözüyor: yanıltıcı ipuçlarına dayanma eğilimi. Klasik sistemler tüm MRI modaliteleri mevcut olmadığında başarısız olurken, yeni yaklaşım nedensellik teorisini kullanarak gerçek anatomik yapıları öğreniyor. Sistem, görüntülerdeki anatomik bilgileri stil özelliklerinden ayırarak, eksik veri durumlarında bile güvenilir sonuçlar üretebiliyor. Bu gelişme özellikle kaynak kısıtlı hastaneler için kritik önem taşıyor.

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, binlerce karakter içeren uzun veri dizilerinde ortak kalıpları tespit edebilen yenilikçi bir algoritma geliştirdi. MLCS (Çoklu En Uzun Ortak Alt Dizi) madenciliği olarak bilinen bu teknik, genetik, metin analizi ve veri madenciliği alanlarında kritik öneme sahip. Mevcut yöntemler 1000'den fazla karakterlik dizilerle başa çıkamıyordu, bu da büyük veri analizi için ciddi bir engel oluşturuyordu. Yeni KP-MLCS algoritması, 'anahtar nokta' yaklaşımını kullanarak 10 bin karaktere kadar olan büyük dizilerde bile ortak kalıpları başarıyla tespit edebiliyor. Sistem aynı zamanda bulunan kalıpları görsel olarak gösterebilen ve gerçek zamanlı analiz yapabilen çevrimiçi bir araç olarak sunuluyor. Bu gelişme, genomik verilerden sosyal medya analizine kadar pek çok alanda büyük veri işleme kapasitesini önemli ölçüde artıracak.

Güney Koreli araştırmacılar, yapay zeka modellerinin Korece dilinde ve kültürel bağlamda ne kadar başarılı olduğunu ölçmek için KMMMU adlı yeni bir test sistemi geliştirdi. 3.466 sorudan oluşan bu kapsamlı değerlendirme, matematik, fen bilimleri ve sosyal bilimler gibi dokuz farklı alandaki görselli soruları içeriyor. Test sonuçları oldukça düşündürücü: en güçlü açık kaynak yapay zeka modeli bile sadece %42 başarı gösterirken, ticari modellerin en iyisi zor sorularda %52'ye ulaşabildi. Özellikle Kore kültürüne özgü sorularda performans %13'e varan düşüşler gösterdi. Bu çalışma, yapay zeka modellerinin küresel ölçekte geliştirilmesine rağmen yerel kültür ve dil özelliklerinde hala ciddi eksiklikleri olduğunu ortaya koyuyor.

Araştırmacılar, çok modlu büyük dil modellerinin (MLLM) ürettiği yanıtların hangi kaynaklardan geldiğini izleyebilen yeni bir sistem geliştirdi. OmniTrace adlı bu hafif çerçeve, metin, görüntü, ses ve video girişlerini aynı anda işleyebilen yapay zeka modellerinde kaynak atıfı sorununu çözmeyi hedefliyor. Mevcut atıf yöntemleri genellikle tek modalite veya sınıflandırma görevleri için tasarlanmış durumda. OmniTrace ise üretim sırasında her bir token'ın hangi girişten geldiğini takip ederek, anlam bütünlüğü olan açıklamalar sunuyor. Bu gelişme, yapay zeka sistemlerinin güvenilirliği ve şeffaflığı açısından önemli bir adım olarak görülüyor.

Araştırmacılar, şehir trafiğini daha akıllı yönetebilmek için yeni bir yapay zeka sistemi geliştirdi. C2T adlı bu sistem, büyük dil modellerinden 'sağduyu' bilgisini öğrenerek trafik ışıklarını ve otonom araçları koordine ediyor. Geleneksel sistemler sadece kavşak yoğunluğu gibi basit metriklere odaklanırken, yeni sistem güvenlik, trafik akışının istikrarı ve sürüş konforu gibi insan odaklı hedefleri de göz önünde bulunduruyor. Çoklu kavşaklarda yapılan testlerde, mevcut en iyi yöntemlere kıyasla trafik verimliliği ve güvenlikte önemli iyileştirmeler sağlandı.

Araştırmacılar, insansız hava araçları (drone) ile çekilen görüntülerin kalitesini otomatik olarak değerlendiren yeni bir sistem geliştirdi. MM-IQA adı verilen bu framework, bulanıklık, kenar yapısı, düşük çözünürlük, pozlama dengesizliği, gürültü ve sis gibi çoklu metrikleri kullanarak 0-100 arasında kalite puanı veriyor. Özellikle referans görüntünün bulunmadığı durumlarda çalışabilen bu hafif sistem, büyük hacimli görüntü setlerinin otomatik filtrelenmesinde kritik öneme sahip. Beş farklı veri setinde yapılan testlerde 0.647 ile 0.830 arasında korelasyon değerleri elde eden sistem, tarımsal uygulamalar başta olmak üzere drone görüntülemesinin yaygın olduğu alanlarda verimlilik sağlayacak.

Araştırmacılar, yazılım kodlarındaki güvenlik açıklarını ve bakım sorunlarını tespit edip otomatik olarak onarabilen yeni bir yapay zeka sistemi geliştirdi. 'Code Whisperer' adlı bu hibrit framework, graf tabanlı program analizi ile büyük dil modellerini birleştiriyor. Sistem, kodun yapısal özelliklerini ve anlamsal bağlamını aynı anda değerlendirerek, mevcut araçların ürettiği gereksiz uyarıları azaltıyor ve daha kullanışlı çözüm önerileri sunuyor. Çoklu programlama dili desteği sunan sistem, sadece graf analizi veya sadece dil modeli kullanan yaklaşımlardan daha başarılı sonuçlar elde ediyor.

Araştırmacılar, büyük dil modellerinin kod yazabildiği ama doğruluğunu kontrol edemediği sorununa çözüm getiren AgentForge adlı sistemi geliştirdi. Bu yenilikçi çerçeve, beş farklı AI ajanının koordineli çalışmasıyla yazılım geliştirme sürecini otomatikleştiriyor. Planlayıcı, kodlayıcı, test edici, hata ayıklayıcı ve eleştiri ajanlarından oluşan ekip, her kod değişikliğini güvenli bir test ortamında çalıştırarak doğruluğunu kontrol ediyor. Sistem, yazılım mühendisliğini iteratif bir karar süreci olarak modelleyerek, geleneksel token tabanlı yaklaşımlar yerine gerçek çalıştırma geri bildirimini kullanıyor. SWE-BENCH Lite test setinde %40 başarı oranına ulaşan AgentForge, tek ajan sistemlerinden 26-28 puan daha iyi performans gösteriyor. Bu gelişme, AI destekli yazılım geliştirmede önemli bir adım teşkil ediyor.

Araştırmacılar, çoklu ajan sistemlerinde sorumluluk dağılımının nasıl yapılacağını öğrenen yeni bir yapay zeka modeli geliştirdi. İnsanların etkileşimli ortamlarda kendi hedeflerinden ne kadar taviz vererek başkalarına uyum sağladığını anlayan bu sistem, sosyal olarak uyumlu ve güvenilir otonom teknolojiler tasarlamak için kritik bir adım. Model, belirsizlikleri de hesaba katarak farklı senaryolarda sorumluluk paylaşımının nasıl gerçekleştiğini öğreniyor. Bu yaklaşım, özellikle güvenliğin kritik olduğu durumları dikkate alarak, yapay zeka sistemlerinin insan davranışlarını daha iyi anlamasını sağlıyor.

Araştırmacılar, milyarlarca parametreli yapay zeka modellerini yeniden eğitmeden küçültebilen yeni bir framework geliştirdi. MOONSHOT adlı bu sistem, mevcut model sıkıştırma yöntemlerinin tek hedefli yaklaşımlarının yetersizliklerini gidererek, hem katman bazında yeniden yapılandırma hatalarını hem de eğitim kaybının matematiksel yaklaşımlarını aynı anda optimize ediyor. Bu çoklu hedefli strateji, farklı mimarilerde ve sıkıştırma seviyelerinde daha tutarlı sonuçlar veriyor. Framework, mevcut budama algoritmalarının etrafına sarılabilen esnek bir yapıya sahip ve büyük dil modellerinden görüntü işleme modellerine kadar geniş bir yelpazede kullanılabiliyor.