Araştırmacılar, uzay araçlarının iniş sırasında çektiği geniş açılı görüntülerden gezegen yüzeylerinin yüksek çözünürlüklü 3D haritalarını oluşturan yeni bir yapay zeka yöntemi geliştirdi. Geleneksel stereo görüntüleme teknikleri, iniş kameralarının çoğunlukla aşağı bakması ve sınırlı paralaks nedeniyle zorluk yaşıyordu. Yeni neural yeniden yapılandırma yöntemi, gezegen yüzeylerinin sürekli, düzgün ve katı yapısını dikkate alan bir 'neural yükseklik alanı' kullanarak bu sorunları çözüyor. Bu gelişme, hem maliyet-etkin hem de daha doğru gezegen haritalama imkanı sunarak jeolojik süreçlerin anlaşılmasına katkı sağlayacak.

Araştırmacılar, T hücresi reseptörlerinin peptid-MHC molekül bağlanmalarını tahmin etmek için yeni bir yapay zeka modeli geliştirdi. Bu sistem, aşı tasarımı ve T hücresi tedavilerinde kritik öneme sahip. Yeni yaklaşım, modelin eğitim sırasında görmediği epitoplarla karşılaştığında sessizce yanlış güven skoru vermesi sorununu çözmeyi hedefliyor. Araştırmacılar, güvenilir tahminler yapabilmek için 'seçici tahmin' yaklaşımını benimsiyor - model ya güvenilir bir skor verir ya da açıkça karar vermekten kaçınır. Dual-encoder mimarisi kullanan sistem, protein dil modeliyle eğitilmiş ve sıcaklık ölçeklendirmesi ile kalibre edilmiş. Conformal abstention kuralı sayesinde kullanıcının belirlediği hata oranında finite-sample kapsama garantisi sağlıyor. Üç farklı test stratejisinde değerlendirilen method, AUROC 0.813 ve ECE 0.043 değerlerine ulaştı.

Büyük dil modelleri telekomünikasyon sektöründe 3GPP spesifikasyon analizi ve ağ sorun giderme gibi karmaşık görevlerde kullanılıyor. Ancak bu modellerin kendi cevaplarına dair güven skorları genellikle yanıltıcı ve aşırı iyimser çıkıyor. Araştırmacılar, Gemma-3 model ailesi üzerinde yaptıkları çalışmada standart tek geçişli güven tahminlerinin yetersiz kaldığını gösterdi. Sorunun çözümü için Twin-Pass Chain of Thought yöntemi adı verilen yeni bir yaklaşım geliştirdiler. Bu teknik, birden fazla bağımsız düşünce zinciri kullanarak modelin kendi doğruluğunu değerlendirme yeteneğini artırıyor. Telekomünikasyon alanında AI güvenilirliğinin kritik öneme sahip olduğu düşünüldüğünde, bu gelişme sektörün AI benimseme sürecini hızlandırabilir.

Araştırmacılar, yapay zeka tabanlı arama sistemlerinde kritik bir sorunla karşı karşıya: kullanıcı davranışları zaman içinde değişince sistemin performansı düşüyor. Geleneksel arama sistemleri en yakın eşleşmeyi bulurken, yeni nesil sistemler her öğeye benzersiz tanımlayıcılar vererek aramayı metin üretimi problemi haline getiriyor. Bu yaklaşım başlangıçta etkili olsa da, kullanıcı etkileşim kalıpları değiştikçe tanımlayıcılar güncelliğini kaybediyor. Mevcut çözümler ya sabit tanımlayıcı setleri kullanıyor ya da sistemi sıfırdan yeniden eğitiyor. Bu durumda hem maliyet artıyor hem de sürekli güncelleme zorlaşıyor. Yeni araştırma, bu sorunun ne kadar ciddi olduğunu kronolojik testlerle analiz ediyor ve hafif, model-bağımsız bir güncelleme yöntemi öneriyor.

Araştırmacılar, yapay zeka sistemlerinin metin sınıflandırmasında belirsizliklerini tahmin edebilmesi için yeni bir yöntem geliştirdi. HolUE adlı bu yaklaşım, sistemin ne zaman hata yapabileceğini önceden tahmin ederek, bilinmeyen durumlarla karşılaştığında 'bilmiyorum' diyebilmesini sağlıyor. Yöntem, iki temel belirsizlik kaynağını ele alıyor: kullanıcının belirsiz sorularından kaynaklanan 'metin belirsizliği' ve veri dağılımındaki belirsizliklerden kaynaklanan 'galeri belirsizliği'. Test sonuçları oldukça etkileyici - farklı veri setlerinde mevcut yöntemlere göre %40 ile %365 arasında iyileşme sağlandı. Bu gelişme, özellikle güvenilir yapay zeka sistemleri için kritik önem taşıyor.