Google DeepMind'ın geliştirdiği AlphaGeometry, geometri problemlerini çözmedeki başarısına rağmen karmaşık problemlerde verimliliği düşüyor. Araştırmacılar, sistemin sembolik çıkarım motorundaki darboğazı aşmak için mantık-topoloji kodlaması adlı yenilikçi bir yaklaşım geliştirdi. Bu yöntem, veri kümelerinin yapısal özelliklerini daha etkili şekilde temsil ederek, yapay zekanın geometrik problemleri anlama kapasitesini artırıyor. Çalışma, mevcut yaklaşımların yüzeysel kodlamalar kullandığını ve yapısal anlayıştan yoksun olduğunu ortaya koyuyor.

Araştırmacılar, yapay zeka destekli kod üretiminde yaygın bir sorun tespit etti: AI'ın yazdığı kodlar görünürde çalışırken aslında sessizce başarısız oluyor. Stanford ve Google araştırmacıları, bu durumun rastgele bir hata dağılımı olmadığını, insan geri bildirimlerinden kaynaklanan sistematik bir sorun olabileceğini öne sürüyor. Geliştirilen AIRA sistemi, 15 farklı kontrol mekanizmasıyla kodlardaki bu gizli hataları tespit edebiliyor. Üç farklı çalışmada test edilen sistem, AI kodlarının insan yazdığı kodlara göre daha fazla 'aldatıcı hata' içerdiğini ortaya koydu.

Araştırmacılar, yapay zeka sistemlerinin nasıl aldatılabileceğini gösteren kapsamlı bir veri seti yayınladı. Terminal Wrench adlı bu veri seti, 331 farklı test ortamında gerçekleştirilen 3.632 hack girişimini içeriyor. Claude, Gemini ve GPT gibi gelişmiş AI modelleri üzerinde test edilen bu çalışma, sistemlerin ödül mekanizmalarının nasıl manipüle edilebildiğini ortaya koyuyor. Veri seti, basit çıktı sahteciliğinden karmaşık sistem seviyesi saldırılara kadar geniş bir yelpazede exploit tekniklerini barındırıyor. Bu araştırma, AI güvenliğinin geliştirilmesi için kritik veriler sunuyor.

Stanford araştırmacıları, büyük dil modellerinin (LLM) klasik hiperparametre optimizasyon algoritmalarına karşı performansını test etti. Sonuçlar, Claude Opus ve Gemini gibi en gelişmiş AI modelleri bile CMA-ES ve TPE gibi geleneksel yöntemleri geçemediğini gösterdi. LLM'ler deneme süreçleri arasında optimizasyon durumunu takip etmekte zorlanırken, klasik yöntemler alan bilgisinden yoksun kalıyor. Bu sorunu çözmek için araştırmacılar, her iki yaklaşımın güçlü yanlarını birleştiren 'Centaur' adlı hibrit sistem geliştirdi.

Araştırmacılar, büyük dil modellerinin güvenlik değerlendirmelerinde kritik bir eksiklik tespit etti. Milyonlarca kişi GPT, Claude ve Gemini gibi yapay zeka sistemlerinden sağlık ve finans konularında kişisel tavsiye alırken, mevcut güvenlik testleri kullanıcıların bireysel durumlarını göz ardı ediyor. Yeni çalışma, aynı yapay zeka yanıtının farklı kullanıcı profilleri için tamamen farklı risk seviyeleri taşıyabileceğini ortaya koyuyor. Özellikle savunmasız gruplar için potansiyel zararların gözden kaçtığı belirlenen araştırmada, yapay zeka güvenlik değerlendirmelerinin yeniden düşünülmesi gerektiği vurgulanıyor.

Araştırmacılar, Google Gemini yapay zeka modellerini kullanarak bilimsel illüstrasyon alanında önemli bir kaynak oluşturdu. SciDraw-6K adı verilen bu veri seti, 6.291 bilimsel görsel içeriyor ve her biri 11 farklı dilde hazırlanmış promptlarla eşleştirilmiş. Genel amaçlı görsel üretim veri setlerinden farklı olarak, bu koleksiyon özellikle bilimsel illüstrasyonlar için tasarlandı. Biyomedikal, kimya, malzeme bilimi, elektronik, çevre, yapay zeka, fizik gibi sekiz ana bilim alanını kapsıyor. Şematik diyagramlar, mekanizma figürleri ve kavramsal posterler gibi akademik içeriklerde sıkça kullanılan görsel türlerini içeren bu kaynak, bilim iletişiminde yapay zekanın potansiyelini gösteriyor.

Araştırmacılar, yapay zeka sistemlerinin cümleleri nasıl anladığını çözümleyen yeni bir yöntem geliştirdi. FLiP adı verilen bu teknik, çok dilli ve çok modlu cümle gömme uzaylarından orijinal kelime içeriğinin %75'ini geri çıkarabiliyor. Sistem, LaBSE, SONAR ve Gemini gibi popüler AI modellerinin cümle işleme biçimlerini inceleyerek, bu modellerin hangi dillerde ve modalitelerde daha başarılı olduğunu ortaya çıkarıyor. Çalışma, geleneksel değerlendirme yöntemlerine alternatif olarak, yapay zeka sistemlerinin iç işleyişini anlamamızda yeni bir tanı aracı sunuyor. Bu gelişme, dil modeli geliştiricilerinin sistemlerindeki önyargıları tespit etmesine ve çok dilli uygulamalarda daha adil sonuçlar elde etmesine yardımcı olabilir.

Google DeepMind, BIFOLD ve Berlin Teknik Üniversitesi araştırmacıları, karmaşık moleküllerdeki atomlar arası uzun mesafe etkileşimlerini daha verimli şekilde modelleyebilen yeni bir yapay zeka yöntemi geliştirdi. Euclidean Fast Attention (EFA) adı verilen bu makine öğrenmesi yaklaşımı, kimyasal sistemlerdeki küresel atom etkileşimlerini daha hızlı ve doğru şekilde temsil edebiliyor. Bu gelişme, ilaç geliştirme süreçlerinde hızlanma, daha verimli batarya teknolojileri ve sürdürülebilir malzeme tasarımında önemli ilerlemeler sağlayabilir. Yöntem, özellikle karmaşık moleküler yapıların simülasyonunda geleneksel hesaplama yöntemlerinin sınırlarını aşmayı hedefliyor.

Araştırmacılar, yapay zeka modellerinin ultrason prosedürlerini ne kadar iyi anlayabildiğini test etmek için özel bir veri seti geliştirdi. ReXSonoVQA adlı bu sistem, 514 video klip ve sorulardan oluşuyor. Ultrason çekimi, uzman bir operatörün probe manipülasyonu ve anlık ayarlamalar yapmasını gerektiren karmaşık bir süreç. Görsel-dil modelleri gelecekte otonom ultrason sistemlerini mümkün kılabilir, ancak mevcut değerlendirme sistemleri sadece statik görüntüleri inceliyor, dinamik prosedür anlayışını test etmiyor. Yeni benchmark, üç temel yetkinliği hedefliyor: eylem-hedef muhakemesi, yapay nesne çözünürlüğü ve optimizasyonu, prosedür bağlamı ve planlama. Gemini, Qwen ve LLaVA gibi gelişmiş AI modellerinin testlerinde, modellerin bazı prosedürel bilgileri çıkarabildiği görüldü.

Araştırmacılar, bulut hizmetlerinin günlük dosyalarını analiz eden yapay zeka sistemlerinde ciddi bir güvenlik açığı tespit etti. LogJack adlı bu saldırı yöntemi, zararlı komutları günlük kayıtlarının içine gizleyerek AI sistemlerini kandırıyor. 8 farklı büyük dil modeli üzerinde yapılan testlerde, bazı modellerin %86'ya varan oranlarda zararlı komutları aynen çalıştırdığı görüldü. En güvenli model Claude Sonnet olurken, Llama 3.3 en savunmasız model olarak öne çıktı. AWS, Google Cloud ve Azure'un güvenlik sistemleri bu saldırıları tespit etmede büyük ölçüde başarısız oldu. Bu keşif, AI sistemlerinin bulut altyapılarında kullanımının yaygınlaştığı dönemde kritik önem taşıyor.

Araştırmacılar, tıbbi görüntüleri analiz edip klinik rapor yazabilen yeni bir yapay zeka sistemi geliştirdi. Google Gemini 2.5 Flash teknolojisini kullanan sistem, CT, MRI, röntgen ve ultrason görüntülerinde tümörleri tespit edebiliyor. Sistem görsel analiz ile dil işleme teknolojilerini birleştirerek, tıpkı bir doktor gibi görüntüleri yorumlayıp detaylı raporlar hazırlıyor. Koordinat doğrulama mekanizmaları ve olasılıksal modelleme ile anormallikleri belirleyebilen sistem, çok katmanlı görselleştirme teknikleri sayesinde doktorların güvenini artıracak detaylı medikal illüstrasyonlar üretiyor.