Araştırmacılar, büyük dil modellerinin metinlerdeki tutumları tespit etme yeteneklerini sistematik olarak inceledi. Çalışmada, basit komut verme yöntemleri ile çoklu yapay zeka ajanlarının tartışma yöntemleri karşılaştırıldı. Sonuçlar, basit yöntemlerin daha etkili olduğunu ve çok ajanlı sistemlerin 7-12 kat daha fazla işlem gücü gerektirdiğini ortaya koydu. Araştırma, model boyutunun yöntem seçiminden daha önemli olduğunu ve performans artışının 32 milyar parametre civarında sabitlendiğini gösterdi. Bu bulgular, yapay zeka uygulamalarında verimlilik ve maliyet dengesinin önemini vurguluyor.

Fizikçiler, halka şeklindeki ağ yapılarında partiküllerin nasıl hareket ettiğini araştırırken şaşırtıcı bir sonuçla karşılaştı. Geleneksel düşüncenin aksine, ağdaki kısa yolların her zaman taşıma sürecini hızlandırmadığı ortaya çıktı. Araştırmacılar, düğümler arasında uzak mesafe bağlantıları bulunan halka ağlarda rastgele yürüyüş dinamiklerini incelediler. Sonuçlar, kısa yol uzunluğu ile taşıma verimliliği arasında karmaşık bir ilişki olduğunu gösterdi. Belirli bir eşik değerden sonra, ortalama ilk geçiş süresi beklenmedik şekilde maksimum ve minimum değerler arasında dalgalanma gösteriyor. Bu dalgalanmalar, kısa yol uzunluğu ile sistem boyutu arasındaki matematiksel uyum ilişkilerine bağlı kendine benzer örüntüler oluşturuyor. Bu keşif, ağ teorisi ve taşıma fiziği alanlarında önemli sonuçlar doğurabilir.

Araştırmacılar, kripto para dünyasında kullanıcılara yardım eden yapay zeka asistanlarının ne kadar faydalı olduğunu ölçmek için LATTICE adlı yeni bir değerlendirme sistemi geliştirdi. Mevcut test yöntemleri sadece AI'ların doğru cevap verip vermediğine odaklanırken, LATTICE kullanıcıların karar verme sürecine ne kadar yardımcı olduklarını da ölçüyor. Bu sistem, altı farklı değerlendirme boyutu ve 16 görev türü kullanarak kripto AI asistanlarını gerçek senaryolarda test ediyor. En önemli yenilik, değerlendirmenin tamamen otomatik yapılabilmesi ve uzman görüşlerine bağımlı olmaması.

Araştırmacılar, dil difüzyon modellerinin temel olarak Asosiatif Hafıza sistemleri gibi davrandığını keşfetti. Bu modeller, eğitim verilerini 'anılar' olarak saklayıp geri çağırırken, aynı zamanda yaratıcı yetenekler de geliştirebiliyor. Çalışma, modellerin ne zaman ezberleme yaptığını ve ne zaman gerçek üretkenlik gösterdiğini belirlemenin yollarını araştırıyor. Bulgular, eğitim veri boyutunun modellerin hafızacılıktan genelleme yapma kabiliyetine geçişinde kritik rol oynadığını gösteriyor. Bu keşif, yapay zeka modellerinin çalışma prensiplerini daha iyi anlamamızı sağlayarak, gelecekte daha etkili ve yaratıcı dil modelleri geliştirmemize yardımcı olabilir.

Araştırmacılar, büyük dil modellerinin boyutunu küçültürken performanslarını koruma konusunda çığır açan bir yöntem geliştirdi. Branch-Merge damıtma tekniği adı verilen bu yaklaşım, büyük bir öğretmen modelden bilgiyi seçici olarak küçük modellere aktarıyor. İlk aşamada uzman öğrenci modeller oluşturuluyor, ikinci aşamada ise bu modeller birleştirilerek çapraz alan bilgi transferi sağlanıyor. DeepSeek-R1 öğretmen modelinden yola çıkarak geliştirilen TinyR1-32B-Preview, mevcut benzer modelleri geride bırakarak yapay zeka dünyasında yeni bir standart oluşturuyor.

Bilim insanları, kuantum fiziğinde önemli bir yere sahip olan Aubry-André-Harper zincirlerinin elektronik taşıma özelliklerini araştırdı. Bu özel kuantum sistemlerde, periyodik atlama modülasyonunun yarattığı iç sınırların elektron geçişini nasıl etkilediği incelendi. Araştırma, kenar durumları, bant içi hacim durumları ve bant kenarı hacim durumlarının taşıma özellikleri bakımından birbirinden açıkça ayırt edilebileceğini gösterdi. Özellikle bant kenarlarındaki hacim durumlarının, kenar durumlarına benzer davranış sergileyerek sistem boyutundan zayıf şekilde etkilendiği gözlemlendi. Bu bulgular, kuantum elektronik cihazlarının tasarımında kritik rol oynayan iç sınırların ve kuantum tutarlılığın önemini vurguluyor.

Araştırmacılar, dış güç kaynağına ihtiyaç duymadan çalışabilen yenilikçi bir robot gripper geliştirdi. Bu sistem, içindeki sıvının yeniden dağıtılmasıyla çalışıyor ve temas ettiği nesnelerin boyutunu ve sertliğini algılayarak uygun kavrama gücü uyguluyor. Geleneksel sistemlerin aksine sürekli enerji gerektirmeyen bu teknoloji, özellikle sualtı ve saha çalışmaları için büyük potansiyel taşıyor. Üç bağlantılı bistabil odacık sistemi sayesinde, üstteki algılama odacığı deforme olduğunda, yer değiştiren sıvı kavrama odacıklarını genişletiyor ve kararlı bir tutuş sağlıyor.

Araştırmacılar, iki boyutlu etkileşimli topolojik yalıtkanlarda sınır kritikliği fenomenini inceledi. Kane-Mele-Hubbard-Rashba modeli kullanılarak yapılan çalışmada, deterministik kuantum Monte Carlo yöntemiyle topolojik yalıtkan ile antiferromanyetik yalıtkan arasındaki kuantum faz geçişlerindeki zengin sınır kritik olayları ortaya çıkarıldı. Çalışma, sıradan, özel ve olağanüstü geçişleri kapsayan kompleks davranışlar gözlemledi. Topolojik kenar durumlarının varlığının, sürekli sınır ölçekleme boyutu sağlayan sıradan geçişleri zenginleştirdiği ve Berezinskii-Kosterlitz-Thouless tipinde özel geçişlere yol açtığı gösterildi. Bu bulgular, iki boyutlu topolojik sistemlerde sınır kritikliğinin pertürbasyon dışı çalışması için yeni bir çerçeve oluşturuyor.

Araştırmacılar, belirsizlik altında karar veren yapay zeka sistemlerinin nasıl çalıştığını açıklamayı kolaylaştıran yeni bir yöntem geliştirdi. POMDP adı verilen matematiksel çerçevede çalışan bu sistemler, eksik bilgilerle karar vermek zorunda kaldıklarında genellikle karmaşık politikalar üretir. Yeni yaklaşım, bu karmaşık politikaları karar ağaçları ve Mealy makineleri kombinasyonu kullanarak daha basit ve anlaşılır hale getiriyor. Bu gelişme, özellikle robotik, otonom araçlar ve tıbbi karar destek sistemleri gibi kritik alanlarda yapay zekanın kararlarının şeffaf olması gerektiği durumlarda büyük önem taşıyor. Araştırma, hem politikaların boyutunu küçültmeyi hem de açıklanabilirliğini artırmayı başarıyor.

Araştırmacılar, yapay zeka sistemlerinin bilgi depolama yöntemini kökten değiştiren yeni bir teknik geliştirdi. qFHRR adlı bu yöntem, karmaşık bilgi yapılarını temsil etmek için gereken veri boyutunu 20 kata kadar azaltabiliyor. Geleneksel yöntemler 64 bitlik karmaşık sayılar kullanırken, yeni teknik sadece 3-4 bit ile aynı performansı sergiliyor. Bu gelişme, akıllı telefonlar ve IoT cihazları gibi sınırlı kaynağa sahip cihazlarda yapay zekanın daha verimli çalışmasını sağlayacak. Teknik, holografik temsil yöntemlerini tamsayı aritmetiği ile birleştirerek hem hız hem de enerji verimliliği kazandırıyor.

Fizikçiler, güçlü elektron etkileşimlerinin bulunduğu kuantum sistemlerde Schrödinger denklemini çözmeye yönelik yeni bir matematiksel yöntem geliştirdi. SZ-QCT adı verilen bu yaklaşım, Hamiltonian dönüşümleri kullanarak elektron korelasyonlarının hesaplanmasında önemli ilerlemeler sağlıyor. Yöntem, özellikle statik elektron korelasyonlarının baskın olduğu moleküler sistemlerde kimyasal doğruluk seviyesinde sonuçlar üretiyor. Baker-Campbell-Hausdorff açılımını daha etkili şekilde değerlendiren bu teknik, dört-cisim katkılarına izin vererek önceki yöntemlerin sınırlarını aşıyor. Nümerik testler, çoğu durumda milihartree seviyesinde hatalarla yüksek doğruluk elde edildiğini gösteriyor.