Deniz memelilerinin su altındaki yaşam mücadelesi şaşırtıcı fizyolojik adaptasyonlar gerektiriyor. Yeni araştırmalar, fokların uzun ve derin dalışlar sonrasında vücutlarındaki toksinleri temizlemek için kalp atış hızlarını artırdığını ortaya koydu. Dalış sırasında oksijen azlığı nedeniyle kaslarda biriken laktik asit ve kanda oluşan nitrojen baloncuklarından kurtulmak için foklar, su yüzeyinde uzun süre yüzerken kardiyovasküler sistemlerini hızlandırıyor. Bu keşif, deniz memelilerinin ekstrem çevre koşullarına nasıl uyum sağladığını anlamamıza yeni bir boyut kazandırıyor.

Araştırmacılar, yapay zeka tabanlı yazılım geliştirme ajanlarının en büyük sorunlarından birini çözmek için SWE-Edit adlı yeni bir sistem geliştirdi. Mevcut AI kod editörleri, kod inceleme, değişiklik planlama ve düzenleme işlemlerini aynı bağlam penceresinde gerçekleştirerek karmaşıklığa neden oluyor. SWE-Edit bu sorunu, görevleri iki özelleşmiş alt ajana bölerek çözüyor: Viewer kodu incelerken, Editor değişiklikleri uygulayarak ana ajanın stratejik düşünmeye odaklanmasını sağlıyor. Bu yaklaşım, AI yazılım geliştirme araçlarının etkinliğini önemli ölçüde artırabilir.

Araştırmacılar, büyük dil modellerinin (LLM) kod yazma yeteneklerini test etmek için yeni bir değerlendirme platformu geliştirdi. ClassEval-Pro adlı bu sistem, yapay zekanın basit fonksiyonlar yerine karmaşık sınıf yapıları oluşturma becerisini ölçüyor. Platform, 11 farklı alanda 300 görev içeriyor ve otomatik bir üç aşamalı süreçle hazırlandı. Her görev, yapay zeka hakem topluluğu tarafından doğrulanıyor ve %90'ın üzerinde kod kapsamına sahip test paketlerinden geçmek zorunda. Araştırmada beş farklı gelişmiş yapay zeka modeli, beş farklı kod üretim stratejisiyle test edildi. Bu çalışma, yapay zekanın kod yazma alanındaki gelişimini daha kapsamlı şekilde değerlendirme olanağı sunuyor.

Araştırmacılar, büyük dil modellerinin çıkarım hızını artırmak için LogitSpec adında yeni bir teknik geliştirdi. Bu yöntem, spekülatif kod çözme sürecini iyileştirerek modellerin daha hızlı yanıt vermesini sağlıyor. Geleneksel yöntemler yardımcı model kullanırken, LogitSpec veritabanı tabanlı bir yaklaşımla draft tokenları daha etkili şekilde buluyor. Sistem, son tokenin logit değerlerini kullanarak hem bir sonraki hem de ondan sonraki tokeni tahmin edebiliyor. Bu yenilik, yapay zeka modellerinin daha az hesaplama gücü kullanarak daha hızlı çalışmasını mümkün kılıyor.

Araştırmacılar, büyük dil modellerinin çıkarım hızını artırmak için FLy adlı yeni bir yöntem geliştirdi. Geleneksel spekülatif kod çözme yöntemleri sadece tam eşleşen token'ları kabul ederken, FLy semantik olarak doğru ancak farklı ifadeleri de değerlendiriyor. Sistem, entropy tabanlı iki katmanlı bir mekanizma kullanarak hangi durumlarda alternatif token'ların kabul edilebileceğini belirliyor. Bu yaklaşım, modelin kendi kendini düzeltme yeteneğinden faydalanarak daha esnek bir doğrulama kriteri sunuyor. Özellikle dağıtım dışı görevlerde performans kaybı yaşayan mevcut yöntemlere alternatif olan FLy, ek eğitim gerektirmeden çalışabiliyor.

Araştırmacılar, yapay zekanın görsel problemleri çözerken yaşadığı temel sorunu ele aldı. Mevcut sistemler görselleri algılayabiliyor ama mantıksal yapıları kavrayamıyor. Yeni geliştirilen 'Thinking with Drafting' (TwD) yöntemi, yapay zekanın görsel bilgiyi mantıksal kod yapısına dönüştürmesini sağlıyor. Bu yaklaşım, sistemin doğrudan cevap üretmek yerine düşünce sürecini kodlayarak kendini doğrulamasına olanak tanıyor. Görsel algının mantıksal yapıya dönüştürülmesi süreci 'optik dekompresyon' olarak adlandırılıyor.

Hesaplamalı fizik araştırmalarında büyük simülasyon veri setleri kullanılıyor ancak bu verilerin nasıl üretildiğini takip etmek zorlaşıyor. Araştırmacılar, kod versiyonundan yayınlanan grafiğe kadar tüm sürecin izlenebilir olduğu entegre bir iş akışı geliştirdi. Bu yaklaşım, bilimsel çalışmaların tekrarlanabilirliğini artırırken, veri paylaşımı standartlarına da uyum sağlıyor. Özellikle yıllarca geliştirilen yazılımlarla üretilen simülasyon verilerinin güvenilirliğini artırmak için kritik önem taşıyor.

Yapay zeka ajanlarının yaygınlaşmasıyla birlikte token tüketimi hızla artıyor. Araştırmacılar, bu ajanların kodlama görevlerinde token kullanım kalıplarını ilk kez sistematik olarak inceledi. Sekiz farklı büyük dil modelinin analiz edildiği çalışmada şaşırtıcı sonuçlar ortaya çıktı: Ajanlık görevler, normal kod sohbetinden 1000 kat daha fazla token tüketiyor. Token kullanımının son derece değişken olduğu, aynı görev için farklı çalışmalarda 30 kata kadar farklılık gösterebildiği belirlendi. Çalışma, token maliyetlerinin büyük kısmının çıktı değil girdi tokenlarından kaynaklandığını ortaya koyuyor. Bu bulgular, AI ajanlarının ekonomik sürdürülebilirliği açısından kritik öneme sahip.

Yapay zeka araştırmacıları, kod üretimi gibi katı kurallara bağlı görevlerde diffüzyon dil modellerinin karşılaştığı temel sorunu çözen yeni bir yöntem geliştirdi. Saber adı verilen bu yaklaşım, modelin hatalı tahminlerini tespit edip geri alabilmesini sağlıyor. Geleneksel autoregresif modellerin aksine, diffüzyon modelleri paralel üretim ve çift yönlü bağlam anlama avantajları sunuyor. Ancak kod yazma gibi yapısal kısıtlamaların olduğu alanlarda hız ve kalite arasında kritik bir ödünleşim yaşanıyordu. Araştırmacılar, bu sorunun iki temel nedeni olduğunu keşfetti: üretim zorluğunun tüm adımlarda eşit olmaması ve erken yapılan yüksek güvenli tahminlerin geri alınamaz hatalara dönüşmesi. Yeni yöntem, adaptif hızlandırma ve akıllı geri adım mekanizmaları kullanarak bu sorunları çözüyor.

Araştırmacılar, dijital görüntülerin içine gizli mesajlar yerleştirmeye yarayan çok faktörlü bir güvenlik sistemi geliştirdi. 'Quantum Gatekeeper' adlı bu yöntem, kuantum bilgisayar teknolojisini kullanarak olağanüstü güvenlik sağlıyor. Sistem, gizli veriyi çıkarabilmek için dört farklı faktörü aynı anda doğru girmeyi gerektiriyor: parola, paylaşılan gizli kod, kullanıcının belirlediği bağlam dizisi ve referans görüntü imzası. Bu faktörlerden herhangi biri yanlış girildiğinde sistem sessizce reddediyor ve hiçbir ipucu vermiyor. Steganografi alanında yenilikçi bir yaklaşım olan bu teknoloji, hassas bilgilerin dijital ortamda güvenle saklanması için önemli bir adım teşkil ediyor.

Araştırmacılar, kuantum kanallarının üniter olup olmadığını test etmek için üç farklı erişim modelinin verimliliğini karşılaştırdı. Çalışma, tutarsız erişim modelinde Θ(d/ε²), tutarlı erişim modelinde Θ(d/ε) ve kaynak-kod erişim modelinde Θ(√d/ε) sorgu karmaşıklığı gerektirdiğini gösterdi. Bu sonuçlar, kuantum hesaplama ve kuantum bilgi işleme alanında kanalların doğrulanması için optimal algoritmaların geliştirilmesine katkı sağlıyor. Araştırma, farklı erişim modellerinin kesin bir hiyerarşi oluşturduğunu matematiksel olarak kanıtlayarak, kuantum teknolojilerinde hangi yaklaşımın ne zaman kullanılması gerektiği konusunda rehberlik sunuyor.