Araştırmacılar, yapay zeka modellerinin düşünme ve düşünmeme modları arasındaki karışıklığı gidermek için Path-Lock Expert (PLE) adlı yenilikçi bir mimari geliştirdi. Mevcut hibrit düşünen dil modellerinde, düşünmeme modunda bile uzun ve kendini sorgulayan yanıtlar üretilmesi sorunu yaşanıyor. Bu durum, her iki modun aynı parametrelerde kodlanmasından kaynaklanıyor. PLE sistemi, her çözücü katmanda tek MLP yerine, biri düşünme diğeri düşünmeme için olmak üzere iki ayrı uzman kullanıyor. Sistem, dikkat mekanizması, gömme katmanları ve normalizasyon bileşenlerini paylaşırken, bir kontrol token'ı aracılığıyla tüm dizi için sadece bir uzman yolunu seçiyor. Bu yaklaşım, matematik ve bilim alanlarında test edilerek, modların birbirine karışmasını engellemede başarılı sonuçlar gösterdi.

Büyük dil modellerinin (LLM) akıl yürütme yeteneklerinin nasıl kontrol edilebileceği üzerine ilk sistematik araştırma gerçekleştirildi. Araştırmacılar, bu modellerin çelişkili talimatlarla karşılaştıklarında nasıl davrandığını inceledi. Sonuçlar, yapay zeka modellerinin kurallara uyma yerine mantıklı düşünmeyi tercih ettiğini gösterdi. Bu keşif, AI sistemlerinin karar verme süreçlerini anlamamız açısından kritik öneme sahip. Araştırma, modellerin önceden öğrendikleri bilgilerle yeni talimatlar arasında çelişki yaşadığında hangi yolu seçtiklerini ortaya koyuyor.

Araştırmacılar, karmaşık bilimsel problemleri çözmek için adım adım yol haritaları oluşturabilen yeni bir yapay zeka sistemi geliştirdi. RoadMapper adlı bu çok aracılı sistem, büyük dil modellerinin araştırma sürecini planlama konusundaki yetersizliklerini gidermek için tasarlandı. Sistem, profesyonel bilgi eksikliği, mantıksız görev ayrıştırması ve düzensiz mantıksal ilişkiler gibi temel sorunları çözerek, araştırmacıların kompleks projeleri daha sistematik bir şekilde ele almasını sağlıyor. Bu gelişme, bilimsel araştırma süreçlerinin otomatikleştirilmesi ve hızlandırılması açısından önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, görev odaklı diyalog sistemlerinin nesne referanslarını anlama yeteneğini geliştiren yeni bir yöntem önerdi. Büyük dil modellerinin nesne açıklamaları üzerinde mantıksal çıkarım yapmasını sağlayan bu yaklaşım, özellikle karmaşık görsel ortamlarda chatbot'ların hangi nesneden bahsedildiğini daha doğru tespit etmesini mümkün kılıyor. SIMMC 2.1 veri seti üzerinde yapılan testler, bu yöntemin geleneksel supervised öğrenme modellerinin aksine farklı alanlarda daha iyi genelleme yapabildiğini gösteriyor. Sistem, adım adım mantıksal süreçler oluşturarak kullanıcının kastettiği nesneyi daha başarılı şekilde belirleyebiliyor.

Araştırmacılar, yapay zekanın akıl yürütme sürecini daha verimli hale getirmek için gizli mantık yaklaşımını geliştirdi. Geleneksel yöntemler adım adım açık mantık zincirleri kullanırken, yeni teknik ara adımları sürekli matematiksel temsillere sıkıştırarak süreci kısaltıyor. Ancak bu alandaki pekiştirmeli öğrenme yöntemleri kararsızlık sorunları yaşıyordu. Stanford ve diğer kurumlardan bilim insanları, Grup Göreceli Politika Optimizasyonu (GRPO) tekniğini gizli mantık sistemlerine uyarlayarak bu zorluğu aştı. Çalışma, yapay zekanın daha hızlı ve etkili düşünmesi için önemli bir adım niteliğinde.

Araştırmacılar, büyük çoklu ortam modellerinin (görsel ve metinsel verileri birlikte işleyen AI sistemler) eğitiminde karşılaşılan temel bir sorunu çözmek için PRISM adlı yeni bir yaklaşım geliştirdi. Mevcut eğitim süreçlerinde modeller, başlangıçtaki yeteneklerini kaybetme ve istenmeyen davranış değişiklikleri gösterme eğiliminde. PRISM, bu sorunu üç aşamalı bir süreçle çözüyor: önce denetimli öğrenme, ardından dağılım hizalama ve son olarak pekiştirmeli öğrenme. Sistem, algısal hatalar ve mantıksal başarısızlıkları ayrı ayrı ele alan uzman modüller kullanarak, AI'ın hem görme hem de muhakeme becerilerini daha dengeli şekilde geliştiriyor. Bu yaklaşım, özellikle görsel-metinsel çoklu ortam görevlerinde modellerin performansını artırarak, gelecekteki AI sistemlerinin daha güvenilir olmasına katkıda bulunabilir.

Araştırmacılar, yapay zeka modellerinin finansal analiz yeteneklerini değerlendirmek için FinChain adlı yeni bir test sistemi geliştirdi. Mevcut testler sadece nihai cevaplara odaklanırken, FinChain yapay zekanın adım adım mantıksal düşünme sürecini de denetliyor. 12 farklı finansal alandan 58 konuyu kapsayan bu sistem, yapay zekanın her hesaplama adımını Python kodu ile doğrulayabiliyor. 26 önde gelen yapay zeka modelinin değerlendirildiği çalışmada, en gelişmiş modellerin bile finansal muhakemede önemli eksiklikleri olduğu ortaya çıktı. Bu bulgular, finansal kararların yapay zeka destekli sistemlere bırakılmadan önce dikkatli değerlendirme yapılması gerektiğini gösteriyor.

Araştırmacılar, büyük dil modellerinin matematiksel ve mantıksal problemleri çözerken hangi çözüm yolunun doğru olduğunu belirlemek için PiCSAR adlı yeni bir yöntem geliştirdi. Bu yöntem, modelin ürettiği akıl yürütme zincirini ve nihai cevabı birlikte değerlendirerek doğru çözümü seçiyor. Geleneksel yöntemlere göre yarı yarıya daha az örnekle daha yüksek başarı elde eden PiCSAR, yapay zekanın problem çözme kapasitesini artırmada önemli bir adım. MATH500 testinde 10.18, AIME2025'te ise 9.81 puan artış sağlayan bu yaklaşım, doğru akıl yürütme zincirlerinin daha yüksek güven skoru gösterdiğini ortaya koyuyor. Ek eğitim gerektirmemesi nedeniyle pratik uygulamalarda kolayca kullanılabilir.

Yapay zeka araştırmacıları, metin, görsel ve ses gibi farklı veri türlerini birleştiren çoklu modaliteli büyük dil modellerinin (MLLM) akıl yürütme performansını detaylı olarak inceledi. Araştırma, ek modalitelerin her zaman performansı artırmadığını, hatta bazen zararlı olabileceğini ortaya koydu. Altı farklı etkileşim paternini analiz eden yeni bir değerlendirme çerçevesi geliştiren bilim insanları, modalitelerin bağımsız ve yeterli akıl yürütme yolları sağladığında performansı artırdığını, ancak gereksiz veya zincirleme mantıksal bağlantıların performansı düşürdüğünü keşfetti. Bu bulgular, AI sistemlerinin farklı veri türlerini nasıl işlediğini anlamamızı derinleştiriyor ve gelecekteki çoklu modaliteli AI sistemlerinin tasarımında kritik önem taşıyor.

Büyük dil modelleri çoktan seçmeli sorularda ve karşılaştırma görevlerinde seçenek sırası gibi anlamsız faktörlerden etkilenerek önyargılı davranabilir. Araştırmacılar, bu sorunu çözmek için PA-GRPO adlı yeni bir yöntem geliştirdi. Bu teknik, modelin aynı soruya farklı seçenek sıralarında tutarlı cevaplar vermesini sağlayarak karar verme sürecini iyileştiriyor. Geleneksel yöntemler pahalı ve mantıksal düşünceye zarar verebilirken, yeni yaklaşım modeli eğitim sırasında optimize ederek daha güvenilir sonuçlar elde ediyor.

Büyük dil modellerinin mantıksal muhakeme yeteneklerini artıran RLVR yöntemi, modellerin yanlış cevaplarda bile aşırı güvenli olması sorununa yol açıyor. Araştırmacılar, bu sorunu çözmek için DCPO adlı yeni bir yaklaşım geliştirdi. Yöntem, muhakeme ve güven kalibrasyonu süreçlerini birbirinden ayırarak, modellerin hem doğru cevap verme hem de gerçekçi güven seviyeleri gösterme kabiliyetini dengeliyor. Bu çalışma, yapay zekanın güvenilirliği açısından önemli bir adım teşkil ediyor.