Büyük dil modelleriyle güçlendirilmiş yazılım geliştirme ajanları, endüstride giderek daha fazla kullanılsa da yüksek maliyetleri önemli bir sorun teşkil ediyor. Araştırmacılar, geçmiş deneyimlerden öğrenen EET adlı yeni bir yaklaşım geliştirdi. Bu sistem, yazılım hatalarını düzeltme sürecinde gereksiz işlemleri erken sonlandırarak maliyetleri önemli ölçüde düşürüyor. Üç farklı yazılım geliştirme ajanı üzerinde yapılan testlerde, EET yöntemi toplam maliyetleri %19-55 arasında azaltırken, başarı oranında sadece %0,2'lik ihmal edilebilir bir kayıp yaşandı. Bu verimlilik artışı, sorunların %11'inde erken sonlandırma fırsatları yakalayarak API çağrılarını %21, giriş verilerini %30 ve çıkış verilerini %25 oranında azaltarak elde edildi.

Araştırmacılar, yapay zeka ajanlarının insan benzeri planlama ve akıl yürütme yetenekleri kazanması için ihtiyaç duydukları geniş çaplı öğrenme ortamlarını otomatik olarak oluşturabilen C-World adlı bir sistem geliştirdi. Sistem, 204 farklı uygulamadan toplam 5.571 araç içeren kapsamlı bir eylem alanı sunuyor. Gerçek API çalıştırma modunda canlı servislerle, sentetik modda ise World Engine ile simülasyonlar yapabiliyor. Uzun vadeli iş akışları oluşturan görev dağıtım motoru, gerçekçi hatalar enjekte eden durum kontrolörü ve doğrulanabilir ölçümlerle LLM tabanlı değerlendirmeyi birleştiren ödül sistemiyle eksiksiz bir ajan ortamı sunuyor. Bu yenilik, yapay zeka ajanlarının sürekli öğrenme için ihtiyaç duyduğu çeşitli ve ölçeklenebilir ortamları maliyetli manuel geliştirme süreçleri olmadan elde etmelerini sağlıyor.

Araştırmacılar, açık kaynak büyük dil modellerinin (LLM) oltalama saldırılarına karşı ciddi güvenlik açıkları taşıdığını ortaya koydu. GuardPhish adlı kapsamlı çalışmada, 70 binden fazla gerçek oltalama örneği kullanılarak 8 farklı model test edildi. Sonuçlar, modellerin oltalama girişimlerini %96 oranında tespit edebildiği halde, aynı içerikleri üretme konusunda başarısız olduğunu gösterdi. Bu durum, özellikle çevrimdışı ortamlarda kullanılan AI sistemlerinin güvenlik zafiyetlerini gözler önüne seriyor. Çalışma, web, e-posta, SMS ve sesli saldırı senaryolarını kapsayan geniş bir veri seti kullanarak gerçek dünya tehditlerine odaklanıyor.

Araştırmacılar, yapay zeka ajanlarının oluşturduğu karmaşık ağ sistemlerinde navigasyonu optimize eden ACE-Router adlı yenilikçi bir sistem geliştirdi. Model Context Protocol (MCP) araçlarından yola çıkarak tasarlanan bu sistem, büyük ölçekli ajan ekosistemlerinde hassas yönlendirme yapabilen tarih-farkında yönlendiriciler eğitiyor. Sistem, çok turlu etkileşim senaryolarını sentezleyerek dinamik bağlam anlayışına sahip hafif yönlendirme ajanları oluşturuyor. Gerçek dünya testlerinde üstün performans gösteren ACE-Router, gelecekteki Ajan Web'inin temel özelliklerini sergiliyor: minimal adaptasyonla çoklu ajan işbirliğine genelleme yapabiliyor, gürültüye karşı sağlamlık gösteriyor ve büyük ölçekli sistemlerde etkili çalışıyor.

Araştırmacılar, uzun belgeler içinde arama yapmayı kolaylaştıran yeni bir yapay zeka sistemi geliştirdi. DocQAC adlı bu sistem, kullanıcıların belge içinde arama yaparken sorgu tamamlama özelliği sunuyor. Web aramalarından farklı olarak, sistem belgeye özel içeriği ve kullanıcının geçmiş arama davranışlarını analiz ederek daha isabetli öneriler sunabiliyor. Geliştirilen adaptif trie-kılavuzlu kod çözme çerçevesi, dil modellerini kullanıcının yazmaya başladığı sorgu ön ekleriyle yönlendirerek yüksek kaliteli tamamlamalar üretiyor. Bu teknoloji özellikle karmaşık ve yazımı zor terimlerin aranmasında büyük kolaylık sağlıyor.

Yapay zeka destekli kod yazma araçları, yazılım geliştiricilerin hayatını kolaylaştırırken beklenmedik bir güvenlik riski yaratıyor. Araştırmacılar, büyük dil modellerinin kod yazmak için kullandığı tokenizasyon yönteminin, API anahtarları ve şifreler gibi gizli bilgileri ezberlemesini kolaylaştırdığını keşfetti. Bu durum, modellerin eğitim sırasında karşılaştığı hassas verileri istemeden hatırlayıp paylaşmasına yol açıyor. Özellikle karakter düzeyinde karmaşık görünen ancak token düzeyinde basit olan gizli bilgilerin daha kolay ezberlendiği ortaya çıktı. Bu keşif, AI kod asistanlarının siber güvenlik açısından yeniden değerlendirilmesi gerektiğini gösteriyor.

Araştırmacılar, web sitelerinde karmaşık görevleri yerine getiren otonom ajanların performansını artırmak için WebUncertainty adlı yeni bir sistem geliştirdi. Mevcut web ajanları, dinamik ortamlarda uzun süreli görevlerde başarısız oluyordu. Yeni sistem, planlama ve karar verme süreçlerindeki belirsizlikleri analiz ederek daha akıllı çözümler üretiyor. Sistem, görev belirsizliğine göre planlama modunu uyarlayan mekanizma ve eylem belirsizliklerini ölçen Monte Carlo ağaç arama algoritması kullanıyor. Bu yaklaşım, yapay zeka ajanlarının gerçek web sitelerinde daha güvenilir ve etkili çalışmasını sağlıyor.

Yapay zeka destekli bilgisayar kullanım ajanları, web gezinmesi ve masaüstü otomasyonu gibi gerçek dünya görevlerinde hızla gelişiyor ve bazen insan performansını bile geçiyor. Ancak yeni bir araştırma, bu ajanların tutarlılık konusunda ciddi sorunlar yaşadığını ortaya koyuyor. Aynı görevi bir kez başarıyla tamamlayan bir ajan, ikinci denemede başarısız olabiliyor. Araştırmacılar, bu güvenilirlik sorununu üç ana faktörle açıklıyor: yürütme sırasındaki rastgelelik, görev tanımındaki belirsizlik ve ajan davranışındaki değişkenlik. OSWorld platformu üzerinde yapılan analizler, güvenilirliğin hem görevlerin nasıl tanımlandığına hem de ajan davranışının farklı yürütmeler arasında nasıl değiştiğine bağlı olduğunu gösteriyor. Bu bulgular, AI ajanlarının pratik uygulamalarda kullanılabilmesi için yeni değerlendirme yöntemlerinin geliştirilmesi gerektiğini işaret ediyor.

Araştırmacılar, büyük ölçekli omik verileri görselleştirmek ve analiz etmek için ClusterChirp adlı yenilikçi bir web platformu geliştirdi. Modern biyoloji teknolojilerinin ürettiği devasa veri matrisleri, mevcut araçların kapasitesini aşıyor ve önemli biyolojik kalıpların kaybına neden oluyor. ClusterChirp, GPU hızlandırması ve çok çekirdekli işlemci desteğiyle bu sorunu çözüyor. Platform, deck.gl teknolojisi ve çok iş parçacıklı kümeleme algoritmalarını birleştirerek, gerçek zamanlı veri keşfi imkanı sunuyor. En dikkat çekici özelliği ise doğal dil arayüzü ile veri sorgulama kapasitesi. Bu, araştırmacıların karmaşık komut satırı bilgisi gerektirmeden, sıradan konuşma diliyle veri analizi yapabilmesine olanak tanıyor. Tek bir arayüzde anlık kümeleme, çoklu metrik sıralama, özellik arama ve etkileşimli görselleştirme kontrolleri bir araya geliyor.

Araştırmacılar, web sitelerinde otomatik görevler yapabilen yapay zeka ajanlarını eğitmek için yenilikçi bir yaklaşım geliştirdi. DynaWeb adlı sistem, gerçek internet ortamında eğitim yapmanın getirdiği maliyet ve risk sorunlarını çözmek üzere tasarlandı. Sistem, web sayfalarının davranışını taklit eden sanal bir dünya modeli oluşturuyor ve yapay zeka ajanları bu simüle ortamda güvenli bir şekilde öğreniyor. Bu yaklaşım, ajanların milyonlarca sanal etkileşim gerçekleştirmesine olanak tanıyarak hem daha hızlı hem de daha ekonomik bir eğitim süreci sunuyor. Genel amaçlı yapay zeka asistanlarının geliştirilmesi yolunda önemli bir adım olarak değerlendirilen çalışma, gelecekte web tabanlı görevleri otomatik olarak yerine getirebilen daha gelişmiş sistemlerin temelini atıyor.

Araştırmacılar, yapay zeka modellerinin gerçek zamanlı bilgilere erişim kabiliyetini değerlendiren yeni bir test sistemi geliştirdi. RT-QA adlı bu framework, web sitelerinden anlık veri toplayan kod akışları kullanarak güncel cevaplar üretebiliyor. Sistem, web sayfası yapılarındaki değişikliklere otomatik olarak adapte olan self-repair mekanizması içeriyor. 12 farklı alanda 320 Çince soru ile test edilen sistem, finans ve spor gibi dinamik bilgi gerektiren konularda yapay zeka performansını ölçüyor. Bu gelişme, arama entegreli AI ajanlarının gerçek dünya uygulamalarında daha etkili çalışmasının önünü açıyor.