Araştırmacılar, yapay zeka sistemlerinin gerçek web ortamındaki karmaşık arama görevlerini ne kadar iyi yerine getirdiğini ölçmek için MERRIN adlı yeni bir test platformu geliştirdi. Bu platform, AI ajanlarının metin, görsel, ses ve video gibi farklı veri türlerini bir araya getirerek çok adımlı mantıksal çıkarımlar yapabilme yeteneklerini değerlendiriyor. Geleneksel test sistemlerinden farklı olarak, belirsiz doğal dil sorguları kullanıyor ve çelişkili bilgilerin bulunduğu gürültülü web ortamlarını simüle ediyor. GPT ve Gemini gibi güçlü kapalı kaynak modellerden açık kaynak alternatiflere kadar on farklı AI modeli üzerinde yapılan testler, mevcut sistemlerin gerçek dünya koşullarındaki sınırlarını ortaya çıkarıyor.

Araştırmacılar, binlerce karakter içeren uzun veri dizilerinde ortak kalıpları tespit edebilen yenilikçi bir algoritma geliştirdi. MLCS (Çoklu En Uzun Ortak Alt Dizi) madenciliği olarak bilinen bu teknik, genetik, metin analizi ve veri madenciliği alanlarında kritik öneme sahip. Mevcut yöntemler 1000'den fazla karakterlik dizilerle başa çıkamıyordu, bu da büyük veri analizi için ciddi bir engel oluşturuyordu. Yeni KP-MLCS algoritması, 'anahtar nokta' yaklaşımını kullanarak 10 bin karaktere kadar olan büyük dizilerde bile ortak kalıpları başarıyla tespit edebiliyor. Sistem aynı zamanda bulunan kalıpları görsel olarak gösterebilen ve gerçek zamanlı analiz yapabilen çevrimiçi bir araç olarak sunuluyor. Bu gelişme, genomik verilerden sosyal medya analizine kadar pek çok alanda büyük veri işleme kapasitesini önemli ölçüde artıracak.

Günümüzde işe alım süreçleri, yetenek yönetimi ve işgücü analitiği giderek daha fazla yapay zeka destekli öneri sistemlerine dayanıyor. Ancak bu alandaki araştırmalar dağınık ve karşılaştırma yapmak zorlaşıyor. Farklı sınıflandırma sistemleri, çeşitli görev tanımları ve model yaklaşımları kullanılması, çalışmaları birbiriyle kıyaslanabilir olmaktan çıkarıyor. Araştırmacılar, bu soruna çözüm olarak WorkRB adında açık kaynaklı bir değerlendirme platformu geliştirdi. Platform, iş alanına özel yapay zeka uygulamalarını test etmek için özel olarak tasarlandı ve topluluk odaklı bir yaklaşım benimsiyor. Bu çalışma, sektördeki parçalanmışlık sorununa çözüm getirerek, yapay zeka teknolojilerinin iş dünyasındaki performansını daha objektif şekilde değerlendirme imkanı sunuyor.

Araştırmacılar, metin belgelerini anlamlı sayısal verilere çeviren yenilikçi bir sistem geliştirdi. Bu yöntem, her belgeyi matematiksel bir temsille kodlayarak, içeriğinin semantik özelliklerini ölçülebilir hale getiriyor. Sistemin test edildiği çalışmada, yapay zeka konulu 11.922 Portekizce haber makalesi altı farklı anlam boyutunda analiz edildi. Geliştirilen pipeline, Qwen gömme modelleri ve UMAP boyut indirgeme teknikleriyle birleştirilerek, metin corpuslarının hem bireysel hem de toplu karakterizasyonunu mümkün kılıyor. Bu yaklaşım, büyük metin koleksiyonlarının izlenmesi, incelenmesi ve analitik süreçlerde kullanılması için pratik bir çözüm sunuyor.

Büyük dil modelleri kod yazma ve metin üretmede başarılı olsalar da, bilimsel alanlarda matematiksel akıl yürütme yetenekleri henüz yeterince keşfedilmemişti. Yeni bir araştırma, yapay zekanın optik iletişim alanında formül türetme konusunda ne kadar ileri gittiğini gösteriyor. Araştırmacılar, fiber optik kablolardaki doğrusal olmayan girişim modellemesi için özel yapılandırılmış komutlar kullanarak bir dil modelini yönlendirdiler. Model, bilinen ISRS GN ifadelerini başarıyla yeniden oluşturmakla kalmadı, aynı zamanda çok aralıklı C ve C+L band iletimler için yeni bir yaklaşım formülü türetti. Sayısal doğrulamalar, yapay zeka tarafından türetilen modelin temel modellerle neredeyse özdeş sonuçlar ürettiğini ve tüm kanallar ve aralıklarda ortalama mutlak hatanın 0.109 dB'nin altında kaldığını ortaya koydu.

Araştırmacılar, büyük dil modellerinin (LLM) sıkıştırılmış metinler üzerinde doğrudan analiz yapabildiğini keşfetti. Bu yenilikçi yaklaşım, sözlük kodlaması kullanarak tekrarlayan metin parçalarını kısa meta-simgelerle değiştiriyor ve model ince ayarına gerek kalmadan %80'e varan sıkıştırma oranları elde ediyor. Sistem, modele verilen sözlük sayesinde sıkıştırılmış metinleri doğru şekilde yorumlayabiliyor ve normal metinlerle aynı kalitede sonuçlar üretiyor. Bu gelişme, özellikle tekrarlı veriler içeren büyük metinlerin işlenmesinde maliyet etkinliği sağlayarak yapay zeka uygulamalarının ekonomik sürdürülebilirliğine önemli katkı sunuyor.

Araştırmacılar, çok modlu büyük dil modellerinin (MLLM) ürettiği yanıtların hangi kaynaklardan geldiğini izleyebilen yeni bir sistem geliştirdi. OmniTrace adlı bu hafif çerçeve, metin, görüntü, ses ve video girişlerini aynı anda işleyebilen yapay zeka modellerinde kaynak atıfı sorununu çözmeyi hedefliyor. Mevcut atıf yöntemleri genellikle tek modalite veya sınıflandırma görevleri için tasarlanmış durumda. OmniTrace ise üretim sırasında her bir token'ın hangi girişten geldiğini takip ederek, anlam bütünlüğü olan açıklamalar sunuyor. Bu gelişme, yapay zeka sistemlerinin güvenilirliği ve şeffaflığı açısından önemli bir adım olarak görülüyor.

Araştırmacılar, büyük dil modellerinin koroner anjiyografi raporlarından fizyolojik ölçümleri otomatik olarak çıkarma yeteneğini inceledi. Çalışma, 1342 Portekizce tıbbi rapor üzerinde gerçekleştirildi ve yapay zekanın tıbbi verileri ne kadar güvenilir şekilde işleyebileceğini araştırdı. Koroner anjiyografi raporları, kalp damarlarının durumu hakkında kritik bilgiler içerir ancak bu veriler genellikle yapılandırılmamış metin halindedir. Bu durum, araştırmacıların verileri analiz etmesini zorlaştırır. Araştırmada farklı prompting stratejileri kullanılarak, yapay zekanın bu tıbbi raporlardan değerli bilgileri ne kadar başarılı şekilde çıkarabileceği test edildi. Sonuçlar, tıbbi alanda yapay zeka kullanımının potansiyelini gösterirken, güvenilirlik konusundaki sınırları da ortaya koydu.

Müzikologlar uzun yıllardır melodi şekillerini sınıflandırmak için belirli tip kategorileri kullanıyor. Ancak yeni bir araştırma, bu yaklaşımın temelini sarsan bulgular ortaya koydu. Araştırmacılar, Alman ve Çin halk şarkıları ile Gregoryen ilahilerini analiz ederek, melodi konturlarının aslında ayrık kategorilere ayrılmadığını keşfetti. UMAP boyut azaltma ve dist-dip çok modluluk testini kullanan bilim insanları, sentetik veri setlerinde kümeleme tespit edebildiklerini ancak gerçek melodi örneklerinde böyle bir yapı bulamadıklarını belirtti. Bu bulgular, müzik teorisinde yaygın kullanılan Huron tipolojisi gibi sınıflandırma sistemlerinin güvenilirliğini sorguluyor. Sonuç olarak melodik konturun, keskin sınırları olan kategorilerden ziyade sürekli bir olgu olarak ele alınması gerektiği öneriliyor.

Araştırmacılar, dil ve görsel yetenekleri birleştiren yapay zeka modellerinin, görsel arama sistemlerinde beklenmedik başarı gösterdiğini keşfetti. Bu modeller, herhangi bir özel eğitim almadan benzer görselleri bulma konusunda uzman sistemleri geride bırakıyor. Çalışma, çok modlu dil modellerinin sadece metin-görsel işlemlerde değil, salt görsel görevlerde de güçlü olduğunu ortaya koyuyor. Özellikle karmaşık, gürültülü ortamlarda ve küçük nesnelerin bulunduğu görüntülerde daha dayanıklı sonuçlar veriyor.

Araştırmacılar, yapay zeka tabanlı arama sistemlerinde kritik bir sorunla karşı karşıya: kullanıcı davranışları zaman içinde değişince sistemin performansı düşüyor. Geleneksel arama sistemleri en yakın eşleşmeyi bulurken, yeni nesil sistemler her öğeye benzersiz tanımlayıcılar vererek aramayı metin üretimi problemi haline getiriyor. Bu yaklaşım başlangıçta etkili olsa da, kullanıcı etkileşim kalıpları değiştikçe tanımlayıcılar güncelliğini kaybediyor. Mevcut çözümler ya sabit tanımlayıcı setleri kullanıyor ya da sistemi sıfırdan yeniden eğitiyor. Bu durumda hem maliyet artıyor hem de sürekli güncelleme zorlaşıyor. Yeni araştırma, bu sorunun ne kadar ciddi olduğunu kronolojik testlerle analiz ediyor ve hafif, model-bağımsız bir güncelleme yöntemi öneriyor.