Kuantum teknolojilerinin temelini oluşturan kuantum dolaşıklığının tespit edilmesi ve ölçülmesi için yeni bir matematiksel yaklaşım geliştirildi. Araştırmacılar, genelleştirilmiş eşaçılı ölçümler kullanarak Schmidt sayısı tanıklarını oluşturan yeni bir k-pozitif doğrusal dönüşüm ailesi tanımladı. Schmidt sayısı, iki parçalı karma kuantum durumlarının dolaşıklık derecesini ölçmek için kullanılan önemli bir parametredir. Bu yeni yaklaşım, mevcut simetrik ölçüm operatörlerinden türetilen Schmidt sayısı tanıklarına kıyasla daha verimli dolaşıklık ölçümü sağlıyor. Kuantum dolaşıklık, kuantum hesaplama ve kuantum iletişim gibi modern teknolojilerin temel kaynaklarından biri olduğu için, bu gelişme kuantum teknolojilerinin ilerlemesi açısından önemli.

Araştırmacılar, dil modellerini kasıtlı olarak kötü performans göstermeleri için talimatlandırdıklarında bu modellerin soru içeriklerini anlayıp anlamadıklarını inceledi. Llama-3 modellerinde yapılan testler, modellerin karmaşık talimatlar karşısında soruları çözmeye çalışmak yerine pozisyon tabanlı kestirme yolları kullandığını ortaya koydu. Altı farklı talimat türü ile yapılan deneylerde, belirsiz talimatların orta düzeyde performans düşüşüne neden olduğu, standart sabotaj talimatlarının kısmen içerik anlayışını koruduğu, ancak iki aşamalı kaçınma talimatlarının neredeyse tamamen pozisyon hilelerine dayalı yanıtlara yol açtığı gözlendi. Bu bulgular, yapay zeka güvenliği ve model değerlendirmesi açısından önemli sonuçlar taşıyor.

Araştırmacılar, büyük dil modellerinin (LLM) toplumsal dil ideolojilerini tespit etme yetisini Lüksemburg özelinde inceledi. Çok dilli ve kültürlü yapısıyla bilinen Lüksemburg'da, dil tercihleri sadece pratik seçimler değil, aynı zamanda kimlik ve toplumsal aidiyet göstergeleri. Çalışmada, Lüksemburgca yazılmış kullanıcı yorumları elle etiketlenerek dil ideolojileri kategorilerine ayrıldı. Ardından yapay zeka modellerinin bu ideolojileri ne kadar doğru tespit edebildiği farklı yönlendirme koşulları altında değerlendirildi. Lüksemburgca gibi küçük dillerin yapay zeka eğitim verilerinde yetersiz temsil edilmesi nedeniyle, makine çevirisi kullanımının performansa etkisi de araştırıldı. Bu çalışma, doğal dil işleme araçlarının sosyal bilimler ve dilbilim alanındaki potansiyelini gösteriyor.

Büyük Dil Modelleri (LLM) bilgi arama sistemlerinde sorguları yeniden düzenlemek ve genişletmek için yaygın olarak kullanılıyor. Ancak bu sistemlerin etkinliği konusundaki araştırma sonuçları farklı koşullarda elde edildiği için hangilerinin güvenilir olduğunu anlamak zorlaşıyor. Yeni bir çalışma, on farklı LLM tabanlı sorgu geliştirme yöntemini aynı kontrollü koşullarda test etti. Araştırma, iki farklı LLM ailesini, üç arama paradigmasını ve dokuz kıyaslama veri setini kullanarak kapsamlı bir analiz gerçekleştirdi. Sonuçlar, sorgu geliştirme başarısının kullanılan arama yöntemine bağlı olduğunu ve geleneksel arama sistemlerinde görülen iyileştirmelerin modern yoğun arama sistemlerine aktarılamadığını 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.

Uzmanlar ilk iki yaşta hiç ekran kullanımı olmaması gerektiğini söylese de, günümüzde ebeveynler bu durumu pek mümkün görmüyor. Yeni araştırmalar, ailelerin bebek ve küçük çocuklarının teknoloji cihazlarıyla etkileşimini nasıl yönettiklerini inceliyor. Çalışma, modern yaşamda tamamen ekransız bir ortam yaratmanın zorluklarını ve ebeveynlerin bu konudaki gerçekçi yaklaşımlarını ortaya koyuyor. Bulgular, aileler arasında ekran süresi konusundaki endişelerin yanı sıra, pratik çözüm arayışlarının da yaygın olduğunu gösteriyor. Bu durum, çocuk gelişimi uzmanlarının önerilerle günlük yaşam gerçekleri arasındaki boşluğu gözler önüne seriyor.

Edith Cowan Üniversitesi'nden araştırmacılar, ilk kez ebeveyn olan ailelerin çocuklarının ekran süresi konusunda ciddi kafa karışıklığı yaşadığını ortaya çıkardı. Journal of Children and Media'da yayımlanan çalışma, ebeveynlerin katı zaman sınırlarından esnek yaklaşımlara kadar çok çeşitli ve çelişkili tavsiyeler arasında sıkıştığını gösteriyor. Dr. Stephanie Milford liderliğindeki araştıma ekibi, günlük yaşamda hangi yaklaşımın işe yaradığına dair net rehberlik eksikliğinin ebeveynleri kaygılı ve yargılanmış hissettirdiğini tespit etti. Bu durum, dijital çağda çocuk yetiştirmenin yeni zorluklarını gözler önüne seriyor.

George Mason Üniversitesi'nden yapılan yeni araştırma, ebeveynlerin çocuklarıyla cinsel travma ve şiddet konularında nasıl konuştuğunun kritik önemde olduğunu ortaya koyuyor. Sosyal ve davranışsal sağlık araştırmacısı Rochelle R. Davidson Mhonde'nin bulgularına göre, ebeveynlerin bu hassas konulardaki yaklaşımları kendi inançları, geçmiş deneyimleri ve kültürel anlatılarla şekilleniyor. Araştırma, anne-babaların genç bireylerin cinsellik ve ilişkileri anlama biçimlerinde oynadığı rolün altını çiziyor. Bu konuşmaların nasıl yapıldığı ya da hiç yapılmaması, çocukların gelecekteki ilişki kalıplarını ve travmalarla başa çıkma becerilerini doğrudan etkiliyor. Bulgular, ebeveyn-çocuk iletişiminin sadece bilgi aktarımı değil, aynı zamanda duygusal ve psikolojik destek sağlama açısından da hayati olduğunu gösteriyor.

Araştırmacılar, büyük dil modellerinin mantıksal çıkarım süreçlerinde kullandığı token'ları analiz ederek önemli bir keşif yaptı. Modellerin düşünme izlerinde iki farklı token türü bulunduğunu tespit ettiler: düşük entropili yapısal token'lar (tekrar eden kalıplar) ve yüksek entropili organik token'lar (probleme özgü içerik). Bu asimetriden yararlanarak geliştirdilen yeni sıkıştırma tekniği, modellerin sık kullandığı yapısal kalıpları 'süpertoken'lara dönüştürüyor. Üç farklı model ailesinde ve beş matematiksel akıl yürütme testinde yapılan deneylerde, bu yaklaşım düşünme süreçlerini ortalama %8,1 oranında kısalttı ve hiçbir modelde doğruluk kaybına neden olmadı. Yöntem, sadece hızlandırma değil, aynı zamanda modellerin düşünce yapısını daha iyi anlamamıza da katkı sağlıyor.

Araştırmacılar, malzeme biliminde büyük veri analizi ve yoğunluk fonksiyonel teorisi hesaplamalarını otomatikleştiren yeni bir Python paketi geliştirdiler. aim2dat (Otomatik Ab Initio Malzeme Modelleme ve Veri Analizi Araç Kiti) adlı bu yazılım, bilim insanlarının karmaşık malzeme yapılarını daha kolay analiz etmesini ve yeni bileşiklerin keşfini hızlandırmasını sağlıyor. Yazılım, çevrimiçi veritabanlarına bağlanabiliyor, yüksek verimli tarama rutinleri sunuyor ve makine öğrenmesi modellerini sorunsuz şekilde entegre edebiliyor. Bu gelişme, deneysel araştırmaları destekleyerek malzeme biliminde veri odaklı yaklaşımların yaygınlaşmasına katkıda bulunuyor.

Bilim insanları, gelecekteki veri depolama teknolojilerinde devrim yaratabilecek yeni bir manyetik yapı keşfetti. Skyrmion adı verilen bu nanoboyutlu dönen manyetik yapılar, bilgiyi son derece kararlı bir şekilde taşıyabilme özelliğine sahip. Araştırmacılar, iki farklı ferromanyetik katmandan oluşan sentetik antiferromanyetik sistemler kullanarak, geleneksel skyrmionların ötesine geçmeyi başardı. Bu yeni sistemde, dış manyetik alan ve katmanlar arası etkileşim sayesinde iki farklı skyrmion ailesi oluşturmayı mümkün kıldılar. Güçlü manyetik alanlarda geleneksel kutuplu skyrmionlar ortaya çıkarken, zayıf alanlarda ters kutuplu skyrmionlar oluşuyor. Bu keşif, gelecekteki manyetik bellek teknolojileri ve kuantum bilgisayarlar için önemli bir adım.