Araştırmacılar, büyük dil modellerinin siber güvenlik alanındaki performansını değerlendirmek için ExCyTIn-Bench adlı ilk kapsamlı test setini geliştirdi. Bu yenilikçi araç, gerçek güvenlik analistlerinin karmaşık siber tehditleri araştırma sürecini taklit ederek yapay zeka ajanlarının yeteneklerini ölçüyor. Microsoft Sentinel'den elde edilen 57 farklı log tablosunu içeren kontrollü bir Azure ortamında, 7542 özel soru ile test ediliyor. Sistem, uzman güvenlik analistlerinin mantığını kullanarak tehdit araştırma grafikleri oluşturuyor ve bu grafikler üzerinden yapay zeka ajanlarının çok aşamalı kanıt zincirlerini takip etme yeteneğini değerlendiriyor. Bu gelişme, siber güvenlik alanında otomatik tehdit araştırması yapabilen yapay zeka sistemlerinin geliştirilmesi için kritik bir adım teşkil ediyor.

Variational Mode Decomposition (VMD) tekniğinde karşılaşılan temel bir sorun çözülüyor. Araştırmacılar, karmaşık sinyallerdeki doğal mod sayısının otomatik olarak belirlenmesi için yeni bir matematiksel çerçeve geliştirdi. Bu yöntem, spektral kesme eğrileri kullanarak sinyal işlemede önemli bir ilerleme sağlıyor. Geleneksel yaklaşımlar deneme yanılma yöntemleriyle çalışırken, yeni sistem teorik yakınsama garantisi sunuyor. Bu gelişme, ses işlemeden görüntü analizine kadar birçok alanda uygulanabilecek potansiyele sahip.

Texas Üniversitesi MD Anderson Kanser Merkezi araştırmacıları, DNA replikasyonu sırasında oluşan ters çevrilmiş çatalları tek hücre düzeyinde tespit edip haritalayan yeni bir görüntüleme yöntemi geliştirdi. RF-SIRF adı verilen bu teknik, DNA replikasyon stresinin benzersiz epigenetik kodunu ortaya çıkarıyor. Bu keşif, genomik kararlılık, yaşlanma süreçleri ve tedavi yanıtlarının altında yatan mekanizmaların daha iyi anlaşılmasına katkı sağlayabilir. DNA replikasyonu sırasında karşılaşılan sorunlar, hücrelerin hayatta kalması için kritik olan onarım süreçlerini tetikliyor.

Türk bilim insanları, iyonosfer tabakasının yapısını otomatik olarak analiz edebilen yeni bir yapay zeka algoritması geliştirdi. İyonosfer, Dünya'nın üst atmosferinde bulunan ve radyo dalgalarının yayılımını etkileyen elektriksel olarak yüklü parçacık tabakasıdır. Geleneksel yöntemlerle bu tabakanın analizi uzman bilgi gerektirirken, yeni sistem bulanık kümeleme ve makine öğrenmesi tekniklerini kullanarak süreci tamamen otomatikleştiriyor. Sistem özellikle uzay hava durumu tahminleri ve haberleşme sistemlerinin güvenilirliği açısından kritik önem taşıyor. Algorithm, iyonosfer verilerindeki karmaşık yapıları tanımlayabilmekte ve uzmanların manuel olarak saatlerce sürdürdüğü analizleri dakikalar içinde tamamlayabilmekte.

Araçların otomatik acil fren (AEB) sistemleri, 2029'a kadar ABD'de satılan tüm yeni araçlarda zorunlu hale gelecek. Ancak mevcut sistemler, belirsizlikleri göz ardı eden basit hesaplamalar kullanıyor. Yeni geliştirilen GPU tabanlı Monte Carlo çerçevesi, yol koşulları, sensör hatası ve araç dinamiklerindeki belirsizlikleri hesaba katarak acil fren performansını gerçek zamanlı olarak değerlendiriyor. Bu yöntem, aerodinamik sürüklenme, yol eğimi ve fren aktüatör dinamikleri gibi karmaşık faktörleri içeren yüksek doğruluklu araç modelleri kullanıyor. Sistem, Monte Carlo simülasyonlarının bağımsızlığından yararlanarak her örnek için ayrı bir GPU iş parçacığı kullanıyor ve deterministik örnekleme ile tutarlı sonuçlar garanti ediyor.

Araştırmacılar, büyük dil modellerinin kendi yeteneklerini otomatik olarak geliştirmesini sağlayan yeni bir sistem geliştirdi. Skills-Coach adlı bu çerçeve, yapay zeka ajanlarının mevcut becerilerini analiz ederek eksik yönlerini tespit ediyor ve bu alanlarda kendilerini iyileştirmelerini sağlıyor. Sistem, çeşitli görevler üreten, becerileri optimize eden, performansı karşılaştıran ve sonuçları değerlendiren dört ana modülden oluşuyor. Bu gelişme, yapay zeka sistemlerinin insan müdahalesi olmadan sürekli öğrenebilmesi ve gelişebilmesi açısından önemli bir adım teşkil ediyor.

Araştırmacılar, otomatik konuşma tanıma sistemlerinin kalitesini ölçmek için geleneksel kelime hata oranının ötesinde iki yeni metrik geliştirdi. POSER adlı ölçüm dilbilgisel doğruluğu, EmbER ise semantik anlamı değerlendiriyor. Bu yenilikçe yaklaşım, yapay zeka destekli konuşma tanıma teknolojilerinin gerçek performansını daha kapsamlı şekilde anlamamızı sağlıyor. Özellikle dil modelleriyle desteklenen sistemlerin ne kadar başarılı olduğunu sadece doğru kelime sayısıyla değil, dilbilgisel ve anlamsal doğrulukla da ölçebilmemizi mümkün kılıyor.

Araştırmacılar, görsel ve metin verilerini birlikte işleyen CLIP gibi yapay zeka modellerinde kritik bir güvenlik açığı keşfetti. 'Hub metinler' olarak adlandırılan bu sorun, yüksek boyutlu embedding uzaylarında ortaya çıkıyor ve tek bir metin parçasının alakasız binlerce görsel ile yanlış şekilde eşleştirilmesine neden oluyor. Bu durum, görsel arama sistemlerinden otomatik değerlendirme metriklerine kadar pek çok uygulamada ciddi sorunlar yaratabilir. MSCOCO ve Flickr30k gibi veri setlerinde yapılan deneyler, bu hub metinlerin görsel-metin benzerlik skorlarını mantıksız şekilde yükselttiğini gösterdi.

Araştırmacılar, her öğrencinin bireysel öğrenme tarzına uyum sağlayan yeni bir yapay zeka tutoring sistemi olan DeepTutor'u geliştirdi. Geleneksel eğitim sistemlerinin aksine, bu yenilikçi platform öğrencinin geçmiş etkileşimlerini analiz ederek sürekli gelişen bir öğrenci profili oluşturuyor. Sistem, zorluk seviyesini otomatik olarak ayarlayan soru üretimi ve kaynak destekli problem çözme özelliklerini bir araya getiriyor. DeepTutor ayrıca işbirlikçi yazma ve çoklu ajan araştırma yetenekleri sunarak geleneksel öğretim yöntemlerini dönüştürme potansiyeli taşıyor. Bu gelişme, büyük dil modellerinin eğitim alanındaki en umut verici uygulamalarından biri olarak öne çıkıyor.

Araştırmacılar, büyük dil modellerinin kod yazma yeteneklerini geliştirmek için ScaleBox adlı yeni bir sistem geliştirdi. Mevcut kod doğrulama sistemleri yüksek iş yükü altında yetersiz kalırken, ScaleBox hem doğruluğu artırıyor hem de büyük ölçekte verimli çalışabiliyor. Sistem, otomatik özel yargıç üretimi, paralel test çalıştırma ve çok düğümlü koordinasyon gibi özellikler sunuyor. Deneyler, ScaleBox'ın kod doğrulama hassasiyetini ve verimliliğini önemli ölçüde artırdığını gösteriyor. LiveCodeBench performans testlerinde de sistemi kullanan modellerin belirgin şekilde daha iyi sonuçlar aldığı gözlemleniyor.

Büyük dil modelleri program yazma görevlerinde etkileyici sonuçlar elde ediyor, ancak gerçek öğrenme yetenekleri belirsizliğini koruyor. Araştırmacılar, transformer modellerin gerçekten genelleme yapıp yapmadığını test etmek için kontrollü bir deney ortamı geliştirdi. Milyonlarca benzersiz program üzerinde yapılan testler, modellerin yeni durumlarla karşılaştıklarında ciddi sınırları olduğunu ortaya çıkardı. Bu bulgular, yapay zekanın öğrenme mekanizmalarının düşünülenden daha karmaşık olduğunu gösteriyor.