Büyük dil modellerine dayalı kodlama ajanları, geçmiş hata ayıklama deneyimlerini yeniden kullanmak için hafızalarına güveniyorlar. Ancak bu hafıza bilgisi sadece mevcut hatayla gerçekten uyumlu olduğunda yararlı oluyor. Araştırmacılar, bu sorunu çözmek için risk-duyarlı bağlamsal bandit yaklaşımını geliştirdiler. RSCB-MC adlı yeni sistem, yapay zeka ajanının hangi durumda hafıza kullanacağına, ne zaman geri çekileceğine veya kullanıcıdan geri bildirim isteyeceğine karar veriyor. Bu yaklaşım, yanlış hafıza enjeksyonunu önleyerek daha güvenli ve etkili kod geliştirme süreçleri sunuyor.

Claude Shannon'ın 1951'de İngilizce için geliştirdiği ünlü entropi ölçüm yöntemi, ilk kez Ukraynaca'ya uygulandı. Sosyal medya kanalları üzerinden toplanan 184 gönüllünün katılımıyla gerçekleştirilen deneyimde, katılımcılardan cümlelerdeki sonraki karakteri tahmin etmeleri istendi. Bu çalışma, bir dilin öngörülebilirlik seviyesini ve yapısal karmaşıklığını matematiksel olarak ifade eden entropi değerini hesaplamayı amaçlıyor. Ukraynaca için elde edilen sonuçlar, günümüzün büyük dil modellerinin performansıyla da karşılaştırıldı. Shannon'ın öncü metodolojisi, daha önce sadece İngilizce ve İbranice için uygulanmıştı, bu nedenle çalışma Ukraynaca'nın dilbilimsel özelliklerini anlamamız açısından önemli bir ilk.

Fransız araştırmacılar, yapay zeka destekli konuşma tanıma sistemlerinin performansını değerlendirmek için yeni bir yaklaşım geliştirdi. Geleneksel ölçüm yöntemlerinin yetersizliğini fark eden bilim insanları, 143 kişinin katılımıyla HATS adlı veri setini oluşturdu. Bu çalışmada, insanlar farklı konuşma tanıma sistemlerinin ürettiği transkriptler arasından en iyisini seçti. Araştırma, mevcut teknik ölçüm yöntemlerinin insan algısını tam olarak yansıtmadığını ortaya koydu. Yeni yaklaşım, konuşma tanıma teknolojilerinin geliştirilmesinde insan deneyimini merkeze alarak daha kullanıcı odaklı değerlendirme imkanı sunuyor.

Çin'de yapılan yeni bir araştırma, ruh sağlığı durumunu tespit etmede geleneksel kelime sayma yöntemlerinin yetersiz kaldığını ortaya koydu. 830 terapötik metin üzerinde yapılan çalışmada, insanların deneyimlerini nasıl anlattıklarının - hikaye yapısı, tutarlılık ve anlatım organizasyonu gibi üst düzey özelliklerinin - depresyon, anksiyete ve travma gibi durumları tahmin etmede çok daha etkili olduğu bulundu. Araştırmacılar, anlatı değerlendirmesi için üç seviyeli yeni bir çerçeve geliştirdi: kelime düzeyinde özellikler, anlam düzeyinde gömme teknikleri ve makro düzeyde büyük dil modeli değerlendirmesi. Sonuçlar, ruh sağlığı alanındaki mevcut yaklaşımları sorguluyor ve tedavi yazılarının analizinde hikaye anlatma yapısının önemini vurguluyor.

Araştırmacılar, yapay zekanın uzun süreli konuşmalarda önemli bilgileri kaybetme problemine çözüm getiren EviMem sistemini geliştirdi. Sistem, eksik kanıtları tespit edebilen IRIS çerçevesi ve katmanlı hafıza mimarisi LaceMem'i birleştiriyor. Geleneksel tek geçişli arama yöntemleri, zaman içinde dağılmış bilgileri bir araya getirmekte yetersiz kalıyor. EviMem ise kanıt boşluklarını tespit edip hedefli sorgular yaparak bu sorunu çözüyor. Test sonuçları, sistemin zamansal sorularda %73,3'ten %81,6'ya, çok aşamalı sorularda ise %65,9'dan %85,2'ye doğruluk oranını artırdığını gösteriyor. Bu gelişme, sohbet botları ve AI asistanları için daha tutarlı ve kapsamlı konuşma deneyimi sağlayabilir.

Araştırmacılar, yapay zekanın geleneksel arama motorlarını nasıl dönüştürdüğünü anlamak için kapsamlı bir çalışma gerçekleştirdi. 11.500 kullanıcı sorgusundan oluşan benchmark veri setiyle Google Arama, AI Overview ve Gemini Flash 2.5'i karşılaştıran araştırma, çarpıcı bulgular ortaya koydu. Sonuçlara göre, kullanıcı sorgularının yarısından fazlasında (%51.5) AI Overview'lar oluşturuluyor ve organik arama sonuçlarının üzerinde gösteriliyor. Özellikle tartışmalı konularda AI özetlerinin daha sık görüldüğü tespit edildi. Çalışma ayrıca farklı arama sistemlerinin kaynaklarını seçme biçimlerinin önemli ölçüde farklılaştığını gösteriyor. Bu araştırma, yapay zekanın arama deneyimini nasıl şekillendirdiğini ve bilgiye erişim şeklimizi nasıl değiştirdiğini anlamamız açısından kritik bulgular sunuyor.

Araştırmacılar, büyük dil modellerini kullanarak geleneksel tavsiye sistemlerini yeniden tasarlayan PURE adlı yenilikçi bir framework geliştirdi. Sistem, sadece satın alma geçmişine dayanan mevcut yaklaşımların aksine, kullanıcıların yazdığı incelemeler ve ürün açıklamalarından sistematik olarak bilgi çıkarıyor. PURE, üç temel bileşenle çalışıyor: kullanıcı tercihlerini ve ürün özelliklerini tespit eden İnceleme Çıkarıcısı, profilleri sürekli güncelleyen Profil Güncelleyicisi ve kişiselleştirilmiş öneriler sunan Tavsiye Edici. Bu yaklaşım, kullanıcıların zaman içinde değişen ilgi alanlarını takip ederek daha doğru ve güncel öneriler sunmayı amaçlıyor. E-ticaret platformlarından sosyal medyaya kadar geniş bir uygulama alanına sahip olan bu teknoloji, yapay zekanın insan davranışlarını anlama kapasitesini artırarak dijital deneyimleri kişiselleştirme konusunda önemli bir adım teşkil ediyor.

Araştırmacılar, büyük dil modellerinin uzun süreli görevlerde yaşadığı hafıza sorunlarına çözüm olarak STITCH adlı yeni bir sistem geliştirdi. Bu sistem, yapay zeka ajanlarının geçmiş deneyimlerini bağlama göre organize etmesini sağlıyor. Geleneksel hafıza sistemleri, benzer kelime ve kavramları farklı durumlarda karıştırarak yanlış çıkarımlar yapıyordu. STITCH ise her hafıza parçasını üç temel bileşenle etiketliyor: mevcut hedefe yönelik tema, eylem türü ve önemli varlık tipleri. Bu yaklaşım, yapay zeka ajanlarının daha tutarlı ve doğru kararlar almasını mümkün kılıyor. Sistem, özellikle karmaşık ve uzun vadeli etkileşimlerde başarılı sonuçlar veriyor.

Bilim insanları, bebeklerin videolarından hareket verilerini çıkararak bu hareketleri humanoid robotlara aktaran yenilikçi bir sistem geliştirdi. Tek bir videodan bebeğin vücut yapısını ve 3 boyutlu pozlarını çıkaran yöntem, bu hareketleri iCub robotu gibi fiziksel ve sanal platformlara uyarlıyor. Bu sayede bebeklerin yaşadığı çoklu duyusal deneyimler - eklem algısı, dokunma ve görme - simüle ediliyor. Araştırma, insan gelişiminin erken dönemlerini daha iyi anlamamıza yardımcı olurken, robotik alanında da önemli ilerlemeler sağlıyor.

Meyve sineği Drosophila üzerinde yapılan yeni bir araştırma, çoklu duyu deneyimlerinin hafızayı nasıl güçlendirdiğine dair önemli bulgular ortaya koydu. Bilim insanları, renk ve koku gibi farklı duyusal ipuçlarının bir arada öğrenilmesinin, her bir duyunun tek başına test edildiğinde bile hafıza performansını artırdığını keşfetti. Araştırma, normalde görme ile ilgili olan nöronların, çoklu duyusal öğrenme sırasında koku hafızasına da dahil olduğunu gösteriyor. Bu süreçte mantar cisimcikleri olarak bilinen beyin bölgesindeki Kenyon hücreleri kritik rol oynuyor. Bulgular, beynin farklı duyu modalitelerini nasıl birleştirdiği ve bu birleştirmenin hafızayı nasıl güçlendirdiği konusunda yeni perspektifler sunuyor.

Penn State Üniversitesi araştırmacılarının yürüttüğü çalışma, sosyal medya paylaşımlarındaki konum bilgilerinin okuyucuların tepkilerini önemli ölçüde etkilediğini ortaya koyuyor. Araştırma, bir kullanıcının kişisel deneyimlerini, duygularını veya inançlarını paylaştığı gönderilerde yer alan coğrafi bilgilerin, diğer kullanıcıların o kişiye karşı empati kurmasını ve paylaşımını beğenmesini doğrudan etkileyebildiğini gösteriyor. Bu bulgu, sosyal medya algoritmalarından dijital pazarlamaya kadar birçok alanda önemli çıkarımlara sahip. Emlak sektöründeki 'konum, konum, konum' ilkesinin dijital dünyada da geçerli olduğunu gösteren bu araştırma, sosyal medya platformlarında coğrafi etiketlerin sadece bilgi paylaşma aracı olmadığını, aynı zamanda sosyal etkileşimi şekillendiren güçlü bir faktör olduğunu kanıtlıyor.