Büyük yapay zeka modelleri güçlü performans sergilemek için uzun düşünce zincirleri kullanıyor, ancak bu her zaman gereksiz hesaplama maliyeti yaratıyor. Stanford ve diğer kurumlardan araştırmacılar, yapay zekanın ne kadar 'düşüneceğini' akıllıca belirleyen ORBIT sistemini geliştirdi. Bu yenilikçi yaklaşım, AI modellerinin farklı zorluk seviyelerindeki problemler için en uygun düşünce stratejisini seçmesine olanak tanıyor. Sistem, pekiştirmeli öğrenme kullanarak her çaba seviyesi için en verimli çözüm yollarını keşfediyor ve kullanıcıların maliyet-doğruluk dengesini istedikleri gibi ayarlamalarına imkan veriyor. Bu gelişme, AI sistemlerinin daha verimli ve esnek hale gelmesinde önemli bir adım.

Araştırmacılar, büyük dil modellerinin (LLM) kombinatoryal optimizasyon problemlerini çözme yeteneğini geliştiren yenilikçi bir framework geliştirdi. DASH adı verilen bu sistem, geleneksel yöntemlerin aksine sadece nihai sonuçlara odaklanmak yerine çözüm sürecinin dinamiklerini de dikkate alıyor. Bu yaklaşım, algoritmaların hem daha hızlı hem de daha verimli çalışmasını sağlıyor. Özellikle farklı problem türlerine uyum sağlama maliyetini azaltarak, otomatik heuristik üretim sürecini optimize ediyor. Çalışma, yapay zekanın karmaşık optimizasyon problemlerini çözmede daha akıllı stratejiler geliştirebileceğini gösteriyor.

Araştırmacılar, kimyasal formülasyonların otomatik tasarımı için devrim niteliğinde bir yapay zeka sistemi geliştirdi. AI4S-SDS adlı bu sistem, neuro-sembolik çerçeve ve Monte Carlo Ağaç Arama algoritmasını birleştireyor. Geleneksel büyük dil modellerinin karşılaştığı bağlam penceresi sınırlamaları ve yol-bağımlı keşif problemlerini çözmeyi hedefliyor. Sistem, seyrek durum depolama mekanizması ve dinamik yol yeniden yapılandırma özelliği sayesinde, sabit token bütçesi altında sınırsız derinlikte araştırma yapabiliyor. Malzeme biliminin temel taşlarından biri olan kimyasal formülasyon tasarımında, yüksek boyutlu kombinasyonel uzayda gezinme sorununa çözüm getiriyor. Bu gelişme, yeni malzemelerin keşfi ve kimyasal süreçlerin optimizasyonunda önemli ilerlemeler sağlayabilir.

Yapay zeka ajanları günlük hayatta giderek yaygınlaşırken, araştırmacılar şimdiye kadar sadece sunucu tarafındaki verimliliğe odaklanmışlardı. MIT ve Stanford araştırmacıları tarafından geliştirilen AgentOpt, bu alandaki önemli bir boşluğu dolduruyor. İstemci tarafında kaynak optimizasyonu yapabilen ilk framework-bağımsız Python paketi olan AgentOpt, geliştiricilerin model seçimi, yerel araçlar ve API bütçesini uygulama gereksinimlerine göre optimal şekilde dağıtmasını sağlıyor. Sistem, kalite, maliyet ve gecikme kısıtları altında en iyi performansı hedefliyor. Bu yaklaşım, AI ajanlarının daha verimli ve maliyet-etkili çalışmasını mümkün kılarak, gerçek dünya uygulamalarında yaşanan kaynak israfını önemli ölçüde azaltma potansiyeline sahip. AgentOpt'un sunduğu istemci tarafı optimizasyon, AI ajanlarının endüstriyel adaptasyonunda kritik bir adım olarak değerlendiriliyor.

MIT ve Stanford araştırmacıları, sunucusuz bilişimin (serverless computing) en büyük sorunlarından birini çözen Nexus adlı yeni bir sistem geliştirdi. Mevcut sunucusuz mimarilerde her sanal makine, ağır iletişim altyapısını (SDK, RPC, TCP/IP) tekrarlamak zorunda kalıyor ve bu durum fonksiyonların bellek ayak izinin %25'inden fazlasını tüketiyor. Nexus, hesaplama işlemlerini giriş/çıkış (I/O) işlemlerinden şeffaf bir şekilde ayırarak bu sorunu çözüyor. KVM tabanlı bu yeni hiper yönetici, mevcut kod tabanlarıyla tam uyumluluk sağlarken performansı önemli ölçüde artırıyor. Bu gelişme, bulut bilişim sağlayıcılarının daha yoğun sunucusuz ortamlar kurmasına ve maliyetleri düşürmesine olanak tanıyacak.

Araştırmacılar, büyük dil modellerinin eğitiminde karşılaşılan kritik bellek sorununu çözen SAGE adlı yeni bir optimizasyon algoritması geliştirdi. Mevcut AdamW optimizatörü, modelin iki katı büyüklüğünde bellek tüketirken, önceki hafif alternatifler embedding katmanlarındaki yüksek varyanslı gradyanlarla başa çıkamıyordu. SAGE, Lion tarzı güncelleme yöntemini yeni bir bellek-verimli ölçeklendirme tekniğiyle birleştirerek bu sorunu çözüyor. Algoritmanın 'güvenli sönümleyici' özelliği, yüksek varyanslı boyutları mevcut yöntemlerden daha etkili şekilde kontrol altına alarak daha iyi yakınsama sağlıyor. 1.3 milyar parametreye kadar Llama modellerinde test edilen SAGE tabanlı hibrit sistem, önemli bellek tasarrufu sağlarken performansı koruyor.

Araştırmacılar, yazılımların boyutunu küçültmek için fonksiyon birleştirme tekniğini geliştiren yeni bir algoritma üzerinde çalışıyor. Mevcut yöntemler fonksiyonları doğrusal diziler halinde işlerken, yeni yaklaşım dal yapılarını yeniden düzenleyerek daha esnek eşleştirme imkanı sunuyor. Bu sayede benzer fonksiyonlar daha verimli şekilde birleştirilebiliyor ve kod tekrarı azaltılabiliyor. Ancak bu gelişmiş yöntem hesaplama karmaşıklığını artırıyor ve NP-zor bir problem haline getiriyor. Bilim insanları bu zorluğun üstesinden gelmek için parametreli algoritma yaklaşımını benimsiyor ve dallanma faktörü ile iç içe geçme derinliği gibi parametreleri inceliyor.

Bilgisayar grafikleri dünyasında gerçek zamanlı fotorealistik görüntü oluşturma alanında önemli bir gelişme yaşanıyor. 3D Gaussian Splatting (3DGS) teknolojisi, çoklu görüntülerden 3D sahneler oluşturmada devrim yaratmış, ancak girdi görüntülerindeki tutarsızlıklar ve bozucu öğeler nedeniyle görsel bozulmalar yaşanıyordu. Araştırmacılar tarafından geliştirilen PDF-GS adlı yeni framework, bu sorunu çözmek için 3DGS'nin doğasında bulunan tutarsız sinyalleri bastırma yetisini keşfetti ve bu özelliği güçlendiren kademeli bir optimizasyon sistemi tasarladı. Sistem, bozucu öğeleri aşamalı olarak filtrelerken, sonrasında temizlenmiş verilerden ince detayları geri kazandırıyor. Bu yenilikçi yaklaşım, 3D sahne rekonstrüksiyonu ve sanal gerçeklik uygulamalarında daha güvenilir ve yüksek kaliteli sonuçlar elde edilmesini sağlıyor.

Araştırmacılar, üretim ortamlarında insan ve robotların birlikte çalışmasını optimize eden yeni bir yapay zeka algoritması geliştirdi. Sistem, çalışanların gerçek zamanlı konumlarını ve hareket mesafelerini dikkate alarak görevleri akıllıca planlıyor ve dağıtıyor. Hiyerarşik yapısıyla karmaşık üretim süreçlerini alt görevlere bölen algoritma, üst seviyede görev planlaması, alt seviyede ise görev dağıtımı yapıyor. Özellikle geliştirilen EBQ (Etkin Tampon-tabanlı Derin Q-öğrenme) yöntemi, eğitim süresini kısaltırken uzun vadeli ve seyrek ödüllü üretim problemlerinde performansı artırıyor. Bu teknoloji, gelişmiş üretim sistemlerinde insan-robot işbirliğinin verimliliğini önemli ölçüde artırarak endüstriyel otomasyonun geleceğini şekillendirmeye aday.

Araştırmacılar, günlük dilden matematiksel optimizasyon problemlerine çeviri yapabilen Text2Model ve Text2Zinc adlı yenilikçi sistemleri geliştirdi. Bu teknoloji, karmaşık matematiksel modelleme süreçlerini demokratikleştirerek, programlama bilgisi olmayan kullanıcıların da optimizasyon problemlerini kolayca tanımlayabilmesini sağlıyor. Sistem, hem tatmin edici hem de optimizasyon problemlerini tek bir mimaride birleştiren ilk çalışma olarak öne çıkıyor. Çevrimiçi liderlik tablosu ve etkileşimli editörle desteklenen platform, farklı çözücü yazılımlarla uyumlu çalışabiliyor. Bu gelişme, büyük dil modellerinin matematiksel modelleme alanındaki potansiyelini ortaya koyarken, bilimsel araştırma ve endüstriyel uygulamalarda önemli kolaylıklar sağlayacak.

Araştırmacılar, büyük dil modellerine dayalı çoklu ajan sistemlerinde devrim niteliğinde bir sıkıştırma yöntemi geliştirdi. Yeni teknik, ajanların birbirleriyle iletişim kurmasında gereken veri miktarını %90'a yakın azaltırken performansta kayıp yaşanmasını önlüyor. Orthogonal Backfill (OBF) adı verilen bu yöntem, önemli bilgilerin kaybolmasını engellemek için akıllı bir geri doldurma stratejisi kullanıyor. Matematik, kodlama ve bilgi yoğun soru-cevap alanlarındaki testlerde, sistemin dokuz kıyaslama testinden yedisinde en iyi sonuçları verdiği gözlemlendi. Bu gelişme, AI sistemlerinin bellek ve iletişim maliyetlerini önemli ölçüde düşürerek daha verimli çalışmasını sağlıyor.