Araştırmacılar, kontrol sistemlerinde karşılaşılan ahlaki tehlike problemini matematiksel olarak modellemeyi başardı. Çalışma, bir aracının iki farklı kontrol stratejisi arasından seçim yaparken nasıl teşvik edileceğini ele alıyor. Doğrusal zaman-değişmez sistemler kullanılarak geliştirilen model, bilgi asimetrisi durumlarında optimal ödeme şemalarının tasarlanmasını sağlıyor. Bu yaklaşım, özellikle otomatik sistemlerde verimlilik ve çaba gözlemlenemeyen durumlarda kritik öneme sahip. Araştırma, kontrol teorisi ile ekonomi alanlarını birleştirerek, yapay zeka ve otomasyon sistemlerinde güvenilir performans sağlama konusunda yeni perspektifler sunuyor.

Uzay durumsal farkındalık alanında yeni bir çığır açan araştırma, sınırlı sensör verilerinden maksimum bilgi çıkarma sorununa odaklanıyor. Uzayda bulunan nesnelerin (RSO) izlenmesi, radar ve optik sistemlerden elde edilen mesafe ve yön ölçümlerine dayalı olarak yapılıyor ancak bu veriler çoğu zaman eksik kalıyor. Araştırmacılar, bu sorunu çözmek için yapay sensör modelleme ve gelişmiş kompanzasyon metodolojileri geliştirdi. Veri odaklı teknikler ve makine öğrenmesi yaklaşımları kullanılarak, kısmi ölçümlerden anlamlı bilgiler çıkarılması hedefleniyor. Bu yenilikçi yaklaşım, uzay trafiğinin giderek yoğunlaştığı dönemde kritik önem taşıyor.

Araştırmacılar, küçük dil modellerinin tablo verilerini analiz ederken hangi hücrelerden bilgi aldığını şeffaf bir şekilde gösterebilen RSAT yöntemini geliştirdi. Bu yenilik, yapay zeka sistemlerinin güvenilirliği açısından önemli bir adım. 1-8 milyar parametreli modeller üzerinde test edilen sistem, her akıl yürütme adımını kaynak hücrelerle eşleştirerek doğrulanabilir sonuçlar üretiyor. Geleneksel yaklaşımlarda kullanıcılar, AI'nın hangi verileri kullanarak sonuca ulaştığını bilemiyordu. RSAT ise adım adım mantık yürütme sürecinde kullanılan her tablo hücresini işaret ederek bu sorunu çözüyor. Test sonuçları, sistemin güvenilirliğini 3,7 kat artırdığını ve kaynak gösterme doğruluğunun yüzde 99,2'ye ulaştığını gösteriyor.

Stanford araştırmacıları, Excel ve CSV gibi tablolu verileri işlemek için yeni bir yapay zeka yaklaşımı geliştirdi. Mevcut RAG (Retrieval-Augmented Generation) sistemleri tablolu verileri işlemekte yetersiz kalırken, yeni STC (Structure-Aware Tabular Chunking) framework'ü tablonun yapısal özelliklerini koruyan akıllı parçalama yöntemi kullanıyor. Bu yöntem, her satırı anahtar-değer çiftleri olarak kodlayarak hiyerarşik bir ağaç yapısı oluşturuyor ve semantik ilişkileri koruyarak daha verimli veri işleme sağlıyor. Testlerde, geleneksel yöntemlere göre %40-56 daha az parça oluştururken token kullanımını artırdı.

Büyük dil modelleri sağlık alanında kullanılırken yüksek maliyet sorunuyla karşılaşıyor. Araştırmacılar, uzun ve karmaşık klinik metinlerin işlenmesi için yeni bir yöntem geliştirdi. Bu yaklaşım, sınırlı bütçe ile en önemli bilgi parçalarını seçerek hem maliyeti düşürüyor hem de performansı koruyor. Klinik notlar, tıbbi özetler ve değerlendirme metinleri üzerinde yapılan deneyler, akıllı seçim stratejilerinin başarılı olduğunu gösterdi. Bu gelişme, sağlık teknolojilerinde yapay zekanın daha verimli kullanılması için önemli bir adım.

Araştırmacılar, madde kullanımı eğitimindeki geleneksel yöntemlerin ölçeklenebilirlik ve kişiselleştirme sorunlarına çözüm olarak yeni bir yapay zeka sistemi geliştirdi. Sistem, Uyuşturucu Denetleme İdaresi kayıtlarını bilimsel literatürle birleştirerek gerçek zamanlı, bağlama duyarlı eğitim sunuyor. 102 belgeden oluşan özenle filtrelenmiş bir veri tabanı ve dinamik PubMed sorguları kullanan sistem, vektör temsilleri aracılığıyla anlamsal olarak bölümlenmiş belgeleri hızla erişilebilir hale getiriyor. Beş konu uzmanından oluşan panel tarafından değerlendirilen bu yaklaşım, madde kullanımına dair sürekli değişen bilgilerin güncel ve güvenilir şekilde aktarılması konusunda umut verici sonuçlar gösteriyor.

Araştırmacılar, karmaşık bilimsel makaleleri herkesçe anlaşılır şekilde özetlemeyi amaçlayan ReLay sistemini geliştirdi. Büyük dil modellerini kullanan bu sistem, okuyucunun bilgi düzeyine ve ihtiyaçlarına göre kişiselleştirilmiş özetler üretiyor. 50 katılımcı ve 300 özet çiftiyle yapılan testlerde, beş farklı yapay zeka modelinin performansı değerlendirildi. Özellikle sağlık alanında, bilimsel bilgilerin yanlış anlaşılması gerçek hayat kararlarını etkileyebileceği için bu kişiselleştirme yaklaşımı kritik önem taşıyor. Sistem, kullanıcıların anlama düzeylerini, bilgi arama davranışlarını ve etkileşim loglarını analiz ederek her okuyucuya özel açıklamalar sunuyor.

Araştırmacılar, insanların konuşma sırasında nasıl kelime seçtiklerini matematiksel olarak modelleyen yeni bir yöntem geliştirdi. Çalışma, konuşmacıların rastgele değil, belirli hedeflere yönelik alternatifler arasından en az şaşırtıcı olan ifadeleri seçme eğiliminde olduğunu ortaya koyuyor. Bu keşif, yapay zeka sistemlerinin insan benzeri diyalog kurabilmesi için önemli ipuçları sunuyor. Araştırma, bilgi teorisi ve dil modelleri kullanarak hem konuşmacı hem de dinleyici odaklı iletişim stratejilerini analiz ediyor. Bulgular, uniform bilgi yoğunluğu ve uzunluk temelli yaklaşımlardan daha güçlü öngörü gücü sergiliyor.

Bilimsel literatürün hızla büyümesi, araştırma alanlarının sistematik olarak organize edilmesini zorlaştırıyor. Araştırmacılar, büyük dil modelleri kullanarak bilimsel taksonomi üretimi için yeni bir çerçeve geliştirdi. SC-Taxo adlı bu sistem, hiyerarşik seviyelerde semantik tutarlılığı sağlayarak daha kaliteli sınıflandırma yapıları oluşturuyor. Geleneksel yöntemlerin aksine, bu yaklaşım yapısal tutarsızlıkları ve anlam uyumsuzluklarını minimize ediyor. Sistem, bilim literatürünün keşfedilmesi, konu navigasyonu, trend analizi ve bilgi erişiminde önemli iyileştirmeler sunuyor. Bu gelişme, bilimsel bilginin daha etkili organize edilmesi açısından kritik önem taşıyor.

Araştırmacılar, yapay zeka sohbet robotlarının çok turlu konuşmalarda daha doğru ve güvenilir yanıtlar verebilmesi için H-RAG adlı yeni bir sistem geliştirdi. Bu sistem, hiyerarşik ebeveyn-çocuk yapısıyla bilgi arama ve üretim süreçlerini iki aşamada gerçekleştiriyor. İlk aşamada küçük metin parçacıkları arasından en uygun bilgiyi buluyor, ikinci aşamada ise bu bilgiyi tam belgeler içinde bütünlüklü bir şekilde sunuyor. Sistem, hem yoğun hem de seyrek arama tekniklerini birleştirerek hibrit bir yaklaşım benimsiyor. SemEval-2026 yarışmasında test edilen bu yöntem, sohbet robotlarının uzun konuşmalarda bağlamı kaybetmeden doğru bilgi verebilme kapasitesini artırmayı hedefliyor. Özellikle müşteri hizmetleri ve eğitim alanlarında kullanılabilecek bu teknoloji, yapay zeka destekli konuşma sistemlerinin gelişimi için önemli bir adım teşkil ediyor.

Yapay zeka sistemlerinin veri tablolarından daha etkili bilgi alabilmesi için yeni bir yaklaşım geliştirildi. Geleneksel tablo arama yöntemleri sadece konu benzerliğine odaklanırken, LLM tabanlı sistemler belirli talimatları takip ederek arama yapmak zorunda. Araştırmacılar bu ihtiyacı karşılamak için Instruction-Following Table Retrieval (IFTR) adlı yeni bir görev türü tanımladı. Bu sistem, hem konusal uygunluğu hem de detaylı talimat kısıtlarını aynı anda sağlayabiliyor. Çalışmada iki temel zorluk belirlendi: içerik kapsamına duyarlılık ve şema tabanlı gereksinimlerin farkında olma. Bu alandaki ilk büyük ölçekli değerlendirme sistemi olan FollowTable benchmark'ı, geliştiricilerin yeni algoritmaları test etmesi için kapsamlı bir platform sunuyor.