Araştırmacılar, Avrupa'daki 28 parlamentonun siyasi gündemlerini analiz etmek için yapay zeka destekli yeni bir sistem geliştirdi. ParlaCAP adlı bu sistem, 8 milyondan fazla parlamento konuşmasını analiz ederek siyasi konuları otomatik olarak sınıflandırabiliyor. Çalışmada büyük dil modelleri ile küçük modeller arasında öğretmen-öğrenci yaklaşımı kullanılarak maliyet-etkin bir çözüm üretildi. Sistem, insan uzmanlarla karşılaştırılabilir doğruluk oranları gösterdi ve mevcut sınıflandırma araçlarından daha başarılı sonuçlar verdi. Bu gelişme, parlamenter demokrasilerde gündem belirleme süreçlerinin anlaşılmasına önemli katkı sağlayacak.

Kuantum Fisher bilgisinin (QFI) doğru tahmini, kuantum teknolojilerinin gelişiminde kritik bir zorluk olarak karşımıza çıkıyor. Araştırmacılar, Krylov gölge tomografisi (KST) adı verilen yeni bir yöntemle bu soruna çözüm getirmeyi başardı. Düşük dereceli Krylov sınırlarının bile QFI tahmininde şaşırtıcı derecede etkili olduğunu gösteren çalışma, bu sınırların artan derece ile üstel hızda doğru değere yakınsadığını ortaya koydu. Özellikle pratik uygulamalarda yaygın olan düşük dereceli durumlar için, bazı Krylov sınırları QFI ile tam olarak eşleşebiliyor. Bu özellik, daha önce önerilen polinom alt sınırlarının erişemediği bir başarı. Kapsamlı sayısal simülasyonlarla desteklenen bulgular, kuantum bilgi işlemede önemli bir ilerleme kaydediyor.

Araştırmacılar, büyük dil modellerinin metinlerdeki tutumları tespit etme yeteneklerini sistematik olarak inceledi. Çalışmada, basit komut verme yöntemleri ile çoklu yapay zeka ajanlarının tartışma yöntemleri karşılaştırıldı. Sonuçlar, basit yöntemlerin daha etkili olduğunu ve çok ajanlı sistemlerin 7-12 kat daha fazla işlem gücü gerektirdiğini ortaya koydu. Araştırma, model boyutunun yöntem seçiminden daha önemli olduğunu ve performans artışının 32 milyar parametre civarında sabitlendiğini gösterdi. Bu bulgular, yapay zeka uygulamalarında verimlilik ve maliyet dengesinin önemini vurguluyor.

Araştırmacılar, geleneksel ikili kuantum sistemlerine alternatif olarak üç değerli kuantum bitleri (qutrit) için yeni bir kapı sistemi geliştirdi. Bu teknolojiye bağımlı framework, süperiletken ve fotonik kuantum sistemlerde uygulanmak üzere tasarlandı. Klasik kuantum kapılarının aksine, bu yeni sistem üç farklı kuantum durumu arasında işlem yapabiliyor. Geliştirilen tek, çift ve üçlü qutrit kapıları arasında Chrestenson, Z3 ve maliyet-etkin Toffoli kapıları bulunuyor. Bu yaklaşım, kuantum bilgisayarların işlem kapasitesini artırarak daha karmaşık hesaplamaları mümkün kılabilir. Özellikle üçlü Galois Field matematiksel işlemlerini gerçekleştiren bu sistem, kuantum hesaplama alanında yeni olanaklar sunuyor.

Araştırmacılar, iPhone kullanarak sadece 20 dakikada robotik algı sistemleri geliştirebilen devrim niteliğinde bir uygulama geliştirdi. FalconApp adlı bu sistem, kullanıcının herhangi bir nesneyi kısa bir video ile çekmesinin ardından otomatik olarak etiketlenmiş sentetik veriler üretip makine öğrenmesi modeli eğitiyor. Geleneksel robotik algı sistemlerinde büyük miktarda manuel etiketlenmiş veri ihtiyacı en büyük engeldi. Bu yeni yaklaşım, gerçek dünya verilerinin manuel etiketleme sürecini tamamen ortadan kaldırarak robotik alanında önemli bir zaman ve maliyet tasarrufu sağlıyor. Sistem, nesne tespiti ve 6 serbestlik dereceli konum belirleme gibi karmaşık görevleri başarıyla yerine getiriyor.

Araştırmacılar, otonom sistemlerin hareket tahmininde karşılaştıkları büyük sorunu çözen yeni bir yaklaşım geliştirdi. FlowS adlı sistem, yüksek doğruluk, çok modlu gelecek senaryoları ve düşük gecikme gereksinimlerini aynı anda karşılamayı başarıyor. Mevcut difüzyon modelleri doğru ve çeşitli tahminler üretse de onlarca hatta yüzlerce işlem adımı gerektirdiği için gerçek zamanlı uygulamalarda çok yavaş kalıyor. Yeni yaklaşım, 'yerel transport koşullandırması' stratejisiyle bu sorunu çözüyor. Sistem, uzun mesafeli karmaşık hareketleri tek seferde tahmin etmeye çalışmak yerine, olası geleceklere yakın bir temel dağılım kullanarak problemi kısa menzilli iyileştirmeye dönüştürüyor. Bu sayede tek bir Euler adımı yeterli oluyor ve gerçek zamanlı performans elde ediliyor.

Araştırmacılar, küçük dil modellerinin (SLM) büyük modellerle (LLM) aynı performansı göstermesi için yeni bir yöntem geliştirdi. 'Select to Think' adlı bu yaklaşım, büyük modelin küçük modelin önerdiği seçenekler arasından en uygununu seçmesine dayanıyor. Mevcut yöntemler büyük modeli tamamen yeni token üretmek için kullanırken, bu yöntem sadece seçim yapmak için devreye sokuyor. Bu sayede hem maliyet hem de gecikme süreleri önemli ölçüde azalıyor. Araştırma ekibi, küçük modellerin aslında doğru cevabı ilk 10 tahmin arasında bulabildiğini, sadece en iyi seçeneği belirleyemediğini keşfetti. Bu bulgu, yapay zeka modellerinin verimli kullanımında yeni bir dönem başlatabilir.

Büyük dil modelleri kullanarak veri kümelerinden doğal dil özetleri çıkarmak artık yaygın bir uygulama. Ancak bu özetlerde yer alan iddialar her zaman gerçek verilerle örtüşmüyor. Araştırmacılar bu sorunu çözmek için Evergreen adlı bir sistem geliştirdi. Sistem, yapay zeka tarafından üretilen özetlerdeki iddiaları otomatik olarak doğrulayabiliyor. Özellikle büyük veri kümelerinde sayısal karşılaştırmalar, gruplamalar ve niceleyiciler içeren karmaşık iddiaları kontrol etmede başarılı sonuçlar veriyor. Evergreen, iddia doğrulama sürecini semantik sorgu işleme görevine dönüştürerek çalışıyor ve gereksiz yapay zeka çağrılarını önleyerek maliyet ve gecikmeyi azaltıyor.

Araştırmacılar, endüstriyel robotların navigasyon için pahalı LiDAR sensörlerine olan bağımlılığını ortadan kaldıran yeni bir sistem geliştirdi. Öğretmen-öğrenci yaklaşımı kullanan bu sistem, robotlara sadece kameralardan gelen görüntülerle güvenli navigasyon yapmayı öğretiyor. Sistem, önce LiDAR verisiyle eğitilen bir 'öğretmen' robotun bilgilerini, sadece dört RGB kamera kullanan 'öğrenci' robota aktarıyor. NVIDIA Isaac Lab simülasyon ortamında eğitilen sistem, gerçek DJI RoboMaster platformunda başarıyla test edildi. Bu gelişme, robotik alanında maliyet düşürücü bir devrim yaratabilir çünkü görme tabanlı navigasyon, geleneksel LiDAR sistemlerinden çok daha uygun maliyetli.

Araştırmacılar, robotların dil komutlarını anlayarak çevrelerinde daha etkili navigasyon yapabilmesi için CoFL adlı yenilikçi bir sistem geliştirdi. Geleneksel sistemlerden farklı olarak, bu yaklaşım her nokta için hareket vektörleri içeren sürekli akış alanları oluşturuyor. Robot, kuş bakışı görüntü ve dil talimatlarını birleştirerek, herhangi bir başlangıç noktasından hedefe ulaşabilecek akış haritaları üretiyor. Bu yöntem, robotların engellerle karşılaştığında gerçek zamanlı olarak rotalarını değiştirmesine olanak sağlıyor. 500 binden fazla görüntü-talimat çifti içeren veri seti ile eğitilen sistem, navigasyon problemini yörünge tahmini yerine alan öğrenme problemi olarak yeniden tanımlayarak daha esnek çözümler sunuyor.

Araştırmacılar, otonom araçların trafikteki diğer kullanıcıların gelecekteki hareketlerini daha iyi tahmin edebilmesi için RetroMotion adlı yenilikçi bir sistem geliştirdi. Geleneksel yöntemlerden farklı olarak, bu sistem gelecekteki bilgileri geçmişe doğru akıtarak daha doğru tahminler yapabiliyor. Çok sayıda araç ve yayanın bulunduğu karmaşık trafik senaryolarında, sistem önce her bir kullanıcı için bireysel hareket tahminleri oluşturuyor, sonra da aralarındaki etkileşimleri modelleyerek ortak hareket desenlerini belirliyor. Transformer mimarisi kullanan bu yaklaşım, pozisyon belirsizliklerini matematiksel dağılımlarla modelleyerek daha hassas sonuçlar elde ediyor. Waymo, Argoverse 2 ve V2X-Seq gibi prestijli veri setlerinde test edilen sistem, mevcut yöntemlere göre önemli performans artışları gösterdi.