Web sitelerinde ve uygulamalarda karşılaştığımız 'karanlık desenler' olarak bilinen manipülatif arayüz tasarımlarının etkilerini inceleyen kapsamlı bir araştırma, bu tekniklerin kullanıcı davranışlarını önemli ölçüde etkilediğini doğruladı. Aldatıcı butonlar, gizli ücretler ve yanıltıcı bildirimler gibi tasarım hilelerinin gerçekten işe yaradığını gösteren çalışma, bu etkilerin yaş, siyasi görüş gibi kişisel özelliklerden bağımsız olarak hemen hemen tüm kullanıcı gruplarında görüldüğünü ortaya koyuyor. Araştırmacılar, karanlık desenlere karşı geliştirilen koruyucu önlemlerin ise beklendiği kadar etkili olmadığını belirtiyor. Dijital platformların kullanıcıları nasıl yönlendirdiğini anlamamız açısından önemli bulgular sunan çalışma, teknoloji şirketlerinin etik sorumluluklarını yeniden gündeme getiriyor.

REST API testlerinin etkinliğini değerlendirmek için log kapsamı metriklerini kullanan yeni bir araştırma, farklı test üretim stratejilerini karşılaştırdı. Claude Opus 4.6 yapay zekası, insan yazımı testlerden %28,4 daha fazla benzersiz log şablonu keşfederek üstün performans gösterdi. EvoMaster ve GPT-5.2-Codex ise sırasıyla %26,1 ve %38,6 daha az etkili oldu. Araştırma, kaynak koduna erişimin olmadığı durumlarda API testlerinin kalitesini ölçmek için log kapsamı metriklerinin kullanışlı olduğunu ortaya koydu. Özellikle farklı stratejilerin kombinasyonunun test kapsamını artırdığı gözlemlendi.

Araştırmacılar, kullanıcıları kandırmak için tasarlanan 'karanlık desenler' olarak bilinen manipülatif web arayüzlerine karşı yeni bir mücadele yöntemi geliştirdi. Web İçeriği Erişilebilirlik Kılavuzları (WCAG) ve Avrupa Erişilebilirlik Yasası gibi düzenlemelerin bu aldatıcı tasarımlara karşı hukuki silah olarak kullanılabileceğini ortaya koydular. Özellikle yaşlılar, görme engelliler ve düşük eğitim seviyesindeki kişileri hedef alan bu manipülatif tasarımların, erişilebilirlik standartlarını ihlal ettiği tespit edildi. Geri sayım sayaçları, otomatik oynatma ve gizli bilgi gibi yaygın aldatma teknikleri analiz edildi.

Araştırmacılar, web arayüzlerindeki kullanıcı etkileşimlerini takip eden ve görselleştiren yeni bir sistem geliştirdi. SuperProvenanceWidgets adlı bu teknoloji, kullanıcıların farklı kontrol öğeleriyle nasıl, ne zaman ve ne sıklıkta etkileştiklerini analiz ederek bu bilgiyi görsel olarak sunuyor. Sistem, mevcut ProvenanceWidgets kütüphanesinin geliştirilmiş versiyonu olarak, birden fazla arayüz öğesi arasındaki etkileşimleri izleyebiliyor. Bu teknoloji, analitik iş akışlarının denetlenmesi, keşif önyargılarının tespit edilmesi ve kişiselleştirilmiş arayüz tasarımı gibi alanlarda kullanılabiliyor. Özellikle veri analizi yapan araştırmacılar ve geliştiriciler için değerli bir araç olan sistem, kullanıcı deneyimini iyileştirme potansiyeli taşıyor.

Dünya genelinde 75 milyondan fazla kişiyi etkileyen otizm spektrum bozukluğu (OSB) olan bireyler için günlük iletişim becerilerini geliştirmek büyük bir meydan okuma. Geleneksel hikaye okuma gibi düşük maliyetli yöntemler sınırlı fayda sağlarken, etkili rol oyunu terapileri pahalı ve uzmanlık gerektiriyor. Araştırmacılar bu soruna yenilikçi bir çözüm sundu: SocialWise adlı web tabanlı uygulama. Sistem, büyük dil modellerini (LLM) terapötik bilgi tabanıyla birleştirerek kullanıcılara gerçek zamanlı iletişim koçluğu sunuyor. Restoranda sipariş verme veya bir gruba katılma gibi günlük senaryolarda pratik yapabilen kullanıcılar, ses tonu, etkileşim kalitesi ve alternatif ifade önerileri hakkında anında geri bildirim alıyor. Bu teknolojik gelişme, OSB'li bireylerin sosyal iletişim becerilerini geliştirmek için erişilebilir ve ölçeklenebilir bir çözüm vadediyor.

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.

Araştırmacılar, yapay zeka sistemlerinin gerçek web ortamındaki karmaşık arama görevlerini ne kadar iyi yerine getirdiğini ölçmek için MERRIN adlı yeni bir test platformu geliştirdi. Bu platform, AI ajanlarının metin, görsel, ses ve video gibi farklı veri türlerini bir araya getirerek çok adımlı mantıksal çıkarımlar yapabilme yeteneklerini değerlendiriyor. Geleneksel test sistemlerinden farklı olarak, belirsiz doğal dil sorguları kullanıyor ve çelişkili bilgilerin bulunduğu gürültülü web ortamlarını simüle ediyor. GPT ve Gemini gibi güçlü kapalı kaynak modellerden açık kaynak alternatiflere kadar on farklı AI modeli üzerinde yapılan testler, mevcut sistemlerin gerçek dünya koşullarındaki sınırlarını ortaya çıkarıyor.

Araştırmacılar, Dünya bilimleri ve uydu gözlemleri konularında uzmanlaşmış EVE (Earth Virtual Expert) adlı ilk açık kaynak yapay zeka sistemini geliştirdi. 24 milyar parametreli bu model, geleneksel yapay zeka sistemlerinin aksine özellikle iklim değişikliği, çevre izleme ve yer bilimleri alanlarında sorulara daha doğru yanıtlar verebiliyor. EVE, Mistral Small 3.2 temelli bir model üzerine inşa edilmiş ve Dünya gözlem verileri ile eğitilmiş. Sistem, hem çoktan seçmeli hem de açık uçlu sorularda benzer boyuttaki genel amaçlı modellerden daha başarılı performans gösteriyor. 350 pilot kullanıcının test ettiği sistem, API ve web arayüzü üzerinden erişilebilir durumda. Proje, model, veri setleri ve kodları açık lisanslar altında bilim insanlarının kullanımına sunuyor.

Büyük dil modellerinin eğitiminde sadece İngilizce kullanmanın yetersiz olduğunu gösteren kapsamlı bir araştırma yayınlandı. 8 milyar parametreye kadar modeller üzerinde yapılan 220 farklı eğitim deneyi, çok dilli yaklaşımın tüm dillerde performansı artırdığını ortaya koyuyor. Araştırmacılar, matematiksel akıl yürütme ve API çağrıları gibi görevlerde çok dilli eğitimin sadece düşük kaynaklı dilleri değil, İngilizce performansını da iyileştirdiğini keşfetti. Hatta tek bir yabancı dil eklemenin bile modelin genel başarısını artırdığı gözlemlendi. Bu bulgular, yapay zeka endüstrisinin İngilizce ağırlıklı eğitim yaklaşımını yeniden değerlendirmesi gerektiğine işaret ediyor.

Büyük dil modelleriyle çalışan otonom web ajanları, karmaşık tarayıcı görevlerini tamamlama konusunda umut vadediyor ancak uzun süreli iş akışlarında zorlanıyor. Araştırmacılar, bu sorunu çözmek için WebXSkill adlı yeni bir framework geliştirdi. Bu sistem, hem doğrudan çalıştırılabilen hem de ajan tarafından anlaşılabilen 'yürütülebilir beceriler' kullanıyor. Mevcut sistemlerdeki temel sorun, metin tabanlı becerilerin anlaşılır olmasına rağmen doğrudan çalıştırılamaması, kod tabanlı becerilerin ise çalıştırılabilir olmasına karşın ajan için anlaşılır olmaması. WebXSkill, parametreli eylem programlarını adım adım doğal dil rehberliğiyle birleştirerek bu açığı kapatıyor ve ajanlara hem hata kurtarma hem de adaptasyon imkanı sunuyor.