Araştırmacılar, büyük dil modellerinin performansını artırmak için kullanılan ensemble tekniklerinde devrim niteliğinde bir yaklaşım geliştirdi. Geleneksel yöntemler, birden fazla modelin çıktılarını birleştirerek daha iyi sonuçlar elde ediyor ancak hesaplama maliyeti çok yüksek oluyor. Yeni 'Karışım-model benzeri Ensemble' (ME) yaklaşımı, her adımda rastgele tek bir model seçerek sonraki kelimeyi üretmesini sağlıyor. Bu yöntem, ensemble dağılımından örnekleme yapmakla matematiksel olarak eşdeğer sonuçlar verirken, hesaplama gereksinimlerini önemli ölçüde azaltıyor. Araştırma, yapay zeka modellerinin verimlilik ve performans dengesinde yeni bir denge noktası sunuyor.

Araştırmacılar, önceden eğitilmiş ses tanıma modellerinin fil çağrılarını sınıflandırmada şaşırtıcı derecede başarılı olduğunu keşfetti. Bu çalışmada, hiç fil sesi duymamış yapay zeka modelleri, sadece genel ses verileriyle eğitildikten sonra fil vokallerini tanımayı başardı. Sonuçlar, biyoakustik verilerin kıtlığı sorununa pratik bir çözüm sunuyor. Çünkü doğal yaşamdaki hayvan seslerini etiketlemek hem pahalı hem zaman alıcı. Perch 2.0 adlı model, Afrika fillerinde 0.849 AUC skoru elde ederek en iyi performansı gösterdi. Bu yaklaşım, türler arası ses özelliklerinin evrensel olabileceğini gösteriyor ve koruma biyolojisinde devrim yaratma potansiyeli taşıyor.

Yeni araştırma, biyomekanik sistemlerde gözlenebilen performansın sistem organizasyonunun tam bir göstergesi olmayabileceğini ortaya koyuyor. Çalışma, dikey oklüzyon boyutunun (çene kapanışı) nöromekanik sisteme kısıtlama olarak uygulandığında ortaya çıkan değişiklikleri inceliyor. Parkinson hastası bir bireyde yapılan analiz, üç farklı seviyede gerçekleştirildi: gözlenebilir performans metrikleri, dinamik sistem analizi ve gizli uzay temsili. Bulgular, benzer gözlenebilir performans gösteren koşulların aslında farklı sistem organizasyonlarına sahip olabileceğini gösteriyor. Bu keşif, özellikle Parkinson gibi nörodejeneratif hastalıklarda motor fonksiyonların değerlendirilmesinde yeni perspektifler sunuyor.

Araştırmacılar, büyük dil modellerinin (LLM) farklı kullanım alanlarında önyargı ve adalet risklerini değerlendirmek için sistematik bir çerçeve geliştirdi. Mevcut yaklaşımların uygun değerlendirme metrikleri seçme konusunda rehberlik eksikliği bulunuyordu. Yeni çerçeve, model türü, istem popülasyonu ve paydaş önceliklerine göre ilgili önyargı ve adalet metriklerini eşleştiriyor. Toksiklik, stereotipleme, karşıt-olgusal adaletsizlik ve tahsis zararları gibi konuları ele alıyor. Çalışma, beş farklı LLM ve beş istem popülasyonu üzerinde yapılan kapsamlı deneylerle adalet risklerinin benchmark performansından güvenilir şekilde değerlendirilemeyeceğini gösteriyor. Bu bulgular, yapay zeka sistemlerinin toplumsal etkilerinin daha doğru değerlendirilmesi açısından kritik öneme sahip.

Büyük dil modellerinin (LLM) temel eğitimden sonra zararlı çıktılar üretmesi ve matematik, kodlama gibi alanlarda yetersiz kalması önemli bir sorun teşkil ediyor. Araştırmacılar, bu sorunları çözmek için pekiştirmeli öğrenme tabanlı post-eğitim yöntemlerini geliştirdi. İnsan geri bildirimiyle pekiştirmeli öğrenme (RLHF) ve doğrulanabilir ödüllerle pekiştirmeli öğrenme (RLVR) gibi yaklaşımlar bu alanda kayda değer ilerlemeler sağladı. Yeni araştırma, bu farklı yöntemleri tek bir çerçevede birleştiren kapsamlı bir inceleme sunuyor. Çalışma, temel eğitim, denetimli ince ayar, RLHF ve RLVR yöntemlerini birleşik bir politika gradyanı çerçevesi altında topluyor. Bu yaklaşım, yapay zeka modellerinin güvenliği ve performansı açısından kritik öneme sahip.

Araştırmacılar, büyük dil modellerinin (LLM) yeteneklerini detaylı şekilde değerlendirmek için SCAN adlı yeni bir çerçeve geliştirdi. Mevcut değerlendirme yöntemleri sadece modellerin genel performansını karşılaştırırken, SCAN kullanıcıların ve geliştiricilerin belirli bir modelin hangi konularda güçlü, hangilerinde zayıf olduğunu ayrıntılı şekilde görebilmesini sağlıyor. Sistem, otomatik olarak yetenek kategorileri oluşturan TaxBuilder ve yeterli test verisi sağlayan RealMix gibi bileşenler içeriyor. Bu yaklaşım, yapay zeka modellerinin pratik uygulamalarda hangi görevler için uygun olduğunu belirlemede önemli bir adım olarak görülüyor.

Araştırmacılar, büyük dil modellerinin yeni görevleri nasıl öğrendiğini anlamak için önemli bir adım attı. Modellerin örnek gösterilerden öğrenme sürecinde kullandığı 'görev vektörleri' adı verilen yapıları daha etkili bir şekilde eğitmenin yolunu buldular. Yeni yöntem, geleneksel yaklaşımlardan daha yüksek doğruluk oranı sağlıyor ve modelin farklı katmanlarında esnek bir şekilde çalışabiliyor. Çalışma, yapay zekanın öğrenme mekanizmalarını anlamada ve gelecekteki AI sistemlerinin performansını artırmada kritik öneme sahip. Bu gelişme, dil modellerinin nasıl çalıştığına dair daha derin anlayış kazanmamızı sağlayarak, AI teknolojilerinin daha verimli hale getirilmesine katkı sunuyor.

Araştırmacılar, mobil cihazlarda yapay zeka dil modellerinin çalışmasını hızlandıran yeni bir algoritma geliştirdi. Peek2 adlı bu sistem, GPT-3 ve LLaMA-3 gibi popüler AI modellerinde kullanılan metin işleme sürecini optimize ediyor. Geleneksel yöntemlerin aksine regex kullanmayan bu yaklaşım, daha az bellek tüketirken performansı 2,5 kata kadar artırabiliyor. Mobil ve kenar bilişim cihazlarında AI uygulamalarının daha verimli çalışması için kritik bir gelişme olan bu çalışma, büyük dil modellerinin günlük hayatta daha yaygın kullanılmasının önünü açabilir.

Araştırmacılar, çok modlu büyük dil modellerinin (MLLM) kısa videolardaki sağlık dezenformasyonunu ne kadar iyi tespit edebildiğini araştırdı. Çalışmada dört sağlık alanından 200 kısa video içeren özel bir veri seti kullanılarak sekiz farklı yapay zeka modeli test edildi. Videolardaki yanıltıcı deneysel sonuçlar, mantık hataları ve uydurma iddialar olmak üzere üç temel aldatma türü incelendi. Sonuçlara göre Gemini-2.5-Pro modeli çok modlu ortamda en yüksek performansı gösterdi. Bulgular, gelişmiş yapay zeka modellerinin bile görsel ve sosyal ipuçlarıyla desteklenen dezenformasyona karşı tam olarak dayanıklı olmadığını ortaya koyuyor.

Araştırmacılar, müşteri hizmetleri sohbet botlarında kullanılan büyük dil modellerinin (LLM) yerine geçebilecek daha küçük alternatifleri inceledi. Çok turlu konuşmalarda bağlamı koruyarak yanıt verebilen küçük dil modellerinin (SLM) performansı, kaynak tüketimi düşük ortamlarda test edildi. Dokuz farklı küçük model, üç ticari büyük modelle karşılaştırıldı. Araştırma, konuşma geçmişini özetleyerek koruyan bir strateji kullandı ve müşteri hizmetleri etkileşimlerinin farklı aşamalarında model davranışlarını analiz etti. Bu çalışma, hesaplama gücü sınırlı ortamlarda etkili müşteri hizmetleri sistemleri geliştirmek isteyen şirketler için önemli bulgular sunuyor.

Büyük dil modelleri birçok alanda başarı gösterse de, gerçek adaptasyon konusunda hâlâ sınırlılıkları bulunuyor. Yeni bir araştırma, bu modellerin bağlam içinde öğrendikleri bilgileri basit görevlerde bile etkili şekilde kullanamadığını ortaya koydu. Çalışma, modellerin veri temsilleri oluşturabildiğini ancak bunları esnek şekilde uygulayamadığını gösteriyor. Bu durum, yapay zekanın gerçek dünya problemlerine uyum sağlama yeteneği konusunda önemli sorular ortaya çıkarıyor. Araştırmacılar, modellerin bir sonraki kelimeyi tahmin etme ve adaptif dünya modelleme gibi görevlerde performansını değerlendirerek bu sınırlılıkları detaylandırdı.