Araştırmacılar, büyük dil modellerinin (LLM) iş süreçlerinde yetki devri yapıldığında belgeler üzerindeki performansını test etti. DELEGATE-52 adlı kapsamlı test ile 19 farklı yapay zeka modeli incelendiğinde, en gelişmiş modellerin bile uzun iş akışları sonunda belge içeriğinin ortalama %25'ini bozduğu ortaya çıktı. Kodlama, kristalografi ve müzik notasyonu gibi 52 farklı profesyonel alanda yapılan test, yapay zekanın güvenilir şekilde yetki devri alabilmesi için henüz hazır olmadığını gösteriyor. Bu bulgular, iş dünyasında yapay zekaya olan güven ve beklentilerin yeniden gözden geçirilmesi gerektiğini işaret ediyor.

Büyük dil modelleri bilgi üretirken dış kaynaklardan veri alırken gereksiz bilgilerin gürültü oluşturması önemli bir sorun teşkil ediyordu. Araştırmacılar, bu sorunu çözmek için AdaRankLLM adlı yeni bir sistem geliştirdi. Bu sistem, yapay zekanın hangi bilgilere ihtiyacı olduğunu dinamik olarak belirleyerek, gereksiz verileri filtreler ve sadece yararlı bilgileri kullanır. Modern dil modellerinin gürültüye karşı daha dayanıklı hale geldiği göz önünde bulundurularak tasarlanan sistem, küçük açık kaynak modellerin de bu yetenekle donatılması için iki aşamalı bir öğrenme yöntemi sunuyor. Geliştirilen yaklaşım, bilgi sıralama ve filtreleme süreçlerini optimize ederek daha verimli sonuçlar elde edilmesini sağlıyor.

Araştırmacılar, yapay zeka çeviri sistemlerinin öğrenme sürecini iyileştiren yenilikçi bir yöntem geliştirdi. CLewR adlı bu teknik, makinelerin kolay örnekleri unutmaması için eğitim sırasında 'kolay'dan 'zor'a doğru müfredat döngülerini tekrarlatıyor. Gemma2, Qwen2.5 ve Llama3.1 gibi farklı dil modellerinde test edilen yöntem, çok dilli makine çeviri performansında tutarlı iyileştirmeler sağladı. Araştırma, öğrenme sıralamasının yapay zeka eğitimindeki kritik rolünü ortaya koyarak, gelecekteki çeviri sistemlerinin geliştirilmesinde önemli bir adım oluşturuyor.

Araştırmacılar, karmaşık tablo yapılarını tanımada yaşanan zorlukları aşmak için InstructTable adlı yeni bir yapay zeka sistemi geliştirdi. Geleneksel yöntemler, birleştirilmiş hücreler ve boş alanlar içeren tablolarda başarısız olurken, bu yeni yaklaşım hem görsel hem de anlamsal bilgiyi birleştirerek daha doğru sonuçlar elde ediyor. Sistem, özel olarak tasarlanmış talimatlarla eğitilerek tabloların ince yapısal detaylarını kavramayı öğreniyor. Bu gelişme, belge işleme, veri analizi ve dijital arşivleme alanlarında önemli ilerlemeler sağlayabilir.

Araştırmacılar, yapay zeka sistemlerinin birden fazla belgeyi işlerken karşılaştığı önemli bir sorunu çözmek için CHOP adlı yeni bir framework geliştirdi. Bu sistem, benzer belgeler arasında ayrım yapmakta zorlanan AI modellerinin performansını önemli ölçüde artırıyor. Geleneksel RAG sistemleri, veri tabanında benzer belgeler bulunduğunda doğru bilgiyi bulamıyor ve yanlış sonuçlar üretiyordu. CHOP, her belge parçasını akıllı imzalarla etiketleyerek ve bağlamsal tutarlılığı koruyarak bu problemi çözüyor. Sistem, belgeler arasındaki semantik çakışmaları azaltıyor ve AI'nın daha doğru bilgi erişimi sağlamasına olanak tanıyor.

Birleşik Krallık'ta yapılan yeni bir araştırma, vatandaşların geri dönüşüm konusundaki karmaşıklığını gidermek için geliştirilen interaktif bir mobil uygulamanın etkinliğini test etti. Çalışma, yerel yönetimlerin farklı geri dönüşüm kurallarının yarattığı karışıklık ve 'istekli geri dönüşüm' (wishcycling) sorununa odaklandı. Araştırmacılar, 50 kişilik anket, uzman görüşmeleri ve tasarım aktivitelerini içeren karma yöntemli bir yaklaşım kullandı. Geliştirilen prototip uygulama, konum bazlı rehberlik, görsel sıralama yardımları ve malzeme özelinde bilgiler sunarak vatandaşların karşılaştığı temel sorunları çözmeyi hedefliyor. Odak grup değerlendirmeleri, uygulamanın geri dönüşüm doğruluğunu önemli ölçüde artırdığını gösterdi.

Araştırmacılar, büyük dil modellerinin (LLM) tablo yapısını daha iyi anlaması için TableNet adlı yeni bir veri seti geliştirdi. Mevcut veri setlerinin yetersizliği nedeniyle LLM'lerin karmaşık tablo düzenlerini analiz etmede zorlandığı problemi çözmek amacıyla tasarlanan sistem, otonom tablo üretimi ve tanıma teknolojilerini birleştiriyor. Geliştirilen çok-ajan sistem, görsel, yapısal ve semantik parametreleri kontrol edebilen bir yaklaşımla çeşitli tablo görüntüleri oluşturabiliyor. Bu yenilik, yapay zekanın belgelerdeki tabloları daha doğru şekilde yorumlamasını sağlayarak, veri analizi ve belge işleme alanlarında önemli ilerlemeler vaat ediyor. Sistem kullanıcı tanımlı konfigürasyonlarla uyumlu çalışarak, büyük ölçekli veri seti oluşturulmasına imkan tanıyor.

Araştırmacılar, doğal dili MongoDB sorgu diline çeviren yeni bir yapay zeka sistemi geliştirdi. EvoMQL adı verilen bu sistem, geleneksel SQL veritabanlarından farklı olarak MongoDB'nin karmaşık yapısını anlayabiliyor. Sistem, Draft-Refine-Optimize döngüleri kullanarak sürekli kendini geliştiriyor ve hatalarından öğrenebiliyor. Bu gelişme, teknik bilgisi olmayan kullanıcıların modern belge tabanlı veritabanlarına kolayca erişmesini sağlayacak. MongoDB'nin iç içe geçmiş şemaları ve belirsiz değer eşlemesi gibi zorluklarla başa çıkabilen sistem, her sorgulama döngüsünde daha doğru sonuçlar üretiyor.

Araştırmacılar, enerji sistemlerinin tasarımında karşılaşılan 'çözümsüz' optimizasyon problemlerini çözülebilir hale getiren yeni bir çerçeve geliştirdi. Kontrol eş-tasarımı (CCD) yöntemi, enerji sistemlerinin hem fiziksel hem de kontrol parametrelerini aynı anda optimize ederek maksimum performans elde etmeyi amaçlar. Ancak enerji sistemlerinin karmaşık yapısı ve çelişkili gereksinimleri nedeniyle bu optimizasyon problemleri sık sık çözümsüz kalıyor. Yeni çerçeve, hangi kısıtlamaların soruna neden olduğunu tespit eden bir sıralama sistemi öneriyor ve imkansız görünen problemleri çözülebilir forma dönüştürüyor. Bu gelişme, rüzgar türbinlerinden güneş panellerine kadar çeşitli enerji sistemlerinin tasarım sürecini hızlandırabilir ve daha verimli enerji çözümleri geliştirilmesine katkı sağlayabilir.

Büyük dil modellerinin (LLM) çalışma hızını artıran yeni bir bellek yönetim sistemi geliştirildi. KV Packet adlı bu sistem, yapay zeka modellerinin önceki hesaplamalarını tekrar kullanma biçimini değiştirerek, işlem yükünü neredeyse sıfıra indiriyor. Geleneksel sistemlerde, bir belge farklı bağlamda kullanıldığında tüm hesaplamalar yeniden yapılıyor ve bu da önemli zaman kaybına yol açıyordu. Yeni yaklaşım ise belgeleri değiştirilemez 'paketler' olarak ele alıp, hafif eğitilebilir adaptörlerle sararak bu sorunu çözüyor. Llama-3.1 ve Qwen2.5 modellerinde yapılan testler, sistemin mevcut yöntemlere göre çok daha az işlem gücü kullandığını ve ilk yanıt sürelerini önemli ölçüde kısalttığını gösteriyor. Bu gelişme, yapay zeka asistanlarının daha hızlı ve verimli çalışmasının önünü açıyor.

Araştırmacılar, görsel açıdan zengin belgelerden bilgi çıkarma ve karmaşık sorulara yanıt verme konusunda mevcut sistemlerden daha başarılı olan VISOR adlı yeni bir yapay zeka sistemi geliştirdi.