Araştırmacılar, büyük dil modellerinin (LLM) donanım tasarımında kullanılmasına odaklanan yeni bir çalışmada çarpıcı bir bulguya ulaştı. FPGA gibi özelleştirilmiş donanımları tasarlamak için yapay zeka kullanan sistemlerde, hangi AI modelinin seçildiğinden ziyade, ara dil temsilinin (IR) nasıl yapılandırıldığının çok daha kritik olduğu ortaya çıktı. Bu keşif, mühendislerin donanım tasarımı uzmanlığı olmadan da karmaşık devreler geliştirebilmesi için önemli ipuçları sunuyor. Çalışma, altı farklı programlama dili ve 202 farklı görev üzerinde yapılan kapsamlı testlerle bu 'temsil darboğazı' fenomenini kanıtlıyor.

Araştırmacılar, elektronik sağlık kayıtlarından bilgi çıkarmayı kolaylaştıran yeni bir yapay zeka sistemi geliştirdi. CBR-to-SQL adlı bu sistem, doktorların ve araştırmacıların SQL programlama bilgisi olmadan da hasta verilerini analiz edebilmelerine olanak tanıyor. Geleneksel yöntemlerin aksine, tıbbi terminolojideki tutarsızlıkları ve karmaşıklıkları daha iyi anlayabilen bu sistem, vaka tabanlı akıl yürütme yaklaşımını kullanıyor. Sistem, doğal dilde sorulan soruları otomatik olarak veritabanı sorgularına çevirerek, klinik karar verme süreçlerini hızlandırıyor ve tıbbi araştırmaları destekliyor.

Araştırmacılar, yazılım geliştirmede kritik öneme sahip otomatik günlük kaydı (logging) sistemlerini inceleyen kapsamlı bir çalışma yayınladı. MultiLogBench adlı yeni benchmark, altı farklı programlama dili ekosisteminde 63 bin üzeri kod örneği içeriyor. Çalışma, mevcut yapay zeka modellerinin tek dil odaklı eğitim verisiyle sınırlı kaldığını ve gerçek yazılım geliştirme süreçlerindeki çok dilli ortamlarda yetersiz performans gösterdiğini ortaya koyuyor. Günlük kaydı, yazılım hatalarını tespit etme ve sistem performansını izlemede hayati rol oynar, ancak geliştiriciler için zaman alıcı bir süreçtir. Bu nedenle otomatik günlük sistemi geliştirme çabaları büyük önem taşır.

Matematik ve programlama gibi karmaşık görevlerde başarılı olan Büyük Akıl Yürütme Modelleri (LRM), gelişmiş akıl yürütme yeteneklerine rağmen güvenlik açısından sorunlu davranışlar sergileyebiliyor. Araştırmacılar, bu modellerin güvenliğini artırmak için kapsamlı bir çalışma gerçekleştirdi ve beklenmedik bir keşif yaptı: DeepSeek-R1 modelinden güvenli yanıtları doğrudan aktarmak, güvenliği önemli ölçüde artırmıyor. Çalışmada beş kritik risk unsuru tespit edildi ve bu sorunların veri hazırlama sürecinde ele alınmasının güvenlik performansını ciddi şekilde iyileştirdiği gösterildi. Bu bulgular, yapay zeka modellerinin akıl yürütme kapasitesi ile güvenlik performansı arasındaki karmaşık ilişkiye ışık tutuyor.

Araştırmacılar, trafik ağlarındaki tıkanıklıkları azaltmak için geliştirdikleri yeni matematiksel modelle, belirsizliklere karşı dayanıklı ücret politikaları tasarlayabiliyor. Çalışma, gerçek trafik verilerindeki belirsizlikleri göz önünde bulundurarak, geleneksel yöntemlerden daha etkin sonuçlar üreten bir yaklaşım sunuyor. Sistem operatörleri genellikle sürücüleri daha az yoğun yollara yönlendirmek için parasal teşvikler kullanır, ancak trafik modellerindeki belirsizlikler bu stratejilerin başarısını etkiler. Yeni geliştirilen distributionally robust optimization yaklaşımı, en kötü senaryoları dikkate alarak daha güvenilir çözümler üretiyor. Tek başlangıç-varış noktası olan ağlarda, afin gecikme fonksiyonları kullanan bu yöntem konveks programlama ile çözülebiliyor. Sayısal simülasyonlar, belirsizliklere karşı tasarlanan bu ücret politikalarının, sabit modeller kullanan geleneksel yaklaşımlardan sistem geneli performansında daha iyi sonuçlar verdiğini gösteriyor.

Stanford'dan araştırmacılar, doktorların programlama bilgisi olmadan sadece doğal dil kullanarak tıbbi yapay zeka modelleri geliştirebilmelerini sağlayan devrim niteliğinde bir sistem geliştirdi. Geleneksel yaklaşımda doktorlar ve AI uzmanları arasında sürekli iletişim gerektiren uzun süreçler yaşanıyor, bazen de karşılıklı anlayış eksikliği nedeniyle yanlış anlaşılmalar oluşuyordu. Yeni sistem bu sorunu çözerek doktorların istedikleri AI modellerini doğrudan konuşarak tarif etmelerini ve sistemin bunu otomatik olarak kodlayıp eğitmesini mağdur ediyor. Cilt lezyonu sınıflandırması ve melanom teşhisi gibi beş farklı klinik görevde test edilen sistem, tıbbi AI geliştirme sürecini demokratikleştirme potansiyeli taşıyor.

Araştırmacılar, birden fazla yapay zeka ajanının aynı API'yi kullanırken yaşadığı kaynak çekişmesi sorununu çözen HiveMind sistemini geliştirdi. Bu sistem, işletim sistemlerinin CPU ve bellek yönetim prensiplerine dayanan beş farklı programlama tekniği kullanıyor. Deneylerde, koordinasyon olmadan çalışan ajanların %72-100 oranında başarısız olduğu durumlarda, HiveMind sayesinde başarı oranı önemli ölçüde artıyor. Sistem, mevcut ajan kodlarında hiçbir değişiklik gerektirmeden çalışıyor ve OpenAI, Anthropic gibi büyük AI şirketlerinin API'lerini destekliyor. Bu gelişme, paralel AI ajan uygulamalarının daha güvenilir çalışması açısından önemli bir adım.

Araştırmacılar, yapay zeka sistemlerinin matematik problemlerindeki başarısının gerçek yazılım kodlarını anlama yetisini gösterip göstermediğini test etmek için yeni bir değerlendirme sistemi geliştirdi. Amazon'un kripto kütüphanesi s2n-bignum'dan türetilen bu test, büyük dil modellerinin endüstriyel seviyedeki assembly kodlarını ne kadar iyi analiz edebildiğini ölçüyor. Sistem, matematiksel teoremler yerine gerçek dünyada kullanılan karmaşık yazılımları temel alıyor ve AI'ın pratik programlama görevlerindeki gerçek performansını ortaya çıkarıyor.

Araştırmacılar, büyük dil modellerinin programlama kodlarını farklı diller arasında çevirebilmesi için yenilikçi bir yöntem geliştirdi. CodePivot adlı sistem, paralel veri setlerine ihtiyaç duymadan pekiştirmeli öğrenme kullanarak kod çevirisi yapabiliyor. Bu teknoloji, özellikle az kaynaklı programlama dilleri için büyük avantajlar sunuyor. Geleneksel yöntemler ikili çeviri paradigmasıyla sınırlıydı ve çok sayıda programlama dilini desteklemekte zorlanıyordu. Yeni yaklaşım, eski yazılım sistemlerinin modernizasyonundan, düşük kaynaklı programlama dilleri için veri artırımına kadar geniş bir uygulama alanı vaat ediyor.

Araştırmacılar, türbülanslı akış simülasyonlarını önemli ölçüde hızlandıran yeni bir açık kaynak yazılım paketi geliştirdi. IncompressibleNavierStokes.jl adlı bu Julia paketi, GPU ve CPU'larda eşzamanlı çalışabilen matrix-free çekirdekler kullanarak sıkışmayan Navier-Stokes denklemlerini çözüyor. Yazılımın en dikkat çekici özelliği, yapay sinir ağı modellerinin doğrudan simülasyon içine gömülebilmesi. Bu sayede türbülans modellemesi için neural network kapanış modelleri eğitilebiliyor. Yazılım, tek bir GPU üzerinde 840³ çözünürlüğe kadar doğrudan sayısal simülasyonlar gerçekleştirebiliyor. Geliştirilen sistem, türbülanslı kanal akışı testlerinde referans verilerle başarıyla doğrulandı. Bu gelişme, hesamalı akışkanlar dinamiği alanında yapay zekanın entegrasyonu açısından önemli bir adım olarak değerlendiriliyor.

Bilgisayar destekli matematik alanında önemli bir gelişme yaşandı. Araştırmacılar, karmaşık sayılarla yapılan optimizasyon problemlerini gerçek sayılarla ifade etmenin yeni ve çok daha verimli bir yolunu keşfetti. Semidefinite programlama (SDP) olarak adlandırılan bu matematiksel yöntem, mühendislikten finansa kadar birçok alanda kritik optimizasyon problemlerinin çözümünde kullanılıyor. Yeni yaklaşım, geleneksel yöntemlere kıyasla önemli ölçüde daha hızlı sonuç veriyor ve bilgisayar kaynaklarını daha verimli kullanıyor. Bu gelişme, büyük ölçekli optimizasyon problemlerinin çözümünde yeni kapılar açabilir.