Araştırmacılar, Vietnamca hukuki metinlerde doğal dil anlama için özel olarak tasarlanmış ilk büyük ölçekli veri setini oluşturdular. ViLegalNLI adlı bu veri seti, resmi yasal belgelerden türetilen 42.012 öncül-hipotez çifti içeriyor ve yapay zeka sistemlerinin hukuki metinleri daha iyi anlamasını sağlamayı hedefliyor. Veri seti, çok aşamalı mantıksal çıkarım, koşullu ifadeler ve hukuk terminolojisi gibi karmaşık yasal akıl yürütme senaryolarını kapsıyor. Bu çalışma, hukuk alanında yapay zeka uygulamalarının geliştirilmesi için önemli bir kaynak sunuyor ve özellikle Vietnamca gibi az kaynaklı diller için hukuki NLP araçlarının geliştirilmesinde kritik bir adım teşkil ediyor.

Araştırmacılar, büyük dil modellerinin (LLM) Arapça lehçelerindeki kültürel nüansları anlama konusundaki eksiklerini ortaya koyan kapsamlı bir çalışma gerçekleştirdi. ArabCulture-Dialogue adlı yeni veri seti, 13 Arap ülkesinin hem standart Arapçasını hem de yerel lehçelerini kapsıyor. Çalışma, yapay zeka modellerinin Standart Modern Arapça ile çalıştığında daha iyi performans gösterdiğini, ancak yerel lehçeler söz konusu olduğunda kültürel akıl yürütme, çeviri ve dil üretimi görevlerinde belirgin şekilde zorlandığını gösteriyor. Bu araştırma, çok kültürlü yapay zeka sistemlerinin geliştirilmesi için önemli bulgular sunuyor.

Araştırmacılar, büyük dil modellerinin kısa cevaplı sınavları değerlendirirken ne kadar güvenilir olduğunu belirlemeye yönelik yeni bir yöntem geliştirdi. Çalışma, yapay zekanın eğitim alanındaki değerlendirme süreçlerinde insan-AI işbirliğinin daha güvenli hale getirilmesi için kritik önem taşıyor. Araştırmada, modelin kendi güven sinyalleriyle veri setinden elde edilen belirsizlik ölçümlerinin birleştirildiği hibrit bir yaklaşım öneriliyor. Bu yenilik, öğretmenlerin AI destekli değerlendirmelere ne ölçüde güvenebileceğini göstererek, eğitim teknolojilerinin daha etkin kullanılmasına katkı sağlayabilir.

Stanford araştırmacıları, Excel ve CSV gibi tablolu verileri işlemek için yeni bir yapay zeka yaklaşımı geliştirdi. Mevcut RAG (Retrieval-Augmented Generation) sistemleri tablolu verileri işlemekte yetersiz kalırken, yeni STC (Structure-Aware Tabular Chunking) framework'ü tablonun yapısal özelliklerini koruyan akıllı parçalama yöntemi kullanıyor. Bu yöntem, her satırı anahtar-değer çiftleri olarak kodlayarak hiyerarşik bir ağaç yapısı oluşturuyor ve semantik ilişkileri koruyarak daha verimli veri işleme sağlıyor. Testlerde, geleneksel yöntemlere göre %40-56 daha az parça oluştururken token kullanımını artırdı.

Araştırmacılar, büyük dil modellerinin belirli bilgileri daha hassas bir şekilde unutabilmesi için yenilikçi bir yöntem geliştirdi. TokenUnlearn adlı bu yaklaşım, tüm metin yerine yalnızca kritik kelimeleri hedef alarak modellerin istenmeyen bilgileri daha etkili şekilde silmesini sağlıyor. Mevcut yöntemler tüm metne aynı şekilde müdahale ederken, yeni sistem önemli ve önemsiz kelimeler arasında ayrım yapabiliyor. Bu gelişme, yapay zeka modellerinin gizlilik, güvenlik ve yasal düzenlemeler açısından daha uyumlu hale gelmesinde önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, madde kullanımı eğitimindeki geleneksel yöntemlerin ölçeklenebilirlik ve kişiselleştirme sorunlarına çözüm olarak yeni bir yapay zeka sistemi geliştirdi. Sistem, Uyuşturucu Denetleme İdaresi kayıtlarını bilimsel literatürle birleştirerek gerçek zamanlı, bağlama duyarlı eğitim sunuyor. 102 belgeden oluşan özenle filtrelenmiş bir veri tabanı ve dinamik PubMed sorguları kullanan sistem, vektör temsilleri aracılığıyla anlamsal olarak bölümlenmiş belgeleri hızla erişilebilir hale getiriyor. Beş konu uzmanından oluşan panel tarafından değerlendirilen bu yaklaşım, madde kullanımına dair sürekli değişen bilgilerin güncel ve güvenilir şekilde aktarılması konusunda umut verici sonuçlar gösteriyor.

Araştırmacılar, sosyal medyada ideolojik ayrılıklar üzerinden yapılan tartışmaları analiz etmek için ControBench adlı yeni bir benchmark geliştirdi. Reddit'ten toplanan verilerle oluşturulan bu sistem, politik kutuplaşma ve dezenformasyon araştırmalarında önemli bir boşluğu dolduruyor. Trump, kürtaj ve din gibi tartışmalı konularda 7.370 kullanıcı, 1.783 gönderi ve 26.525 etkileşim verisi içeren benchmark, hem metin analizini hem de sosyal etkileşim yapısını bir araya getiriyor. Mevcut veri setleri ya sadece metni ya da sadece etkileşim yapısını dikkate alırken, ControBench her iki unsuru da birleştirerek tartışmaların bağlamsal analizine olanak sağlıyor. Bu gelişme, çevrimiçi platformlarda içerik moderasyonu ve polarizasyon dinamiklerini anlamak için kritik önem taşıyor.

Araştırmacılar, büyük dil modellerinin eğitimi sırasında GPU hafıza kullanımını dramatik şekilde azaltan AGoQ adlı yeni bir teknik geliştirdi. Bu yöntem, farklı katmanlar için uygun bit genişlikleri ayıran akıllı bir aktivasyon sıkıştırma algoritması ve 8-bit gradient depolama sistemi kullanıyor. 64 GPU'ya kadar test edilen sistem, hafıza kullanımını %52 oranında azaltırken, eğitim hızını 1.34 kata kadar artırdı. Geleneksel yöntemlerden farklı olarak, model doğruluğunda kayıp yaşanmadan bu verimliliği sağlıyor. Bu gelişme, büyük yapay zeka modellerinin eğitimini daha erişilebilir hale getirebilir ve daha az donanım kaynak gereksinimi sayesinde maliyetleri önemli ölçüde düşürebilir.

Yapay zeka ajanlarının grafik kullanıcı arayüzleriyle etkileşimi sırasında karşılaştığı büyük veri sorunu için yenilikçi bir çözüm geliştirildi. A11y-Compressor adlı framework, arayüz verilerini %78 oranında sıkıştırırken performansı artırıyor. Sistem, erişilebilirlik ağaçlarındaki gereksiz bilgileri temizleyerek ve yapısal düzenlemeler yaparak çalışıyor. OSWorld benchmark testlerinde yapılan denemelerde, sıkıştırılmış veriler orijinalin sadece %22'si kadar yer kaplarken, görev başarı oranları ortalama %5.1 puan artış gösterdi. Bu gelişme, yapay zeka ajanlarının bilgisayar arayüzleriyle daha verimli çalışabilmesi için kritik bir adım teşkil ediyor.

Araştırmacılar, bilimsel keşif sürecinin fikir geliştirme aşamasını sekiz bilişsel aşamaya bölen SCISENSE adlı yeni bir yapay zeka çerçevesi geliştirdi. Çalışma, yapılandırılmış düşünce süreçlerinin daha serbest yaklaşımlardan daha yaratıcı araştırma çıktıları üretebileceğini gösteriyor. 100 bin ölçekli veri setiyle eğitilen modeller, hedef odaklı eğitimin serbest keşif yaklaşımından %2 daha iyi performans sergilediğini ortaya koydu. Bu bulgular, yapay zekanın bilimsel araştırma süreçlerinde nasıl daha etkili kullanılabileceğine dair önemli ipuçları sunuyor.

Araştırmacılar, deepfake ses kayıtlarını tespit etmek için özel olarak tasarlanmış yeni bir yapay zeka modeli olan Alethia'yı geliştirdi. Mevcut yöntemlerin sınırlarına ulaştığı bir dönemde, bu model farklı bir yaklaşım benimsiyor. Alethia, maskelenmiş gömülü tahmin ve spektogram yeniden yapılandırma tekniklerini birleştiren yenilikçi bir eğitim reçetesi kullanıyor. 56 farklı veri seti üzerinde yapılan testlerde, model mevcut teknolojileri geride bırakarak üstün performans sergiledi. Özellikle gerçek dünya koşullarındaki bozulmalara karşı dayanıklılığı ve daha önce görmediği alanlardaki başarısı dikkat çekici. Model, şarkı deepfake'leri gibi yeni türdeki sahte ses içeriklerini bile başarıyla tespit edebiliyor.