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.

Araştırmacılar, manyetik alan kullanmadan çalışabilen kuantum bilgisayarlar geliştirmek için organik malzemeler üzerinde yeni bir yaklaşım önerdi. Çalışma, SVILC kubit teknolojisi ve 3 Katmanlı Kuantum Beyin Hipotezi'ni temel alarak dört farklı yol belirliyor. Bu yöntemler arasında flavin-nitroksit radikal çiftleri, PTM radikal dizileri ve özel polimer yapılar yer alıyor. Araştırma, kuantum bilgisayarların daha pratik ve erişilebilir hale gelmesi açısından önemli bir adım olarak görülüyor. Manyetik alan gerektirmeyen sistemler, enerji tüketimini azaltarak kuantum teknolojilerinin yaygınlaşmasına katkıda bulunabilir.

Araştırmacılar, motor hayal gücü tabanlı beyin-bilgisayar arayüzlerinde (MI-BCI) daha hassas kontrol sağlayan yeni bir yöntem geliştirdi. Bu teknoloji, felçli hastaların düşünceleriyle protez uzuv veya bilgisayar kontrolü sağlamasında kullanılıyor. Mevcut sistemlerin en büyük sorunu, her bireyin beyin sinyallerinin farklı olması ve bu nedenle sistemin kişiye özel ayarlanması gerektiği. Yeni yaklaşım, beyin dalgalarının farklı frekans bantlarını kişiye özel olarak seçmek için fonksiyonel bağlanırlık analizi kullanıyor. Bu sayede sistem, her kullanıcının benzersiz beyin ritimlerini daha iyi tanıyor ve motor hayal gücü sinyallerini daha doğru çözümleyebiliyor. Geliştirilen yöntem, geleneksel Filter Bank Common Spatial Pattern algoritmasını geliştirerek, önceden tanımlanmış frekans bantları yerine fizyolojik kriterlere dayalı seçim yapıyor.

Araştırmacılar, beynin doğal temizlik ağı olan glimfatik sistemin çalışmasını görüntüleme verilerinden yeniden oluşturabilen yeni bir hesaplama yöntemi geliştirdi. Bu sistem, beyin omurilik sıvısının damar çevresindeki boşluklardan beyin dokusuna taşınarak metabolik atıkların temizlenmesini sağlıyor. Yeni yaklaşım, gürültülü görüntüleme verilerinden fiziksel olarak geçerli transport alanları oluşturarak, Alzheimer ve diğer nörodejeneratif hastalıklarla ilişkili olan beyin atık temizleme mekanizmalarının daha iyi anlaşılmasına katkı sağlayabilir. Geliştirilen framework, kişiye özel görüntüleme verilerinden yüksek doğrulukta glimfatik transport alanları yeniden oluşturabiliyor.

Bilim insanları, beyin bölgeleri ve gen düzenleyici ağlar gibi biyolojik sistemlerdeki karmaşık etkileşimleri anlamak için yeni bir yapay zeka tabanlı yöntem geliştirdi. Geleneksel lineer yaklaşımların aksine, bu yeni framework doğrusal olmayan karmaşık sistemlerin zengin bağlamsal etkilerini modelleyebiliyor. Araştırmacılar, dinamiklerin Jacobian'ı aracılığıyla alt sistemler arasındaki kontrol mekanizmalarını karakterize eden veri odaklı bir çerçeve tasarladı. Bu yöntem, alt sistemlerin birbirlerini nasıl kontrol ettiğini, bu kontrolün yönünü, gücünü ve bağlamsal modülasyonunu belirleyebiliyor. Zaman serisi verilerinden Jacobian öğrenme zorluğunu aşmak için özel algoritmalar geliştirildi. Bu yaklaşım, biyolojik fonksiyonların çoklu alt sistemlerin dinamik etkileşimleri yoluyla nasıl ortaya çıktığını anlamamızda önemli bir adım.

Araştırmacılar, büyük dil modellerinin araç kullanma becerilerini geliştirmek için yeni bir yaklaşım geliştirdiler. ToolGrad adlı bu sistem, geleneksel yöntemlerin tersine çalışarak önce geçerli araç kullanım zincirlerini oluşturuyor, sonra bunlara uygun sorular üretiyor. Bu 'cevap-önce' yaklaşımı sayesinde %100'e yakın başarı oranıyla daha karmaşık ve düşük maliyetli veri setleri elde ediliyor. Sistem, metinsel 'gradyanlar' rehberliğinde yinelemeli bir süreç kullanarak araç kullanım zincirlerini inşa ediyor. ToolGrad-500 veri seti üzerinde yapılan deneyler, bu yöntemle eğitilen modellerin hem pahalı temel veri setleriyle hem de özel dil modelleriyle eğitilmiş sistemlerden daha iyi performans gösterdiğini ortaya koyuyor. Bu gelişme, yapay zeka sistemlerinin araç kullanma yeteneklerinin iyileştirilmesinde önemli bir adım teşkil ediyor.

Araştırmacılar, büyük dil modellerinin metinleri derinlemesine analiz ederek karmaşık sayısal değerlendirmeler yapabildiği yeni bir alan tanımladı: akıl yürütme yoğunlu regresyon. Bu yaklaşım, rubrik tabanlı puanlama, karmaşık ortamlarda ödül modelleme ve alan-özel arama gibi uygulamalarda kullanılıyor. Mevcut yöntemlerin yetersiz kaldığı durumlarda, araştırmacılar MENTAT adlı yeni bir hibrit yaklaşım geliştirdi. Bu yöntem, toplu yansıtmalı prompt optimizasyonu ile sinir ağı topluluk öğrenimini birleştirerek, sınırlı veri ve hesaplama kaynaklarıyla bile etkili sonuçlar üretiyor. Geleneksel duygu analizi gibi basit görevlerin ötesinde, yapay zekanın metin anlama kapasitesini artıran bu gelişme, eğitim değerlendirmelerinden karmaşık karar verme süreçlerine kadar geniş bir uygulama alanı sunuyor.

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, bükülmüş silindir geometrisinde Dirac operatörlerinin davranışını inceleyen yeni bir çalışma yayınladı. Çalışma, yansıma simetrisi ve Atiyah-Patodi-Singer sınır koşulları arasındaki karmaşık ilişkiyi matematiksel olarak açıklıyor. Bulgular, holonomi parametresi 2A'nın tam sayı olması durumunda yansıma simetrisinin üniter bir simetri haline geldiğini gösteriyor. Bu keşif, kuantum alan teorisi ve diferansiyel geometri alanlarında önemli uygulamalara sahip olabilir. Özellikle spektral akış teorisi ve topolojik invariantların hesaplanmasında yeni perspektifler sunuyor.

Büyük dil modellerinin karmaşık problemleri çözerken kullandığı zincirsel mantık yürütme (CoT) yönteminde ciddi bir açık keşfedildi. Araştırmacılar, bu modellerin eğitim sırasında gördüklerinden daha fazla mantık adımı gerektiren problemlerde performanslarının keskin bir şekilde düştüğünü ortaya koydu. MIT ve diğer kurumlardan bilim insanları, bu başarısızlığın arkasındaki mekanizmayı inceleyerek, hataların rastgele dağılmadığını, belirli token pozisyonlarında yoğunlaştığını buldu. Daha da önemlisi, 'hatalı işleme kafaları' adını verdikleri özel dikkat mekanizmalarının, doğru mantık yollarını bastırırken yanlış çıkarımları güçlendirdiğini keşfetti. Bu bulgu, yapay zekanın mantık yürütme yeteneklerinin geliştirilmesi açısından kritik önem taşıyor.

Matematikçiler, ağaç yapıları üzerinde hareket eden özel rastgele yürüyüş modellerinin davranışını açıklayan önemli bir sorunu çözdü. Bu çalışma, parçacığın başladığı noktaya geri dönüp dönemeyeceğini belirleyen kritik eşik değerini keşfetti. Araştırmacılar, 'gerçek kendinden kaçınan yürüyüş' adı verilen bu modelde, her kenarın geçilme sayısına göre ağırlığının azaldığını gösterdiler. Kritik değer, ağacın dal-yıkım sayısı ile belirleniyor ve bu değer ağacın sınırının Hausdorff boyutuyla örtüşüyor. Sonuçlar, dal-yıkım sayısı 1/2'den büyükse parçacığın geri dönemeyeceğini, küçükse döneceğini kanıtlıyor. Bu buluş, stokastik süreçler ve ağaç geometrisi arasındaki derin bağlantıları aydınlatıyor.