Bilim insanları, DNA sentezi siparişlerindeki potansiyel biyolojik tehditleri tespit etmek için yeni bir güvenlik sistemi geliştirdi. CRC-Screen adlı bu sistem, mevcut güvenlik protokollerinin büyük bir açığını kapatıyor. Geleneksel yöntemler, bilinen tehlikeli DNA dizilerini referans listelerle karşılaştırarak çalışır, ancak bu yaklaşım yeni veya bilinmeyen toksik organizmaların DNA dizileri karşısında yetersiz kalıyor. Araştırmacılar, yapay zeka destekli üç farklı analiz yöntemini birleştiren hibrit bir sistem tasarladı. Bu sistem, DNA dizilerinin k-mer benzerliklerini, beş farklı büyük dil modelinin değerlendirmelerini ve kümelenmiş veri yapılarındaki kosinüs benzerliklerini analiz ediyor. Test sonuçları, sistemin farklı taksonomik ailelerden gelen tehlikeli DNA dizilerini %100 başarıyla tespit ettiğini gösteriyor. Bu gelişme, biyogüvenlik alanında önemli bir adım olarak değerlendiriliyor.

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.

Büyük dil modelleri doğal dil işleme alanında devrim yaratırken, içerdikleri önyargılar ciddi sorunlar yaratıyor. Yeni bir araştırma, bu yapay zeka sistemlerindeki önyargıların kökenlerini, tespit yöntemlerini ve çözüm stratejilerini kapsamlı olarak inceliyor. Çalışma, önyargıları içsel ve dışsal olarak kategorize ederek, sağlık ve adalet gibi kritik alanlardaki potansiel zararlarını analiz ediyor. Araştırma, önyargı tespiti için veri, model ve çıktı düzeyinde değerlendirme yöntemleri sunuyor. Ayrıca model öncesi, model içi ve model sonrası müdahale tekniklerinin etkinlik ve sınırlarını değerlendiriyor. Bu çalışma, yapay zeka sistemlerinin daha adil ve güvenilir hale getirilmesi için gerekli araçları ve stratejileri bir araya getiren önemli bir kaynak niteliğinde.

Hindistan'da vatandaşların hukuki haklarına erişimde yaşadığı zorluklar nedeniyle, araştırmacılar Legal Assist AI adlı yenilikçi bir sistem geliştirdi. Bu çalışma, görece küçük bir dil modelinin (8 milyar parametre) nasıl etkili hukuki danışmanlık verebileceğini gösteriyor. Sistem, Retrieval-Augmented Generation (RAG) teknolojisi ve stratejik prompt mühendisliği kullanarak, 600'den fazla güncel hukuki belgeden oluşan kapsamlı bir veri tabanıyla destekleniyor. Özellikle yeni yasalaşan Bharatiya Nyaya Sanhita ve Bharatiya Nagarik Suraksha Sanhita gibi kanunları da içeren bu sistem, büyük dil modellerinin belirli alanlarda nasıl optimize edilebileceğine dair önemli ipuçları sunuyor.

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, büyük dil modellerinin akıl yürütme yeteneklerini geliştirmek için yeni bir çevre tasarladı. Structured In-context Environment (SIE) adlı bu sistem, geleneksel matematik ve kodlama ortamlarının uzman açıklamasına bağımlılık sorunu ile oyun tabanlı ortamların genelleştirme eksikliği arasında köprü kuruyor. Yapılandırılmış verilerden otomatik olarak öğrenme ortamları oluşturan SIE, ölçeklenebilirlik, genelleştirilebilir akıl yürütme ve doğrulanabilirlik özelliklerini birleştiriyor. Bu yaklaşım, yapay zeka modellerinin daha karmaşık problem çözme becerilerini öğrenmesi için önemli bir adım teşkil ediyor.

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.

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.

Büyük dil modeli tabanlı yapay zeka ajanlarının karmaşık görevlerde başarılı olabilmesi için hafıza sistemlerinin kritik önemi ortaya çıkıyor. Araştırmacılar, çok turlu diyaloglar, oyun oynama ve bilimsel keşif gibi uzun soluklu görevlerde ajanların bilgi birikimi, yinelemeli akıl yürütme ve kendini geliştirme yeteneklerini mümkün kılan hafıza yöntemlerini inceledi. Bu kapsamlı çalışmada, mevcut tüm ajan hafıza yöntemlerini kapsayan birleşik bir çerçeve sunuldu ve farklı hafıza yaklaşımları aynı deneysel koşullarda sistematik olarak karşılaştırıldı. İki tanınmış kıyaslama veri setinde yapılan testler, hangi hafıza stratejilerinin daha etkili olduğunu gösterdi. Araştırmanın yan ürünü olarak, mevcut yöntemlerin modüllerini birleştiren yeni bir hafıza tekniği geliştirildi ve bu yöntem en gelişmiş mevcut teknikleri geride bıraktı.

Araştırmacılar, görsel-temelli mantıksal çıkarım yapabilen yeni bir yapay zeka modeli geliştirdi. VGR adlı bu model, geleneksel yaklaşımların aksine sadece metin tabanlı işlem yapmak yerine, görüntülerdeki önemli bölgeleri tespit ederek daha doğru çıkarımlar yapabiliyor. Mevcut çok modlu dil modelleri genellikle matematiksel ve bilimsel problemlerle sınırlıyken, VGR karmaşık görsel anlama gerektiren görevlerde de başarılı sonuçlar veriyor. Model, özel olarak hazırlanmış büyük ölçekli bir veri setiyle eğitilmiş ve görsel grondlama ile dil çıkarımını birleştiren hibrit bir yaklaşım kullanıyor. Bu gelişme, yapay zekanın insan benzeri görsel algı ve mantıksal düşünme süreçlerini daha iyi taklit edebilmesinin önünü açıyor.