Araştırmacılar, yapay zeka modellerinin başarısız ve başarılı çözüm süreçlerini karşılaştırarak daha iyi sonuçlar elde eden ContraPrompt yöntemini geliştirdi. Bu teknik, bir modelin aynı soruda önce başarısız olup sonra başarılı olması durumunda, iki farklı düşünce zinciri arasındaki farkları analiz ediyor. Geleneksel yöntemlerden farklı olarak, tek bir çalışma örneğine odaklanmak yerine, tam düşünce süreçlerini karşılaştırıyor. Sistem, otomatik olarak tekrar deneme döngüleri oluşturarak insan müdahalesi olmadan öğrenme verisi üretiyor. Bu yaklaşım, AI sistemlerinin problem çözme stratejilerini optimize etmede yeni bir perspektif sunuyor.

Araştırmacılar, makine öğrenmesi ve operasyon araştırması alanlarında kritik öneme sahip merkezi limit teoremi için yeni bir yaklaşım geliştirdi. Wasserstein-p mesafesi kullanılarak gerçekleştirilen bu çalışma, bağımlı veri dizileri ve Markov zincirlerinde optimal yakınsama hızları elde etti. Özellikle yerel bağımlı diziler ve geometrik ergodik Markov zincirleri için ilk kez optimal O(n^-1/2) hızına ulaşıldı. Bu gelişme, yapay zeka sistemlerinin daha hızlı ve güvenilir istatistiksel analizler yapabilmesine olanak tanıyor. Çalışma aynı zamanda çok değişkenli U-istatistikleri için de optimal sonuçlar sunuyor, bu da büyük veri analizi uygulamalarında önemli iyileştirmeler sağlayacak.

Araştırmacılar, büyük dil modellerinin (LLM) sosyal ilişkileri anlama yetisini test etmek için SCRIPTS adlı yeni bir veri seti geliştirdiler. Film senaryolarından alınan 1100 diyaloğu içeren bu veri setiyle yapılan testlerde, yapay zeka modellerinin konuşmacılar arasındaki ilişkileri (arkadaş, sevgili, aile vb.) tespit etme başarısı İngilizce için %75-80, Korece için ise sadece %58-69 seviyesinde kaldı. Özellikle düşünce zinciri yönteminin sosyal akıl yürütmede beklenen faydayı sağlamadığı, hatta bazen sosyal önyargıları artırdığı gözlemlendi. Bu bulgular, yapay zekanın insan etkileşimlerinde kritik olan sosyal anlayış konusundaki sınırlarını ortaya koyuyor.

Araştırmacılar, görsel sorulara dayalı veri setlerinin manuel olarak hazırlanmasındaki zorlukları aşmak için AutoVQA-G adlı yenilikçi bir sistem geliştirdi. Bu sistem, yapay zekanın kendi performansını değerlendirip iyileştirmesine dayanan özerk bir yaklaşım kullanıyor. Görsel soru-cevap modellerinin eğitimi için kritik önem taşıyan bu veri setleri, şimdiye kadar büyük ölçüde insan emeği gerektiriyordu. Yeni sistem, tutarlılık değerlendirmesi ve hafıza destekli optimizasyon ajanları kullanarak bu süreci otomatikleştiriyor. Geleneksel yöntemlerdeki model halüsinasyonları ve basit doğrulama mekanizmalarının yarattığı sorunları çözmek için tasarlanan AutoVQA-G, iteratif iyileştirme döngüleri ve zincir-düşünce mantığı ile çalışıyor.

Altyapı ağlarından tedarik zincirlerine kadar birçok kritik alanda kullanılan karmaşık sistemlerin güvenilirlik analizi, önemli bir mühendislik sorunu olarak karşımıza çıkıyor. Mevcut yöntemler, sistem bileşen sayısı arttıkça hesaplama yükü nedeniyle yetersiz kalıyor. Araştırmacılar bu soruna çözüm olarak Referans-durum Sistem Güvenilirliği (RSR) adlı yeni bir yöntem geliştirdi. Bu yenilikçi yaklaşım, geleneksel ayrıştırma tabanlı yöntemlerden farklı olarak Monte Carlo örneklemesi kullanarak hesaplama maliyetini önemli ölçüde azaltıyor. RSR yöntemi, sistem durumları arasındaki sınırları referans durumlar kullanarak belirliyor ancak durum uzayını keşfetme biçimi tamamen farklı. Geleneksel yöntemlerin aksine, referans durumları ayrık hiper-küpler oluşturmak yerine Monte Carlo örneklerini sınıflandırmak için kullanıyor. Bu yaklaşım sayesinde hesaplama maliyeti, referans durum sayısından çok daha az etkileniyor.

Araştırmacılar, büyük dil modellerinin çok adımlı akıl yürütme süreçlerini öngörebilen yeni bir yöntem geliştirdi. Semantic Step Prediction adı verilen bu teknik, yapay zekanın düşünce süreçlerini geometrik yaklaşımlarla düzenleyerek veri verimliliğini büyük ölçüde artırıyor. Geleneksel rastgele örnekleme yöntemlerine kıyasla 168 kat daha doğru sonuçlar elde eden bu sistem, ProcessBench veri setinde test edildi. Yöntem, yapay zekanın gizli durumlarını yerel doğrusal yörüngeler halinde düzenleyerek daha tutarlı akıl yürütme sağlıyor. Araştırma, yapay zeka modellerinin karar verme süreçlerinin geometrik yapısını anlamaya yönelik önemli içgörüler sunuyor.

Araştırmacılar, yüz kaslarından alınan elektriksel sinyalleri doğrudan sese çevirebilen devrim niteliğinde bir sistem geliştirdi. EMG teknolojisi kullanılarak yapılan bu çalışmada, kasların konuşma sırasındaki elektriksel aktivitesi yapay zeka modelleriyle analiz edilerek ses üretimi gerçekleştirildi. Sistem, özellikle ALS gibi konuşma yetisini kaybettiren hastalıklarda umut verici. Çalışma, yapay zekanın insan vücudundan aldığı biyoelektriksel sinyalleri nasıl anlamlı ses çıktılarına dönüştürebileceğini gösteriyor.

Fortune 500 şirketinde 388 çalışanla yapılan deneysel çalışma, yapay zekanın işyerindeki kullanımında önemli bulgular ortaya koydu. Araştırma, AI araçlarına erişimin tek başına yeterli olmadığını, kullanım şeklinin verimlilik için kritik olduğunu gösterdi. İki farklı yaklaşım test edildi: davranışsal yönlendirme (çiftler halinde yapılandırılmış protokol) ve bilişsel yönlendirme (AI'yı düşünce ortağı olarak görme eğitimi). Sonuçlar, yapılandırılmış protokollerin beklenmedik şekilde belge kalitesini düşürdüğünü, ancak AI'yı 'düşünce ortağı' olarak gören yaklaşımın üst seviye performansta kaliteyi artırdığını ortaya koydu. Bulgular, organizasyonların AI entegrasyonu stratejilerini gözden geçirmesi gerektiğine işaret ediyor.

Araştırmacılar, otonom sürüş teknolojisinde devrim yaratabilecek OneVL adlı yeni bir sistem geliştirdi. Mevcut yapay zeka sistemleri, adım adım düşünce zinciri (Chain-of-Thought) yöntemiyle karar verirken, bu süreç gerçek zamanlı kullanım için çok yavaş kalıyor. OneVL, bu sorunu tek adımda hem görsel hem de dil tabanlı akıl yürütme yaparak çözüyor. Sistem, sadece metinsel açıklamalarla değil, aynı zamanda gelecekteki görüntü karelerini tahmin eden görsel bir dünya modeli ile de çalışıyor. Bu yaklaşım, sürüşü yöneten gerçek nedensel dinamikleri daha iyi anlayarak, hem hızlı hem de doğru kararlar verebilen otonom araçlar geliştirilmesini sağlıyor.

Bilim insanları, dipolar planar rotor zincirlerin kolektif davranışlarını açıklayan yeni bir teorik model geliştirdi. Bu çalışma, etkileşimli dipolar rotorların düzenli ve düzensiz kuantum fazlarındaki temel durum özelliklerini analiz ederek, kuantum fiziğinin karmaşık sistemleri anlama konusunda önemli bir adım attı. Araştırmacılar, zaman bağımsız pertürbasyon teorisi ve küçük açı kuadratik yaklaşımı kullanarak, bu sistemlerin kolektif davranışlarını matematiksel olarak modellediler. Geliştirilen model, düzensiz fazlar için pertürbasyon teorisinin uygun olduğunu gösterirken, düzenli fazlar için dipolar düzenin kararlı denge konfigürasyonlarına dayalı kuadratik bir yaklaşım önerdi.

Büyük dil modellerinin matematik problemlerindeki başarıları gerçek akıl yürütmeyi mi yoksa yüzeysel örüntü tanımayı mı yansıtıyor? Bu kritik soruya yanıt aramak için geliştirilen SMART değerlendirme sistemi, matematik problem çözmeyi dört bilişsel boyuta ayırarak 22 gelişmiş AI modelini test etti. Polya'nın problem çözme teorisinden ilham alan sistem, anlam kavrama, matematiksel mantık yürütme, aritmetik hesaplama ve düşünce-geliştirme süreçlerini ayrı ayrı ölçüyor. Sonuçlar, AI'ların matematik performanslarında beklenmedik tutarsızlıklar olduğunu gösteriyor. Bu araştırma, AI'ların matematik yeteneklerini daha derinlemesine anlamamız için önemli ipuçları sunuyor.