Araştırmacılar, büyük dil modellerinin bilimsel çalışmalarda ne kadar etkili olduğunu test etmek için AutoMat adlı bir değerlendirme sistemi geliştirdi. Bu sistem, yapay zeka tabanlı kodlama ajanlarının hesaplamalı malzeme bilimi alanındaki bulgulari yeniden üretip üretemediğini ölçüyor. Çalışma, AI ajanlarının sadece kodlama becerisine değil, aynı zamanda karmaşık bilimsel prosedürleri takip etme ve sonuçları bilimsel iddialar bağlamında yorumlama yetisine de ihtiyaç duyduğunu ortaya koyuyor. Gerçek bilim makalelerinden seçilen iddialar üzerinden yapılan testler, AI'nın bilimsel araştırmalardaki potansiyelini ve sınırlarını belirlemeyi amaçlıyor.

Araştırmacılar, şehir trafiğini modellemede çığır açacak yeni bir yaklaşım geliştirdi. Geleneksel trafik optimizasyon yöntemleri, karmaşık matematiksel hesaplamalar nedeniyle büyük ölçekli sistemlerde yetersiz kalıyordu. Yeni sistem, otomatik türev alma (automatic differentiation) teknolojisini kullanarak trafik akışını simüle ediyor. Link Transmission Model ve Dinamik Kullanıcı Optimizasyonu modellerini birleştiren bu yaklaşım, trafik ağlarında gerçek zamanlı optimizasyon imkanı sunuyor. Sistem, sürekli değişkenler üzerinde çalışarak manuel türev hesaplama ihtiyacını ortadan kaldırıyor. Bu gelişme, akıllı şehir planlaması ve trafik yönetim sistemlerinde önemli ilerlemeler sağlayabilir.

Araştırmacılar, yapay zeka modellerinin eğitimi için kritik öneme sahip veri setlerini otomatik olarak oluşturan yeni bir yöntem geliştirdi. Automatic Dataset Construction (ADC) adlı bu sistem, büyük dil modellerini kullanarak manuel etiketleme ihtiyacını ortadan kaldırıyor ve maliyetleri dramatik şekilde düşürüyor. Sistem, 12 ana kategori ve 12.000 alt kategoriyi kapsayan 1 milyondan fazla görüntüden oluşan Clothing-ADC veri setini başarıyla oluşturarak etkinliğini kanıtladı. Bu gelişme, özellikle kişiselleştirilmiş yapay zeka uygulamaları için veri eksikliği sorununa çözüm sunuyor.