Büyük dil modelleri karmaşık görevlerde kullanılmaya başlarken, halüsinasyon sorunu kritik hale geliyor. Araştırmacılar, yapay zekanın neden ve nerede hata yaptığını anlamak için PRISM adlı yeni bir değerlendirme sistemi geliştirdi. Bu sistem, halüsinasyonları dört farklı kategoride inceleyerek - bilgi eksikliği, bilgi hataları, mantık yürütme hataları ve talimat takip hataları - yapay zeka geliştiricilerine detaylı teşhis imkanı sunuyor. 65 farklı görevde 9.448 test örneği içeren PRISM, 24 farklı dil modelini analiz ederek tutarlı zayıflık kalıpları ortaya çıkardı. Bu çalışma, yapay zeka güvenliğinin kritik önem kazandığı dönemde, hataları sadece puanlamaktan ziyade kökenini anlama yaklaşımıyla öne çıkıyor.

Günümüzün yapay zeka modelleri kısa açıklamalardan etkileyici görseller üretebiliyor ancak uzun, detaylı metin açıklamalarında zorlanıyor. Araştırmacılar bu sorunu çözmek için PRISM adını verdikleri yeni bir yaklaşım geliştirdi. Bu sistem, uzun metinleri küçük bileşenlere ayırarak her birini ayrı ayrı işliyor ve sonuçları birleştirerek tutarlı görseller oluşturuyor. Geleneksel yöntemler ya modeli yeniden eğitiyor ya da uzun metni kısaltarak kalite kaybına neden oluyordu. PRISM ise mevcut modellerin üzerine hafif bir modül ekleyerek bu sınırlamaları aşıyor ve karmaşık sahneleri daha başarılı şekilde görselleştiriyor.

Araştırmacılar, müzakerelerde duyguları algılayabilen ve stratejik olarak yanıtlayabilen yapay zeka sistemi geliştirdi. PRISMA adlı bu sistem, iş mülakatları ve kaynak dağılımı gibi alanlarda insan benzeri duygusal zeka sergileyebiliyor. Sistem, insanların müzakere sürecinde duyguları nasıl algıladığı, anladığı, kullandığı ve yönettiğini taklit eden özel bir akıl yürütme mekanizması kullanıyor. Araştırma, yapay zekanın sadece duygusal olarak uygun yanıtlar üretmesini değil, aynı zamanda bu yanıtları neden ve nasıl verdiğinin de anlaşılabilir olmasını hedefliyor. Bu yaklaşım, AI sistemlerinin güvenilirliğini artırarak insan-makine etkileşimlerinde daha etkili sonuçlar elde edilmesine katkı sağlayabilir.

Araştırmacılar, çok parçalı montajlar ve eklemli mekanizmalar gibi karmaşık dinamik nesnelerin hem geometrisini hem de hareketini eş zamanlı olarak modelleyebilen D-Prism adlı yeni bir framework geliştirdi. Mevcut yöntemler genellikle nesnenin yapısını göz ardı ederek sadece deformasyona odaklanırken, D-Prism diferansiyellenebilir primitifler ve 3D Gaussian Splatting teknolojilerini birleştireyor. Bu yaklaşım, nesnelerin gerçek geometrik yapısını korurken hareketlerini yüksek doğrulukla takip edebiliyor. Framework ayrıca adaptif kontrol stratejisi sayesinde primitif sayısını dinamik olarak ayarlayarak nesnelerin gerçek uzamsal ayak izine daha iyi uyum sağlıyor. Bu gelişme, robotik simülasyonlar, artırılmış gerçeklik uygulamaları ve 3D animasyon alanlarında önemli ilerlemeler sağlayabilir.