“DART” için sonuçlar
137 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Küçük Ama Güçlü: Yeni Yapay Zeka Modeli TinyR1 Büyük Rakiplerini Sollayacak
Araştırmacılar, büyük dil modellerinin boyutunu küçültürken performanslarını koruma konusunda çığır açan bir yöntem geliştirdi. Branch-Merge damıtma tekniği adı verilen bu yaklaşım, büyük bir öğretmen modelden bilgiyi seçici olarak küçük modellere aktarıyor. İlk aşamada uzman öğrenci modeller oluşturuluyor, ikinci aşamada ise bu modeller birleştirilerek çapraz alan bilgi transferi sağlanıyor. DeepSeek-R1 öğretmen modelinden yola çıkarak geliştirilen TinyR1-32B-Preview, mevcut benzer modelleri geride bırakarak yapay zeka dünyasında yeni bir standart oluşturuyor.
Robot takımları için yeni adaptasyon sistemi: Farklı sensörlerle mükemmel uyum
Araştırmacılar, farklı sensör türlerine sahip robot takımlarının sorunsuz çalışabilmesi için DC-Ada adlı yeni bir adaptasyon yöntemi geliştirdi. Bu sistem, robotların eksik veya farklı sensörlere sahip olsa bile önceden eğitilmiş politikalarını koruyarak görevlerini başarıyla sürdürmelerini sağlıyor. Depo lojistiği, arama kurtarma ve işbirlikçi haritalama gibi kritik alanlarda test edilen yöntem, merkezi olmayan yapısı sayesinde robotlar arası minimal iletişim gereksinimi ile çalışıyor. Geleneksel eğitim yöntemlerinin aksine, DC-Ada sadece ödül sinyallerini kullanarak her robot için özel gözlem dönüşümleri oluşturuyor ve böylece heterojen sensör verilerini standart bir arayüze çeviriyor.
Yapay Zeka Eğitiminde Devrim: ReGATE ile 2 Kat Hızlı Öğrenme
Araştırmacılar, çok modlu büyük dil modellerinin eğitim süresini yarı yarıya kısaltan yeni bir yöntem geliştirdi. ReGATE adlı bu teknik, öğretmen-öğrenci yaklaşımı kullanarak hangi veri parçalarının önemli olduğunu belirliyor ve gereksiz bilgileri atlayarak hesaplama maliyetini dramatik şekilde düşürüyor. Geleneksel yöntemler genellikle modelin çalışma anındaki hızını artırmaya odaklanırken, bu yenilik doğrudan eğitim sürecini hızlandırıyor. MVBench testlerinde yapılan denemelerde, ReGATE sadece %38 oranında veri kullanarak standart eğitimle aynı başarı oranına ulaştı. Bu gelişme, yapay zeka modellerinin eğitim maliyetlerini önemli ölçüde azaltırken performanstan ödün vermiyor.
Otonom Araçlar İçin Yeni Güvenlik Çerçevesi: Acil Kaçış Manevraları Test Edildi
Araştırmacılar, otonom araçların tehlikeli durumlardan kaçınmak için yaptığı acil manevralar için kapsamlı bir güvenlik değerlendirme sistemi geliştirdi. Bu yenilikçi çerçeve, tehlike analizi, risk değerlendirmesi ve sistem modellemesini tek bir süreçte birleştirerek otonom araçların güvenliğini artırıyor. T-kavşağı senaryolarında yapılan 1.880 simülasyon testinde, araçların hızı, çarpışma süresi ve yol sürtünmesi gibi kritik parametreler analiz edildi. Bu çalışma, otonom araç teknolojisinin güvenlik standartlarının geliştirilmesinde önemli bir adım teşkil ediyor ve gelecekte daha güvenli sürücüsüz araçlar için temel oluşturuyor.
Akıllı Saatlerde Kalori Hesabı İçin Yeni Fizyolojik Model
Araştırmacılar, günlük yaşamda fiziksel aktivite sırasında harcanan enerjiyi daha doğru ölçmek için yeni bir yöntem geliştirdi. PM-EKF adlı bu sistem, akıllı saatlerdeki hareket sensörleri ve kalp atış hızı verilerini fizyolojik bir modelle birleştiriyor. Mevcut kalori hesaplama yöntemleri çoğunlukla veri odaklı olup, vücudun gerçek metabolik süreçlerini göz ardı ediyor. Yeni yaklaşım ise, vücut hareketlerini doğrudan metabolik gaz değişim süreçleriyle ilişkilendiren basitleştirilmiş bir fizyolojik model kullanıyor. Bu model, Extended Kalman Filter algoritması içinde çalışarak, sensör gürültüsü ve sistem belirsizliklerini etkili şekilde yönetebiliyor. Geliştirilen yöntem, geleneksel dolaylı kalorimetre cihazlarının sağladığı altın standart ölçümlere yakın sonuçlar vermeyi hedefliyor.
Yolcu Uçaklarının Performansını İzlemek İçin Yeni Algoritma Geliştirildi
Araştırmacılar, yolcu uçaklarının uçuş sırasındaki aerodinamik performansını izlemek için yenilikçi bir algoritma geliştirdi. Uçakların Quick Access Recorder (QAR) verilerini kullanan bu sistem, güvenlik ve yakıt verimliliği açısından kritik öneme sahip. Geleneksel yöntemlerin eksik veriler karşısında yetersiz kalması nedeniyle, bilim insanları Sabit Kazançlı Denklem-Hata Yöntemi (CG-EEM) adını verdikleri yeni bir yaklaşım tasarladı. Bu sistem özellikle düşük manevra gerektiren seyir uçuşları sırasında bile güvenilir sonuçlar veriyor. Havacılık endüstrisinde operasyonel verimlilik ve güvenlik standartlarının artırılması için önemli bir adım sayılan bu çalışma, mevcut uçak sensör verilerinden maksimum fayda sağlama potansiyeli taşıyor.
Araştırma akış şemalarını otomatik oluşturan yeni R paketi geliştirildi
Klinik ve epidemiyolojik araştırmalarda katılımcıların çalışma sürecindeki yolculuğunu gösteren akış diyagramları, CONSORT ve STROBE gibi uluslararası standartların temel gereksinimlerinden biri. Araştırmacılar şimdiye kadar bu şemaları manuel olarak hazırlamak ya da karmaşık programlama yapıları kurmak zorunda kalıyordu. Bu durum hem zaman alıcıydı hem de hata riskini artırıyordu. Yeni geliştirilen R paketi, bu soruna pratik bir çözüm sunuyor. Paket, araştırma verilerinden otomatik olarak standartlara uygun akış şemaları üretebiliyor. Bu yenilik, özellikle büyük ölçekli epidemiyolojik çalışmalar ve klinik araştırmalar için önemli bir kolaylık sağlayacak. Araştırmacılar artık manuel veri girişi yapmak yerine, verilerini pakete yükleyerek profesyonel görünümlü akış diyagramlarını dakikalar içinde elde edebilecek.
Yapay zeka ile dinamik sistemlerin kontrolü: Gözlemlenmemiş koşulları tahmin etme
Araştırmacılar, dinamik sistemlerin davranışını daha az veri ile modelleyebilen yeni bir yapay zeka yöntemi geliştirdi. Kontrol Odaklı Küme Tabanlı Ağ Modeli (CNMc) adlı bu sistem, daha önce gözlemlenmemiş işletim koşullarında bile sistemlerin nasıl davranacağını tahmin edebiliyor. Geleneksel yöntemler sadece önceden görülen durumları modelleyebilirken, CNMc supervised öğrenme teknikleriyle kontrol parametrelerinin fonksiyonları olarak geçiş olasılıklarını ve geçiş sürelerini öğreniyor. Sistemin temelinde, farklı işletim koşullarının durum uzaylarını ortak bir koordinat sistemine eşleyen Procrustes dönüşümü var. Bu sayede tüm koşullardaki yörüngeler standartlaştırılabiliyor ve ortak bir küme bölümlemesi öğrenilebiliyor. Akışkanlar dinamiği alanındaki testlerde başarılı sonuçlar veren sistem, mühendislik ve bilimsel simülasyonlarda önemli zaman tasarrufu sağlayabilir.
Robotların Fiziksel Akıl Yürütme Kabiliyetini Test Eden Yeni Platform: KinDER
Araştırmacılar, robotların fiziksel dünyada nasıl akıl yürüttüklerini ölçmek için KinDER adında kapsamlı bir test platformu geliştirdi. Bu yenilikçi sistem, robotların kendi vücut kısıtlamalarını, çevre koşullarını ve görev gereksinimlerini anlayıp değerlendirme yeteneğini ölçüyor. Platform, temel uzamsal ilişkilerden karmaşık araç kullanımına kadar beş farklı fiziksel akıl yürütme alanını test ediyor. KinDER, 25 farklı sanal ortam, standart değerlendirme araçları ve 13 farklı yapay zeka yaklaşımını içeren kapsamlı bir kütüphane sunuyor. Bu gelişme, robot öğrenmesi ve planlama alanında önemli bir adım olarak görülüyor çünkü fiziksel akıl yürütme yeteneklerini algı ve dil anlama gibi diğer karmaşık süreçlerden ayırarak değerlendiriyor.
Robotlar İçin Yeni Mantık Dili: Bulanık Yollar ile Hareket Planlama
Araştırmacılar, robot hareket planlaması için geleneksel signal temporal logic (STL) mantığının ötesine geçen yenilikçi bir yaklaşım geliştirdi. 'Bulanık Yollar Mantığı' adlı bu yeni sistem, robotların hareket planlarını daha anlaşılır ve esnek şekilde tanımlamaya olanak sağlıyor. Sistem, geometri ve mantık kavramlarını birbirinden ayırarak, karmaşık robot davranışlarının daha basit formüllerle ifade edilmesini mümkün kılıyor. Bu yaklaşım, hem insan operatörlerin robot davranışlarını daha kolay tanımlamasına hem de robotların örnek hareketlerden öğrenmesine imkan veriyor. Siber-fiziksel sistemler ve robotik alanında önemli bir gelişme olan bu çalışma, robot hareket planlamasında yeni standartlar oluşturabilir.
Yapay Zeka Modellerindeki Veri Sızıntısı Riski Yeniden Tanımlanıyor
Araştırmacılar, büyük dil modellerinin (LLM) API'larındaki veri güvenliği yaklaşımlarının yetersiz olduğunu ortaya koydu. Mevcut gizlilik ölçütlerinin, modellerin eğitim verilerini sızdırma riskini tam olarak değerlendirmediği belirlendi. Diferansiyel gizlilik gibi standart koruma yöntemlerinin, kötü niyetli saldırganların hassas bilgileri çıkarmasını engellemede yetersiz kaldığı gösterildi. Çalışma, bu soruna çözüm olarak yeni bir güvenlik tanımı önerirken, yapay zeka sistemlerindeki veri koruma stratejilerinin köklü bir şekilde yeniden düşünülmesi gerektiğine işaret ediyor.
Kuantum Sonrası Şifreleme Donanımları İçin Evrensel Güvenlik Kanıtı
Araştırmacılar, kuantum sonrası şifreleme donanımlarının güvenlik maskelerini doğrulamak için matematiksel olarak evrensel bir kanıt geliştirdi. Bu çalışma, gelecekte kuantum bilgisayarların mevcut şifreleme sistemlerini kırabilme tehdidine karşı geliştirilen yeni nesil şifreleme teknolojilerinin donanım seviyesinde güvenliğini garanti altına alıyor. Önceki çalışmalarda sadece belirli parametreler için test edilebilen güvenlik doğrulaması, artık tüm olası değerler için matematiksel kesinlikle kanıtlanabilir hale geldi. Bu gelişme, NIST'in 2025 standartları doğrultusunda kuantum sonrası şifreleme sistemlerinin yaygın kullanımına zemin hazırlıyor.
Yapay Zeka Ölü Dil Kıptçeyi Çevirmeyi Öğreniyor: Sözdizimi Haritası Yöntemi
Araştırmacılar, binlerce yıllık ölü dil Kıptçeyi İngilizceye çevirmek için yenilikçi bir yapay zeka yöntemi geliştirdi. Sınırlı kaynaklı dillerin çevirisi için tasarlanan bu sistem, geleneksel sözlük temelli yaklaşımlara ek olarak cümle yapısı analizini de kullanıyor. Universal Dependencies adı verilen sözdizimsel çerçeveden yararlanan yöntem, cümlelerin gramer yapısını anlayarak daha doğru çeviriler üretiyor. Kıptçe gibi az kaynaklı diller için bu yaklaşım, büyük dil modellerin bağlam içinde öğrenme yeteneklerini kullanarak yeni standartlar belirliyor. Çalışma, sadece kelime anlamlarının değil, cümle yapılarının da çeviri kalitesini artırdığını kanıtlıyor.
Yapay Zeka Modelleri Görselleri Yeteri Kadar Analiz Etmiyor
Stanford araştırmacıları, görsel-dil modellerinin beklenenden çok daha fazla metinsel açıklamalara dayandığını ve görsel bilgileri yeterince kullanmadığını keşfetti. Bu durum 'metin kısayolu öğrenmesi' olarak adlandırılıyor. Araştırmacılar, modellerin görsel güvenilirliğini test etmek için çelişkili metin-görsel çiftleri kullanarak yeni bir değerlendirme sistemi geliştirdi. Geometrik şekiller üzerinde yapılan deneyler, standart CLIP modelinin yanıltıcı metinlerle karşılaştığında performansının %27,5 düştüğünü gösterdi. Ancak optimize edilmiş versiyonda bu düşüş %9,8'e kadar azaltıldı. Bu bulgular, yapay zekanın görsel anlama kapasitesini geliştirmek için daha sofistike eğitim yöntemlerine ihtiyaç olduğunu ortaya koyuyor.
Yapay Zeka Modellerinde Yeni Sıkıştırma Tekniği: W4A4 Niceleme Sorunu Çözüldü
Araştırmacılar, yapay zeka dil modellerinde kritik bir sıkıştırma sorununu çözdü. W4A4 niceleme adı verilen bu teknik, modelleri küçültürken performanslarını korumayı amaçlıyor ancak şimdiye kadar büyük doğruluk kayıplarına neden oluyordu. Stanford'dan araştırmacılar, SwiGLU mimarisine sahip 300 milyon parametreli bir modelde yaptıkları çalışmada, 'Depth Registers' adını verdikleri yeni bir yöntem geliştirdi. Bu teknik sayesinde, standart W4A4 sıkıştırma yönteminin neden olduğu performans kaybını 14 kata kadar azaltmayı başardılar. Model sıkıştırma, özellikle mobil cihazlarda ve sınırlı kaynaklara sahip sistemlerde yapay zeka uygulamalarını yaygınlaştırmak için kritik önem taşıyor.
MetaLint: Kodlama Kurallarını Doğal Dille Öğreten Yeni Yapay Zeka Sistemi
Büyük dil modelleri kod yazma konusunda başarılı olsalar da, kodlama standartlarını kontrol etme ve yeni kurallara uyum sağlama konusunda zorlanıyorlar. Araştırmacılar, bu sorunu çözmek için MetaLint adlı yenilikçi bir meta-öğrenme çerçevesi geliştirdi. Bu sistem, kod kalitesi kontrolünü doğal dil talimatlarını takip etme görevi olarak ele alıyor ve modellerin kodun belirli standartlara uyup uymadığını değerlendirmesini sağlıyor. MetaLint'in en önemli özelliği, sabit kurallar yerine doğal dilde yazılmış spesifikasyonlara göre çalışması ve yeniden eğitim gerektirmeden yeni kurallara adapte olabilmesi.
Yapay Zeka Radyolog Gibi Düşünmeyi Öğreniyor: 3D Tıbbi Görüntüleme Devrimi
Araştırmacılar, PET/CT taramalarından otomatik tıbbi rapor üretebilen yenilikçi bir yapay zeka sistemi geliştirdi. HiRRA adlı bu sistem, tıpkı deneyimli radyologlar gibi önce görüntülerdeki belirli bölgeleri analiz ediyor, sonra bu bulgular arasındaki ilişkileri değerlendirerek kapsamlı raporlar hazırlıyor. Çalışma kapsamında 600 PET/CT taraması ve 1960 detaylı bölge açıklaması içeren VietPET-RoI veri seti de oluşturuldu. Bu gelişme, özellikle radyolog sayısının yetersiz olduğu bölgelerde tıbbi tanı süreçlerini hızlandırabilir ve standartlaştırabilir.
Radyasyon Algılamada Yeni Dönem: Yapay Zeka Geleneksel Yöntemleri Geride Bırakıyor
Radyasyon dedektörlerinde kullanılan nabız şekli ayırt etme algoritmalarının kapsamlı karşılaştırması yapıldı. Araştırmacılar, altmış farklı algoritmayı standart veri setleri üzerinde test etti. Sonuçlar, çok katmanlı yapay sinir ağları ve hibrit yaklaşımların geleneksel istatistiksel yöntemlerden daha başarılı olduğunu ortaya koydu. Bu teknoloji, nükleer güvenlik, tıbbi görüntüleme ve uzay araştırmalarında kritik öneme sahip. Çalışma, farklı algoritmaların performansını karşılaştırmak için yeni değerlendirme metrikleri de öneriyor. Bulgular, radyasyon algılama sistemlerinin geliştirilmesinde yapay zekanın artan rolünü vurguluyor.
Yeni Kriptografi Tekniği: Gizli Tensör Hesaplama ile Güvenlik Devrimi
Araştırmacılar, iki tarafın birbirlerinin verilerini görmeden karmaşık matematiksel işlemler yapabilmesini sağlayan yeni bir kriptografik yöntem geliştirdi. 'Başarılı gizli tensör değerlendirmesi' adı verilen bu teknik, vektörlerin tensör çarpımını güvenli bir şekilde hesaplarken, iletilen mesaj boyutlarını minimal düzeyde tutuyor. Standart 'hatalarla öğrenme' problemi üzerine kurulu bu sistem, adaptif güvenlikli fonksiyon değerlendirme, tüm devreler için kapı fonksiyonları ve homomorfik gizli paylaşım gibi birçok kriptografik ilkel için temel oluşturuyor. Özellikle derinlik-D fonksiyonları için iletişim karmaşıklığını optimize eden bu yaklaşım, güvenli çok taraflı hesaplama alanında önemli bir ilerleme sunuyor.
Çeviri Değerlendirmesi Artık İnsan Gücüyle Kolay: Pearmut Platformu
Makine çevirilerinin kalitesini değerlendirmede insan değerlendirmesi altın standart sayılır, ancak karmaşık kurulum süreçleri nedeniyle genellikle otomatik metrikler tercih edilir. Araştırmacılar, bu sorunu çözmek için Pearmut adlı yeni bir platform geliştirdi. Platform, çok dilli doğal dil işleme görevlerinin insan tarafından değerlendirilmesini otomatik değerlendirme kadar kolay hale getiriyor. DA, ESA ve MQM gibi standart protokolleri destekleyen sistem, belge düzeyinde bağlam analizi, mutlak ve karşılaştırmalı değerlendirme özellikleri sunuyor. Bu gelişme, model geliştirme süreçlerinde güvenilir insan değerlendirmesini rutin bir bileşen haline getirebilir.
Yapay Zeka Modelleri Daha Tutarlı Dünya Anlayışı Geliştirebilir mi?
Büyük dil modellerinin (LLM) tutarlı bir iç dünya modeli geliştirip geliştiremediği yapay zeka alanındaki temel tartışmalardan biri. Geleneksel tek-token tahmin yöntemlerinin aksine, çoklu-token tahmin yaklaşımı daha yapılandırılmış öğrenme sunuyor. Yeni araştırma, bu yöntemin gradient etkileşimi yoluyla iç inanç durumlarına yakınsamayı nasıl teşvik ettiğini teorik olarak açıklıyor. Ancak standart çoklu-token tahmin yönteminde yapısal halüsinasyonlar ortaya çıkabiliyor. Araştırmacılar bu sorunu çözmek için Gizli Semantik Geliştirme adlı yeni bir yaklaşım öneriyor. Bu yöntem, tahminleri gerçek gizli durum yörüngelerine sabitleyerek çevresel kısıtlamaları ihlal eden yasadışı kısayolları engelliyor. Çalışma, yapay zeka modellerinin dünya anlayışını geliştirme konusunda önemli bir adım teşkil ediyor.
Yapay Zeka Açıklamalarının Güvenilirliği Artırıldı
Büyük dil modelleri ikna edici açıklamalar üretse de, bu açıklamaların doğruluğunu kontrol etmek zordu. Araştırmacılar, yapay zekanın verdiği cevapların kaynaklarına dayalı olup olmadığını ölçen yeni bir sistem geliştirdi. Programlama eğitimi alanında yapılan deneylerde, standart RAG sistemlerinin kaynak uyumunun %22-40 arasında kaldığı, ancak yeni yaklaşımla bu oranın önemli ölçüde artırılabildiği görüldü. Bu gelişme, özellikle eğitim ve bilimsel alanlarda yapay zekanın daha güvenilir açıklamalar üretmesini sağlayabilir.
Yazılım 'şişkinliğini' azaltmanın yeni yolu: Gerçek performans ölçümü
Yazılım geliştirme dünyasında 'debloating' olarak bilinen süreç, programlardan kullanılmayan kodları temizleyerek performansı artırmayı hedefliyor. Ancak bu alandaki mevcut değerlendirme yöntemleri eksik kalıyor. Araştırmacılar, test senaryoları ve kod boyutu gibi dolaylı ölçütler yerine, gerçek performans verilerine dayanan yeni bir değerlendirme yaklaşımı geliştirdi. Bu çalışma, yazılım optimizasyonu alanında daha güvenilir standartlar oluşturma ihtiyacını vurguluyor ve sekiz farklı debloating tekniğini analiz ederek alandaki boşlukları ortaya koyuyor.
Yapay Zeka Modellerinde Yeni Yaklaşım: Her Veri İçin Özel Ayarlama
Araştırmacılar, variasyonel otokodlayıcı (VAE) modellerinin verimliliğini artıran yeni bir yöntem geliştirdi. Instance-Adaptive VAE (IA-VAE) adı verilen bu yaklaşım, her veri örneği için özel parametreler üreten bir hiperağ kullanıyor. Geleneksel VAE modellerinde tüm veriler için aynı parametrelerin kullanılması nedeniyle ortaya çıkan 'amortizasyon açığı' sorununu çözmeyi hedefliyor. Yeni yöntem, her girdi için özel uyarlamalar yapabilirken tek geçişte çalışma verimliliğini koruyor. Teorik analizler, IA-VAE'nin standart yöntemlerden daha kötü performans gösteremeyeceğini matematiksel olarak kanıtlıyor. Deneysel sonuçlar, yöntemin çok daha az parametre kullanarak geleneksel kodlayıcılarla karşılaştırılabilir başarı elde ettiğini gösteriyor.