“NIMS” için sonuçlar
99 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay zeka modelleri kendi hatalarını fark edebiliyor mu? Yeni test şaşırtıyor
Görsel-dil yapay zeka modellerinin gerçekten anlayıp anlamadığı uzun süredir merak konusu. Araştırmacılar, bu modellerin yanlış muhakeme süreçlerini tespit edip hata türlerini ayırt edebilme becerilerini ölçen yeni bir benchmark geliştirdi. MMErroR adlı bu test, 24 farklı alt alanda 1997 örnek içeriyor ve her birinde tutarlı bir mantık hatası bulunuyor. Test sonuçları oldukça çarpıcı: En başarılı model olan Gemini-3-Pro-Preview bile hataları sadece %66,65 oranında doğru sınıflandırabiliyor. Bu bulgular, yapay zeka modellerinin görsel ve dilsel içeriklerdeki mantık hatalarını tespit etmede hâlâ ciddi zorluklarla karşılaştığını gösteriyor. Araştırma, sadece doğru cevap vermeye odaklanan mevcut testlerden farklı olarak, süreç odaklı bir değerlendirme yaklaşımı benimsiyor ve yapay zekanın gerçek anlayış kapasitesini sorguluyor.
Renkli 3D Nokta Bulutları İçin Yeni Kayıt Yöntemi: GeGS-PCR
Araştırmacılar, 3D nokta bulutlarının kayıt işleminde devrim niteliğinde bir yöntem geliştirdi. GeGS-PCR adlı bu sistem, geleneksel yöntemlerin aksine sadece geometrik bilgilere değil, aynı zamanda renk ve Gaussian bilgilerine de dayanıyor. Özellikle düşük örtüşme oranına sahip veya eksik veri içeren senaryolarda güçlü performans sergiliyor. İki aşamalı yaklaşım benimseyen sistem, çok seviyeli renk kodlayıcısı ve Geometric-3DGS modülü ile yerel komşuluk bilgilerini işleyerek küresel olarak değişmeyen bir geometrik-renk bağlamı oluşturuyor. LORA optimizasyonu sayesinde yüksek performansı korurken, hızlı diferansiyellenebilir render tekniği ile kayıt sürecini iyileştiriyor. Bu yenilik, robotik, otonom araçlar ve artırılmış gerçeklik uygulamalarında kritik öneme sahip 3D görü sistemlerinde önemli gelişmelere kapı açabilir.
Yapay Zeka Sohbet Botları İçin Yeni Veri Seçim Yöntemi Geliştirildi
Araştırmacılar, çok turlu diyalog verilerindeki gürültü ve yapısal tutarsızlıkları ele almak için MDS (Çok Turlu Diyalog Seçimi) adında yeni bir framework geliştirdi. Bu sistem, yapay zeka modellerinin eğitiminde kullanılan konuşma verilerini tekil cevaplar yerine bütüncül olarak değerlendiriyor. Geleneksel yöntemler genellikle konu sapması, tekrarlayan sohbet ve uyumsuz cevap formatları gibi sorunlarla karşılaşıyordu. MDS, küresel kapsama ve yerel yapısal analiz olmak üzere iki aşamalı bir yaklaşım benimsiyor. İlk aşamada temsilci niteliğindeki diyalogları seçerken, ikinci aşamada konuşmaların iç tutarlılığını ve bilgi akışını değerlendiriyor. Test sonuçları, yeni yöntemin mevcut tek turlu seçiciler ve diyalog düzeyindeki büyük dil modeli puanlayıcılarından daha başarılı olduğunu gösteriyor.
Ekonomi dergilerinde 'kendi kendine atıf' sorunu: 2008 krizinin etkisi araştırıldı
Ekonomi bilimi dergilerinin 2008 finansal krizi öncesi ve sonrasındaki atıf alışkanlıkları incelendi. Araştırma, dergilerin kendi alanlarından ne sıklıkta atıf yaptığını ve bilgi akışının nasıl değiştiğini ortaya koyuyor. Genel olarak dergiler daha açık hale gelmiş görünse de, bazı prestijli dergiler hâlâ kapalı bir çember oluşturuyor. Özellikle 'CORE' olarak adlandırılan en saygın dergiler grubu giderek daha içe dönük bir yapı sergilerken, finans dergileri ise zamanla daha açık bir tutum benimsiyor. Bu durum, ekonomi biliminde hiyerarşik bir bilgi akışının varlığını gösteriyor.
Yeni Güvenli Kriptografi Eğrisi: 260-Bit Güvenlik Seviyesinde ECCFROG522PP
Araştırmacılar, mevcut kriptografik sistemlerin güvenlik açıklarına karşı yeni bir eliptik eğri geliştirdi. ECCFROG522PP adlı bu 522-bitlik eğri, NIST P-521 ile aynı güvenlik seviyesini sunarken tamamen farklı bir tasarım felsefesi benimsiyor. Tüm eğri parametreleri BLAKE3 algoritması kullanılarak deterministik olarak türetiliyor ve hiçbir gizli seçim içermiyor. Bu yaklaşım, kriptografide şeffaflık ve yeniden üretilebilirlik konularındaki artan talebe yanıt veriyor. Özellikle dijital imza sistemleri ve anahtar değişimi protokollerinde kullanılan mevcut 256-bit güvenlik seviyesinin üzerine çıkarak, yaklaşık 260-bit güvenlik sunuyor. Eğri, asal düzene sahip, güvenli gömme derecesi ve anti-MOV kontrollerini geçen özelliklerle donatılmış durumda.
Yapay Zeka Görsel Muhakemede Yeni Çığır: Ormandan Önce Ağaçları Görme Yaklaşımı
Araştırmacılar, büyük görsel-dil modellerinin muhakeme yeteneklerini artıran yeni bir yöntem geliştirdi. Laser adlı bu yaklaşım, geleneksel Chain-of-Thought yönteminin bilgi darboğazı sorununu çözmeyi hedefliyor. Yöntem, modellerin önce genel görsel özellikleri kavramasını, sonra detaylara odaklanmasını sağlayan 'Ormandan Önce Ağaçlar' ilkesini benimsiyor. Dinamik Pencereli Hizalama Öğrenmesi kullanan sistem, görsel detayları kaybetmeden daha etkili muhakeme yapabilir. Bu gelişme, yapay zekanın görsel anlama ve mantıksal çıkarım yapma kapasitesinde önemli bir ilerleme anlamına geliyor.
Omni-R1: Çok Modlu Mantık Yürütmede Yeni Dönem
Araştırmacılar, görsel ve metinsel bilgileri bir arada işleyebilen yapay zeka sistemlerinde önemli bir adım attı. Omni-R1 adı verilen yeni sistem, mantık yürütme sürecinde ara görüntüler üretebilen birleşik bir yaklaşım sunuyor. Geleneksel çok modlu dil modellerinin aksine, bu sistem farklı görevler için özel kalıplar yerine evrensel bir yaklaşım benimsiyor. Sistem, görüntülerin belirli bölgelerine odaklanma veya nesneleri işaretleme gibi çeşitli yetenekleri tek bir çerçevede birleştiriyor. İki aşamalı bir eğitim süreci ve algısal hizalama teknikleri kullanan model, işlevsel görüntü üretimi konusunda yeni standartlar oluşturuyor. Bu gelişme, yapay zekanın görsel ve metinsel verileri anlama kapasitesini artırarak, eğitimden sağlık sektörüne kadar pek çok alanda uygulanabilir çözümler sunma potansiyeline sahip.
Yapay Zeka Karar Haritalarını Görselleştiren 'Kavramsal Çoklu Evren' Sistemi
Araştırmacılar, dil modellerinin açık uçlu sorulara verdiği yanıtlardaki gizli karar süreçlerini görünür kılan yenilikçi bir sistem geliştirdi. 'Kavramsal çoklu evren' adı verilen bu interaktif sistem, kullanıcıların yapay zekanın bir problemi nasıl çerçevelediğini, neyi değerli gördüğünü ve hangi yaklaşımları benimsediğini şeffaf bir şekilde görmesine olanak tanıyor. Sistem, kullanıcıların bu karar noktalarını incelemesine, müdahale etmesine ve alan uzmanlarının mantığıyla karşılaştırmasına imkan veriyor. Üç farklı alanda yapılan testlerde, özellikle felsefe öğrencilerinin problemleri daha iyi haritalayabildikleri gözlemlendi. Bu yaklaşım, yapay zeka sistemlerinin 'kara kutu' doğasını aşarak daha şeffaf ve kontrol edilebilir AI araçları yaratma yolunda önemli bir adım.
Sosyal Medyada Etkileşim Nasıl Yayılır? Yeni Yapay Zeka Modeli Açıklıyor
Araştırmacılar, sosyal medyada bilginin nasıl yayıldığını ve insanları nasıl etkilediğini anlamak için yeni bir yapay zeka modeli geliştirdi. COVID-19 pandemisi gibi kriz dönemlerinde hayat kurtaran bilgilerin toplumda benimsenmesini etkileyen faktörleri inceleyen çalışma, psikolojik ve sosyal unsurları hesaplamalı modellemeyle birleştiriyor. Geliştirilen Genelleştirilmiş Etki Modeli, ağın iletkenliği ve etki-sermaye dağılımı gibi iki yeni mekanizma kullanarak mevcut yaklaşımlardan daha başarılı sonuçlar elde ediyor. Bu çalışma, sosyal etki araştırmalarındaki önemli bir boşluğu dolduruyor ve gelecekte bilgi kampanyalarının daha etkili planlanmasına katkı sağlayabilir.
Görme Engelliler İşe Alımda Yapay Zekâya Karşı Yeni Stratejiler Geliştiriyor
Stanford araştırmacıları, görme engelli iş arayanların yapay zekâ destekli işe alım sistemleriyle yaşadığı zorlukları inceledi. Çalışma, bu sistemlerin görme engelli adayları nasıl dezavantajlı duruma düşürdüğünü ve adayların buna karşı geliştirdiği yaratıcı çözümleri ortaya koyuyor. 17 görme engelli iş arayan ile yapılan görüşmeler, AI sistemlerinin profesyonel kimliklerini yanlış temsil ettiğini ve insanlıktan uzaklaştırıcı etkileşimler yarattığını gösteriyor. Buna karşılık adaylar, algoritmaları atlatmak için kendi araçlarını geliştirip stratejik yaklaşımlar benimsiyor. Araştırma, teknoloji tasarımcılarına engelli bireyler için daha adil işe alım sistemleri geliştirmeleri konusunda önemli ipuçları sunuyor.
Yapay Zeka Modellerinde Devrim: Bellek Kullanımını %90 Azaltan Yeni Sıkıştırma Yöntemi
Büyük dil modellerinin özelleştirilmiş versiyonları muazzam bellek tüketimi yaratıyor. Her görev için ayrı model saklamak yerine, araştırmacılar tek temel model üzerinde sıkıştırılmış değişiklikler saklama yöntemlerini geliştiriyor. Ancak mevcut teknikler büyük veri setleriyle eğitilmiş modellerde başarısız oluyor. Yeni geliştirilen D-QRELO yöntemi, büyük ölçekli eğitimin yarattığı sıkıştırma zorluklarını çözmek için iki aşamalı yaklaşım benimsiyor. İlk aşamada tek-bit kuantalama ile ana yapıyı yakalıyor, ikinci aşamada ise düşük-rank yaklaşım ile ince detayları koruyor. Bu yenilikçi yaklaşım, yapay zeka modellerinin daha verimli depolanması ve dağıtımı için umut vaat ediyor.
Yapay Zeka Artık Kendi Simülasyonlarını Yaratabiliyor: SOCIA-EVO Sistemi
Araştırmacılar, yapay zekanın otomatik olarak simülasyon programları oluşturabileceği yeni bir sistem geliştirdi. SOCIA-EVO adlı bu framework, geleneksel kod üretiminin ötesine geçerek gerçek verilere istatistiksel olarak uygun simülasyonlar yaratıyor. Sistem, uzun vadeli AI ajanlarının karşılaştığı bağlamsal sapma ve optimizasyon kararsızlığı sorunlarını çözmek için çift katmanlı evrimsel bir yaklaşım benimsiyor. Bayesyen ağırlıklı geri çağırma sistemi sayesinde etkisiz stratejileri ayıklayarak, gözlemsel verilerle tutarlı sonuçlar üretiyor.
VideoThinker: Uzun videolar için yeni nesil yapay zeka modeli geliştirildi
Araştırmacılar, uzun videolardaki içerikleri daha etkili anlayabilen VideoThinker adlı yeni bir yapay zeka modeli geliştirdi. Mevcut video anlama modellerinin aksine, VideoThinker aracı tabanlı (agentic) bir yaklaşım benimsiyor ve videolardaki önemli anları adaptif şekilde keşfedebiliyor. Model, temporal geri çağırma, uzamsal yakınlaştırma ve zamansal yakınlaştırma gibi araçları kullanarak videolardaki bilgi kaybını minimize ediyor. En önemli yenilik, modelin tamamen sentetik araç etkileşim verisiyle eğitilmiş olması. Bu sayede uzun form video anlayışında döngüsel bağımlılık sorunu çözülüyor. VideoThinker, videoları zengin altyazılara dönüştürüp güçlü bir dil modeli kullanarak çok adımlı araç kullanım dizileri oluşturuyor. Bu gelişme, video analizi yapan AI sistemlerinin performansını önemli ölçüde artırabilir.
Tıbbi araştırmalarda yapay zeka: QuarkMedSearch ile yeni dönem
Çinli araştırmacılar, tıp alanında derinlemesine arama yapabilen yeni bir yapay zeka sistemi geliştirdi. QuarkMedSearch adlı bu sistem, karmaşık tıbbi soruları yanıtlamak için çoklu adımlardan oluşan bir yaklaşım benimsiyor. Sistem, büyük ölçekli tıbbi bilgi grafları ile gerçek zamanlı çevrimiçi keşif yeteneklerini birleştirerek, uzun soluklu tıbbi araştırma süreçlerini simüle edebiliyor. Tongyi DeepResearch temel modelini kullanan araştırmacılar, özellikle Çince tıbbi içerik arama senaryolarına odaklanarak sistemin performansını artırdı. Bu çalışma, yapay zekanın tıp alanındaki uygulamalarının nasıl optimize edilebileceğine dair önemli ipuçları sunuyor ve gelecekte tıbbi araştırma süreçlerinin hızlandırılmasında rol oynayabilir.
Yapay zeka modelleri hedefli mesajlarda demografik önyargı gösteriyor
Araştırmacılar, büyük dil modellerinin kişiselleştirilmiş mesajlar üretirken demografik önyargılar sergilediğini ortaya çıkardı. GPT-4o, Llama-3.3 ve Mistral-Large gibi önde gelen modellerin iklim konularında hedefli mesajlar oluşturma davranışları incelendiğinde, yaş ve cinsiyet temelli asimetriler tespit edildi. Erkeklere ve gençlere yönelik mesajların daha iddialı ve kararlı bir dil kullandığı, kadınlara ve yaşlılara yönelik mesajların ise farklı iknaci çerçeveler benimsediği gözlemlendi. Bu durum, yapay zekanın otomatik iletişimde adalet ve önyargı konularında yeni sorular ortaya çıkarıyor. Çalışma, demografik koşullu hedefli mesajlaşmada YZ davranışlarının ilk sistematik analizini sunarak, teknolojinin toplumsal önyargıları nasıl yansıtabileceğine dair önemli bulgular sağlıyor.
Yapay zeka robotlar artık insan gibi düşünerek hedeflerine ulaşacak
Araştırmacılar, robotların görsel hedeflere ulaşmasını sağlayan yeni bir navigasyon sistemi geliştirdi. HRNav adlı bu sistem, insan zihninin çalışma prensibinden ilham alarak iki aşamalı bir yaklaşım benimsiyor. Önce yüksek seviyeli planlama yapan sistem, hedefe nasıl ulaşılacağına dair genel bir strateji belirliyor - örneğin kapıdan geçmek ya da koridordan yürümek gibi. Ardından düşük seviyeli yürütme aşamasında bu planı somut eylemlere dönüştürüyor. Geleneksel yöntemler sadece hedef ve gözlem görüntülerini karşılaştırarak doğrudan hareket kararları verirken, bu yeni yaklaşım özellikle uzak hedefler ve farklı odalar için çok daha başarılı sonuçlar veriyor. Sistem, görsel-dil modellerini kullanarak kısa vadeli planlar oluşturuyor ve böylece robotların karmaşık ortamlarda kaybolmadan hedefe ulaşmasını sağlıyor.
SFTMix: Yapay zeka modellerini daha verimli eğitmenin yeni yolu
Büyük dil modellerinin talimat takip etme yeteneklerini geliştirmek için kullanılan geleneksel yöntemler genellikle yüksek kaliteli veri setlerine ve pahalı insan müdahalesine ihtiyaç duyar. Araştırmacılar, SFTMix adını verdikleri yenilikçi bir yaklaşım geliştirdi. Bu yöntem, modelin öğrenme sürecinde farklı güven seviyelerindeki örnekleri akıllıca harmanlayarak, özel olarak hazırlanmış veri setlerine bağımlılığı azaltıyor. Model eğitiminde aşırı öğrenme ve genelleme sorunlarını çözmek için dinamik bir strateji benimseyen bu teknik, yapay zeka modellerinin performansını artırırken maliyetleri düşürüyor.
Yapay Zeka Uzun Videoları Nasıl Anlayacak? Q-Gate ile Akıllı Kare Seçimi
Uzun videoları anlama konusunda yapay zeka modellerinin karşılaştığı en büyük sorun, binlerce kareyi işlemenin getirdiği hesaplama maliyeti. Araştırmacılar bu sorunu çözmek için Q-Gate adında yeni bir sistem geliştirdi. Mevcut yöntemler genellikle tek bir görsel metrik kullanarak önemli kareleri seçerken, Q-Gate sorulan sorunun türüne göre farklı yaklaşımlar benimsiyor. Sistem, görsel detaylar için Visual Grounding, sahne anlamları için Global Matching ve altyazı odaklı anlatımlar için Contextual Alignment olmak üzere üç farklı uzman akış kullanıyor. Bu dinamik yaklaşım sayesinde, görsel sorular için sadece görsel verilere odaklanırken, hikaye odaklı sorular için metin bilgilerini de devreye alabiliyor. Ek eğitim gerektirmeyen bu sistem, mevcut video anlama modellerine kolayca entegre edilebiliyor.
Neptune: Yapay Zeka Hesaplamalarını Hızlandıran Yeni Derleyici Teknolojisi
Araştırmacılar, derin öğrenme modellerinin GPU'larda daha verimli çalışmasını sağlayan Neptune adlı yeni bir tensor derleyici geliştirdi. Bu teknoloji, karmaşık matematiksel işlemleri birleştirerek bellek kullanımını optimize ediyor ve hesaplama hızını artırıyor. Özellikle dikkat mekanizmalarında kullanılan karmaşık döngü bağımlılıklarını çözebilen Neptune, mevcut derleyicilerin zorlandığı alanları da başarıyla ele alıyor. Sistem, matematiksel düzeltme ifadeleri kullanarak doğruluğu korurken performansı maksimize eden yenilikçi bir yaklaşım benimsiyor. On farklı benchmark testinde yapılan değerlendirmeler, Neptune'ün mevcut çözümlerden üstün performans sergilediğini gösteriyor.
Yapay Zeka Asistanları Artık İlk Sözü Söyleyecek: IceBreaker Sistemi
ChatGPT gibi sohbet robotları milyarlarca kullanıcı için vazgeçilmez hale geldi, ancak kullanıcılar ilk mesajı yazmakta zorlanıyor. Araştırmacılar bu 'ilk mesaj engelini' aşmak için IceBreaker adlı yeni bir sistem geliştirdi. Bu teknoloji, yapay zeka asistanlarının pasif cevap verici rolünden çıkıp proaktif arkadaşlara dönüşmesini sağlıyor. IceBreaker, insanların buzları nasıl erittiklerini taklit ederek kişiselleştirilmiş konuşma başlatıcıları üretiyor. Sistem, kullanıcının net bir niyeti olmadığı 'soğuk başlangıç' anlarında bile etkili çalışıyor ve iki aşamalı bir yaklaşım benimsiyor: önce kullanıcıyla duygusal bağ kuruyor, sonra konuşmayı yönlendiriyor.
Yapay Zeka Artık Hatalarından Öğreniyor: Çoklu Deneme Yaklaşımı
Araştırmacılar, yapay zeka modellerinin karmaşık problemleri çözerken birden fazla deneme yaparak hatalarından öğrenmesini sağlayan yeni bir yöntem geliştirdi. 'Calibrated Attempt-Level GRPO' adı verilen bu teknik, modelin her denemede aldığı geri bildirimleri kullanarak bir sonraki çözüm girişimini iyileştirmesini sağlıyor. Geleneksel yaklaşımlar genellikle tek seferde doğru cevabı bulmaya odaklanırken, yeni sistem insan benzeri bir öğrenme süreci benimsiyor. Her başarısız denemeden sonra model, önceki girişimlerini analiz ederek daha iyi bir strateji geliştiriyor. Bu yaklaşım, özellikle matematik ve mantık problemleri gibi adım adım düşünme gerektiren görevlerde önemli başarı sağlıyor. Araştırma, yapay zekanın problem çözme yeteneklerini geliştirme konusunda önemli bir ilerleme kaydediyor.
İnsan Hareketlerini Daha Doğal Tanıyan Yapay Zeka Algoritması Geliştirildi
Araştırmacılar, insan hareketlerini tanıyan yapay zeka sistemlerinde önemli bir sorunu çözdü. Mevcut sistemler, hareketleri keskin sınırlarla ayırarak doğal akışı göz ardı ediyor. Yeni TranCLR algoritması, hareketler arasındaki geçişleri modelleyerek daha yumuşak ve gerçekçi bir tanıma sistemi oluşturuyor. Bu teknoloji, spor analizi, sağlık takibi ve güvenlik sistemleri gibi alanlarda kullanılabilir. Algoritma, geleneksel ikili karşılaştırma yerine, hareketlerin sürekli doğasını dikkate alan yenilikçi bir yaklaşım benimsiyor.
Yapay Zeka Politika Öğrenmesinde Yalnızca Pozitif Örneklerle Eğitim Yöntemi
Araştırmacılar, çevrimiçi pekiştirmeli öğrenmede geleneksel yöntemlerin sınırlarını aşan yeni bir yaklaşım geliştirdi. PODPO adı verilen bu yöntem, yalnızca başarılı örneklerden öğrenerek yapay zeka sistemlerinin daha etkili karar verme politikaları geliştirmesini sağlıyor. Geleneksel yöntemler hem olumlu hem olumsuz örnekleri kullanarak hata düzeltmeye odaklanırken, yeni yaklaşım proaktif hata önlemeyi benimsiyor. Bu, özellikle robotik ve otonom sistemler gibi gerçek zamanlı karar verme gerektiren alanlarda önemli avantajlar sunabilir. Yöntemin en dikkat çekici özelliği, karmaşık matematiksel kısıtlamalar olmadan çalışabilmesi ve yüksek getirili eylem bölgelerine doğru daha doğal bir yönlendirme sağlaması.
Akışkan Anten Sistemleri için Yeni Nesil Kanal Tahmin Teknolojisi
Araştırmacılar, kompakt boyutlarda yüksek performans sunan akışkan anten sistemleri için devrimci bir kanal tahmin yöntemi geliştirdi. Bu sistemler, küçük bir alanda binlerce anten portu arasında esnek geçiş yaparak eşi görülmemiş uzamsal çeşitlilik sağlıyor. Ancak bu avantajı kullanabilmek için tüm portların kanal durumu bilgisini elde etmek gerekiyor ki bu da büyük hesaplama yükü demek. Geleneksel yöntemler sadece birkaç porttan veri alıp geri kalanını korelasyon tabanlı interpolasyonla tahmin ediyor. Yeni çalışma, klasik kovaryans modellerinden tamamen farklı bir generatif modelleme yaklaşımı benimsiyor. Bu yaklaşım, kanal korelasyonunu daha etkili şekilde modelleyerek tahmin performansını önemli ölçüde artırıyor ve gelecekteki 6G haberleşme teknolojilerine önemli katkılar sunuyor.