“hesaplama maliyeti” için sonuçlar
66 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
İnsansız Hava Araçları Artık Yön Tariflerini Anlayarak Uçuyor
Araştırmacılar, insansız hava araçlarının (İHA) doğal dil komutlarını takip ederek karmaşık şehir ortamlarında navigasyon yapabilmesini sağlayan yeni bir sistem geliştirdi. LookasideVLN adlı bu teknoloji, mevcut sistemlerden farklı olarak sadece işaret noktalarına değil, aynı zamanda yön tariflerine de odaklanıyor. Sistem, insan navigasyonundaki 'sağa dön', 'kuzeye git' gibi yönlü ipuçlarını anlayarak daha doğru mekânsal akıl yürütme yapabiliyor. Bu yenilik, İHA'ların şehir içi teslimat, arama kurtarma operasyonları ve harita çıkarma görevlerinde daha etkili çalışmasını sağlayabilir. Teknoloji, hesaplama maliyetini düşürürken navigasyon doğruluğunu artırıyor.
Yapay Zeka Zaman Serisi Tahmininde 'Yavaş Düşünme' Devri
Araştırmacılar, zaman serisi tahminlerinde geleneksel 'hızlı düşünme' yaklaşımından farklı olarak, büyük dil modellerinin çok adımlı akıl yürütme yeteneklerini kullanan yeni bir 'yavaş düşünme' yöntemi geliştirdi. Mevcut yöntemler genellikle geçmiş kalıpları hızla çıkarıp geleceğe yansıtırken, bu yaklaşım ara adımlar içeren detaylı bir düşünce süreci benimsiyor. OpenAI-o1 gibi yavaş düşünen LLM'ler umut verici olmakla birlikte, yüksek hesaplama maliyeti ve gizlilik riskleri taşıyor. Yeni araştırma, bu sınırlamaları aşmak için LLM'leri özel olarak eğiterek zaman serilerine özgü derin akıl yürütme yetenekleri kazandırmayı hedefliyor. Bu gelişme, finansal piyasalar, hava durumu tahmini ve enerji tüketimi gibi alanlarda daha doğru ve güvenilir tahminler sunabilir.
Yapay Zeka Modellerini Eğitmek İçin Yeni Yöntem: PrefixMemory-Tuning
Büyük dil modellerini belirli görevlere uyarlamak için kullanılan Prefix-Tuning yönteminin modern modellerde başarısız olduğu keşfedildi. Araştırmacılar, bunun dikkat mekanizmasındaki girdi ve önek arasındaki dengesizlikten kaynaklandığını tespit etti. Bu sorunu çözmek için PrefixMemory-Tuning adlı yeni bir mimari geliştirildi. Bu yöntem, önek modülünü dikkat başlığından ayırarak ve ifade gücünü artırarak daha etkili sonuçlar veriyor. Yeni yaklaşım, büyük dil modellerini minimum hesaplama maliyetiyle özelleştirme konusunda önemli bir ilerleme sunuyor.
Yapay Zeka Görsel Sistemlerinde Ücretsiz Güven Sinyali Keşfedildi
Araştırmacılar, grafik kullanıcı arayüzlerinde nesne konumlandırma yapan yapay zeka sistemlerinde yeni bir güven ölçütü keşfetti. 'Zoom tutarlılığı' adı verilen bu yöntem, sistemin adım adım yakınlaştırma işlemi sırasında ürettiği ara tahminleri değerlendirerek, sonucun ne kadar doğru olduğunu tahmin edebiliyor. Bu keşif, farklı yapay zeka modellerinin performansını karşılaştırmak için ortak bir ölçüt sunuyor ve ek hesaplama maliyeti gerektirmiyor. İki farklı model üzerinde yapılan testlerde, zoom tutarlılığının tahmin doğruluğuyla anlamlı bir korelasyon gösterdiği kanıtlandı.
Vision Transformer'larda Token Budama İçin Yeni Dikkat Mekanizması Geliştirildi
Araştırmacılar, Vision Transformer (ViT) modellerinde token budama işlemlerinin performans sorunlarını çözen yeni bir dikkat mekanizması geliştirdi. Token budama, önemsiz görüntü parçalarını atarak hesaplama maliyetini teorik olarak büyük ölçüde azaltsa da, pratikte mevcut değişken uzunluklu dikkat API'leri bu avantajı tam olarak yansıtamıyordu. Yeni geliştirilen 'dispatch-aware ragged attention' yöntemi, kısa sekans uzunluklarında ortaya çıkan dispatch-overhead darboğazını çözerek, budanmış ViT'lerin gerçek dünya performansını teorik potansiyellerine yaklaştırıyor. Bu çalışma, yapay zeka modellerinin hem doğruluk hem de hız açısından optimizasyonunda önemli bir adım teşkil ediyor.
Çatlak İçeren Gözenekli Malzemeler İçin Yeni Simülasyon Yöntemi
Araştırmacılar, çatlaklar ve kırıklar içeren gözenekli malzemelerin davranışını simüle etmek için yenilikçi bir hesaplama yöntemi geliştirdi. 'Kaydırılmış arayüz' yaklaşımı olarak adlandırılan bu teknik, yer altı jeomekaniği, biyomekanik ve malzeme biliminde karşılaşılan karmaşık yapıları modellemede büyük kolaylık sağlıyor. Geleneksel yöntemler, çatlakların bulunduğu gözenekli malzemelerde sıvı basıncı ve yapısal deformasyon arasındaki karmaşık etkileşimleri simüle etmekte zorlanıyor ve pahalı, zaman alıcı mesh oluşturma süreçleri gerektiriyordu. Yeni yaklaşım, gerçek çatlakları surrogate yaklaşımlarla değiştirerek bu sorunları aşıyor ve hesaplama maliyetini önemli ölçüde düşürüyor.
SignX: İşaret dilini anlayan yapay zeka sistemi geliştirildi
Araştırmacılar, işaret dili videolarını sürekli olarak tanıyabilen yeni bir yapay zeka sistemi geliştirdi. SignX adlı bu sistem, farklı vücut pozu formatlarını tek bir kompakt temsilte birleştirerek işaret dilini daha verimli şekilde işliyor. Sistem, ham videolardan doğrudan pose bilgilerini çıkaran Vision Transformer tabanlı bir modül ve zaman modellemesi kullanıyor. Bu yaklaşım, işaret dili tanıma alanında önemli bir adım olarak değerlendiriliyor çünkü hem doğruluğu artırıyor hem de hesaplama maliyetini düşürüyor. İşaret dili kullanan topluluklar için daha erişilebilir teknolojilerin geliştirilmesine katkı sağlayabilir.
Kısa Paket İletiminde Yeni Kodlama Yöntemi Geliştirme
Araştırmacılar, kısa paket iletimi için kullanılan seyrek VLSF kodlarının performansını artıran yeni bir optimizasyon çerçevesi geliştirdi. Saddlepoint yaklaşımı adı verilen matematiksel yöntem kullanılarak oluşturulan bu sistem, kod çözme parametrelerini birlikte optimize ederek daha verimli sonuçlar elde ediyor. Geliştirilen yöntem, gürültülü kanal, ikili simetrik kanal ve ikili silme kanalı gibi yaygın iletişim kanallarında başarıyla test edildi. Araştırma ekibi ayrıca geleneksel sabit eşik kuralını genişleten gelişmiş bir kod çözme kuralı önerdi. Bu yeni yaklaşım, daha düşük hesaplama maliyetiyle neredeyse optimal sonuçlar elde etmeyi mümkün kılıyor ve mevcut yöntemlerin sınırlarını aşarak iletişim sistemlerinin verimliliğini artırmaya katkı sağlıyor.
Yapay Zeka Kod Üretiminde Yeni Yöntem: Fonksiyonel Çoğunluk Oylaması
Araştırmacılar, büyük dil modellerinin kod yazma başarısını artıran yeni bir teknik geliştirdi. Fonksiyonel Çoğunluk Oylaması (FMV) adı verilen bu yöntem, yapay zekanın ürettiği birden fazla kod çözümü arasından en uygun olanını seçmek için fonksiyonel konsensüs yaklaşımını kullanıyor. Sistem, farklı kod çözümlerini test girdileri üzerinde çalıştırarak çalışma zamanı imzalarını karşılaştırıyor ve en temsili çözümü belirliyor. LiveCodeBench platformunda yapılan testlerde FMV'nin performansı önemli ölçüde artırdığı, ancak hesaplama maliyetini fazla yükseltmediği görüldü. Ayrıca araştırmacılar bu tekniği Test-Zamanı Pekiştirmeli Öğrenme için de uyarladılar ve belirli görevlerde başarı oranını artırdıklarını gözlemlediler.
Küçük Cihazlar İçin Yapay Zeka: Yeni Hızlandırma Yöntemi Geliştirildi
Araştırmacılar, akıllı saatler ve IoT sensörleri gibi küçük cihazlarda çalışan yapay zeka uygulamaları için yeni bir optimizasyon yöntemi geliştirdi. TinyML olarak bilinen bu alanda, sınırlı kaynaklara sahip cihazlarda yapay zeka modellerinin çalıştırılması büyük zorluk teşkil ediyor. Yeni yaklaşım, hesaplama maliyeti yüksek olan çarpma işlemlerini daha verimli kaydırma ve toplama işlemleriyle değiştirerek performansı artırıyor. Özellikle hassas verilerle çalışan uygulamalarda, eğitim veri setine ihtiyaç duymadan önceden eğitilmiş modelleri optimize edebilmesi önemli bir avantaj sağlıyor. Bu gelişme, sağlık monitörleri, akıllı ev cihazları ve giyilebilir teknolojiler gibi alanlarda yapay zekanın daha yaygın kullanımına kapı açabilir.
3D Görme-Dil Modelleri İçin Yeni Prompt Ayarlama Yöntemi Geliştirildi
Araştırmacılar, 3D nokta bulutlarını anlayan yapay zeka modelleri için yeni bir eğitim yöntemi geliştirdi. P³T adlı bu yöntem, büyük 3D görme-dil modellerini farklı görevlere uyarlarken hem hesaplama maliyetini düşürüyor hem de genelleme kabiliyetini artırıyor. Geleneksel yöntemler tüm modeli yeniden eğitmek zorunda kalırken, P³T sadece küçük prompt bileşenlerini ayarlayarak aynı başarıyı elde ediyor. Bu yaklaşım, 3D nesne tanıma, sahne anlama ve robotik uygulamalarda önemli avantajlar sunuyor. Özellikle overfitting sorununu çözerek modellerin yeni veriler üzerindeki performansını iyileştiriyor.
Hareketli Hedefleri Yakalayan Robot Filosu İçin Yeni Optimizasyon Algoritması
Araştırmacılar, hareketli hedefleri yakalamak için çalışan robot filosunun rotalarını optimize eden yeni bir algoritma geliştirdi. MT-VRP-O olarak adlandırılan bu problem, birden fazla robotun engelleri aşarak ve zaman kısıtları içinde hareket eden hedeflere ulaşmasını gerektiriyor. Geliştirilen Lazy BPRC algoritması, robotların hız ve kapasite sınırlarını da göz önünde bulundurarak en optimal çözümü buluyor. Bu teknoloji, kargo dağıtımından askeri operasyonlara, arama-kurtarma görevlerinden otonom araç koordinasyonuna kadar geniş bir uygulama alanına sahip. Algoritma, sınırlı tur seçenekleri arasından en uygununu belirleyerek hesaplama maliyetini düşürürken, optimal sonuçları garanti ediyor.
Yapay Zeka ile Akışkan Dinamiği: Navier-Stokes Denklemlerini Kontrol Etmenin Yeni Yolu
Bilim insanları, akışkan akışını kontrol etmek için kullanılan karmaşık Navier-Stokes denklemlerini yapay zeka destekli yöntemlerle yönetmenin yeni bir yolunu geliştirdi. Receding Horizon Control (RHC) adı verilen bu yaklaşım, akışkanların istenilen yörüngelerde hareket etmesini sağlayarak mühendislik uygulamalarında devrim yaratabilir. Araştırmacılar, hesaplama maliyetini büyük ölçüde azaltan model boyut küçültme tekniği kullanarak sistemin performansını korumuş. Bu gelişme, hava taşıtlarının aerodinamik kontrolünden endüstriyel akışkan sistemlerine kadar geniş bir uygulama alanına sahip.
Yapay zeka modelleri artık akıllıca düşünmeyi öğreniyor: ORBIT sistemi geliyor
Büyük yapay zeka modelleri güçlü performans sergilemek için uzun düşünce zincirleri kullanıyor, ancak bu her zaman gereksiz hesaplama maliyeti yaratıyor. Stanford ve diğer kurumlardan araştırmacılar, yapay zekanın ne kadar 'düşüneceğini' akıllıca belirleyen ORBIT sistemini geliştirdi. Bu yenilikçi yaklaşım, AI modellerinin farklı zorluk seviyelerindeki problemler için en uygun düşünce stratejisini seçmesine olanak tanıyor. Sistem, pekiştirmeli öğrenme kullanarak her çaba seviyesi için en verimli çözüm yollarını keşfediyor ve kullanıcıların maliyet-doğruluk dengesini istedikleri gibi ayarlamalarına imkan veriyor. Bu gelişme, AI sistemlerinin daha verimli ve esnek hale gelmesinde önemli bir adım.
Yeni dikkat mekanizması yapay zekânın uzun metinlerdeki performansını artırıyor
Araştırmacılar, büyük dil modellerinin uzun metinlerle çalışırken yaşadığı temel sorunları çözen yeni bir dikkat mekanizması geliştirdi. Threshold Differential Attention (TDA) adlı bu yöntem, geleneksel softmax dikkatinin yapısal sınırlarını aşarak, modellerin gereksiz kelimelere odaklanmasını engelliyor ve uzun dizilerde daha verimli çalışmasını sağlıyor. Klasik yöntemlerde dikkat dağılımının toplamı bir olması gerektiği için, model bazen ilgisiz kelimelere de dikkat ayırmak zorunda kalıyor. TDA ise sadece belirli bir eşiği aşan önemli kelimelere odaklanarak hem hesaplama maliyetini düşürüyor hem de performansı artırıyor.
Yapay Zeka Değerlendirmesinde Devrim: Tek Seferde Çoklu Yanıt Puanlama
Araştırmacılar, yapay zeka modellerinin ürettiği yanıtları değerlendirmek için yeni bir yöntem geliştirdi. Geleneksel sistemler her yanıtı ayrı ayrı inceleyerek zaman kaybına neden olurken, yeni yaklaşım birden fazla yanıtı tek seferde karşılaştırıp puanlayabiliyor. Bu yöntem, yanıtları özel ayırıcı tokenlarla birleştirerek doğrudan karşılaştırmalı akıl yürütme imkanı sunuyor. Sistem, N adet yanıt için N kat hızlanma ve hesaplama maliyetinde ciddi azalma sağlıyor. Araştırma kapsamında iki yeni benchmark oluşturuldu: MR²Bench-Image görsel içerik için 8 farklı modelin yanıtlarını insan değerlendirmeleriyle karşılaştırırken, MR²Bench-Video 94 bin kişinin video tabanlı soru-cevap değerlendirmelerinden oluşuyor. Bu gelişme, yapay zeka modellerinin performansını daha hızlı ve verimli değerlendirme imkanı sunarak, AI sistemlerinin geliştirilmesini hızlandırabilir.
Büyük dil modellerini eğitmenin yeni yolu: TLoRA+ ile daha verimli yapay zeka
Araştırmacılar, büyük dil modellerinin belirli görevler için eğitimini daha verimli hale getiren TLoRA+ adlı yeni bir yöntem geliştirdi. Bu teknik, modellerin performansını artırırken hesaplama maliyetini minimum düzeyde tutuyor. ChatGPT ve benzeri büyük dil modellerinin özelleştirilmesi için kullanılan mevcut LoRA yöntemini geliştiren bu yaklaşım, daha az kaynak kullanarak daha iyi sonuçlar elde etmeyi mümkün kılıyor. GLUE benchmark testlerinde yapılan denemeler, yöntemin farklı model mimarilerinde tutarlı bir şekilde başarılı olduğunu gösterdi. Bu gelişme, yapay zeka modellerinin daha geniş kitlelere ve küçük şirketlere açılması açısından önemli bir adım olarak değerlendiriliyor.
Boyut Azaltma Teknikleri Optimizasyon Problemlerinin Özelliklerini Koruyor mu?
Yapay zeka ve optimizasyon alanında önemli bir soruya odaklanan yeni araştırma, yüksek boyutlu problemlerin analizinde kullanılan boyut azaltma tekniklerinin etkinliğini sorguluyor. Keşifsel Peyzaj Analizi (ELA), karmaşık optimizasyon problemlerini sayısal özelliklerle karakterize etmek için kullanılan güçlü bir yöntem. Ancak yüksek boyutlu problemlerde hesaplama maliyeti ve veri seyrekliği gibi zorluklarla karşılaşıyor. Bu durumda araştırmacılar sıklıkla rastgele projeksiyon yöntemleriyle boyut azaltmaya başvuruyor. Fakat bu yaklaşımın orijinal problemin temel özelliklerini ne kadar koruduğu belirsizdi. Yeni çalışma, Rastgele Gauss Gömmeleri kullanarak boyut azaltmanın ELA özelliklerini nasıl etkilediğini kapsamlı şekilde inceliyor.