“kaynak kod” için sonuçlar
25 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
TEACar: Açık Kaynak Kodlu Otonom Sürüş Test Platformu Geliştirildi
Araştırmacılar, otonom araç teknolojilerinin test edilmesi için TEACar adlı yenilikçi bir platform geliştirdi. 1/14 - 1/16 ölçeğindeki bu miniatur platform, gerçek boyutlu otonom araçların maliyetli ve karmaşık test süreçlerine pratik bir alternatif sunuyor. Sistem, modüler mimari yapısı sayesinde farklı sensör ve yazılım konfigürasyonlarının kolayca test edilmesine olanak tanıyor. Dört katmanlı tasarımı ile algılama, hesaplama, hareket ve güç sistemlerini fiziksel olarak ayıran platform, hem yapısal dayanıklılığı artırıyor hem de yeniden yapılandırma işlemlerini basitleştiriyor. ROS 2 tabanlı yazılım altyapısı ve donanım soyutlama katmanı ile araştırmacılar, otonom sürüş algoritmalarını gerçekçi koşullarda test edebiliyor. Bu gelişme, otonom araç teknolojilerinin daha hızlı ve ekonomik şekilde geliştirilmesine katkı sağlayacak.
Otonom sistemlerin güvenliği için dijital ikiz metodolojisi geliştirildi
Araştırmacılar, otonom platformların siber güvenlik açıklarını değerlendirmek için yeni bir dijital ikiz metodolojisi geliştirdi. Açık kaynak kodlu bu sistem, otonom araçların sensör aldatması, veri tekrarı ve yapay zeka saldırıları gibi tehditlere karşı dayanıklılığını test ediyor. Geleneksel güvenlik testlerinin aksine, bu yaklaşım gerçek operasyonel koşulları simüle ederek tehdit odaklı değerlendirmeler yapıyor. Modüler tasarımı sayesinde farklı otonom sistemlere uyarlanabilen metodoloji, algılama, otonom karar verme ve denetim fonksiyonlarını ayrı ayrı analiz ediyor. Bu çalışma, güvenli otonom sistemlerin geliştirilmesinde kritik bir adım olarak değerlendiriliyor.
Düşük Bütçeli Kuruluşlar İçin Yapay Zeka Destekli Siber Güvenlik Sistemi
Araştırmacılar, hastane ve okul gibi sınırlı bütçeli kuruluşları siber saldırılara karşı korumak için açık kaynak kodlu bir ağ güvenlik sistemi geliştirdi. ML Defender adı verilen bu sistem, yaklaşık 150-200 dolarlık donanımla çalışabiliyor ve makine öğrenmesi algoritmalarını kullanarak botnet ve DDoS saldırılarını tespit ediyor. Sistem, kural tabanlı hızlı tespit mekanizması ile rastgele orman sınıflandırıcısını birleştirerek yanlış alarm oranını 500 kat azaltmayı başarıyor. CTU-13 veri seti üzerindeki testlerde %99.85 F1 skoru ve %100 hassasiyet oranı elde eden sistem, siber güvenlikte kaynak kısıtlı organizasyonlar için umut verici bir çözüm sunuyor.
Telekomünikasyon için Özel AI Değerlendirme Sistemi Geliştirildi
Araştırmacılar, telekomünikasyon sektöründeki yapay zeka uygulamaları için özel olarak tasarlanmış ilk kapsamlı değerlendirme sistemi olan TeleEmbedBench'i geliştirdi. Bu sistem, telekomünikasyon alanındaki yoğun kısaltma kullanımı ve karmaşık standart metinleri nedeniyle genel amaçlı AI modellerinin yetersiz kaldığı durumları ele alıyor. O-RAN Alliance spesifikasyonları, 3GPP belgeleri ve srsRAN açık kaynak kodlarından oluşan üç farklı veri setinde 9.000 soru-metin çifti içeren benchmark, telekomünikasyon şirketlerinin AI sistemlerini daha doğru şekilde değerlendirmesine olanak sağlıyor.
Kod Veri Setleri İçin Çift Amaçlı Filigran Koruması Geliştirildi
Araştırmacılar, kaynak kod veri setlerinin yetkisiz kullanımını önlemek için DuCodeMark adlı yeni bir filigran yöntemi geliştirdi. Bu sistem, kod örneklerini soyut sözdizimi ağaçlarına dönüştürerek gizli sahiplik işaretleri gömüyor. Geleneksel yöntemlerden farklı olarak, hem kaynak kod görevlerinde hem de kod derleme süreçlerinde çalışabiliyor. Büyük dil modellerinin kod geliştirmede yaygın kullanımı ve açık kaynak katkıların artmasıyla birlikte, kod veri setlerinin korunması kritik önem kazandı. DuCodeMark, tespit edilmesi zor tetikleyici-hedef çiftleri oluşturuyor ve belirli kod örneklerine zehirli özellikler enjekte ederek filigranın kaldırılmasına karşı dayanıklılık sağlıyor. Bu özellikler normal eğitim sırasında pasif kalarak modelin performansını etkilemiyor.
Yapay Zeka Yazılım Tasarım Kalıplarını Tespit Edebiliyor
Araştırmacılar, büyük dil modellerinin yazılım geliştirmede kullanılan tasarım kalıplarını otomatik olarak tespit edebilme yeteneklerini incelediler. Çalışmada dört farklı yapay zeka modeli test edildi ve bu modeller kaynak kodu, görsel diagramlar ve metin açıklamaları gibi farklı veri türleriyle beslendiğinde nasıl performans sergiledikleri ölçüldü. Singleton, adapter, bridge, composite ve decorator gibi beş temel tasarım kalıbının tespiti üzerinde yoğunlaşan araştırma, yazılım geliştirme sürecinde AI'nın rolünü genişletebilecek bulgular sunuyor. Bu teknoloji özellikle yeni geliştiricilerin karmaşık yazılım sistemlerini anlamasını kolaylaştırabilir ve deneyimli programcıların kod kalitesi sorunlarını hızla tespit etmesine yardımcı olabilir.
OptunaHub: Kara Kutu Optimizasyonu için Topluluk Odaklı Platform
Yapay zeka ve makine öğrenmesi alanında kritik öneme sahip kara kutu optimizasyon (BBO) algoritmaları, farklı araştırma topluluklarında dağınık bir şekilde geliştiriliyordu. Japonya merkezli araştırmacılar, bu sorunu çözmek için OptunaHub adlı yenilikçi platformu geliştirdi. Platform, optimizasyon algoritmalarının ve benchmark problemlerinin merkezi bir şekilde paylaşılmasını, keşfedilmesini ve yeniden kullanılmasını sağlıyor. AutoML ve Malzeme Bilişimi gibi önemli alanlarda kullanılan bu teknoloji, topluluk odaklı yaklaşımıyla bilimsel işbirliğini artırmayı hedefliyor. Açık kaynak kodlu olan platform, araştırmacıların kendi algoritmalarını bağımsız olarak yayınlamasına ve diğerlerinin çalışmalarından faydalanmasına olanak tanıyor.
Veri Sıkıştırmada Devrim: Polar Kodlama ile Kayıpsız Bilgi Aktarımı
Araştırmacılar, dağıtık kaynak kodlama için yeni bir polar kodlama yöntemi geliştirdi. Bu teknik, Gaussian kaynaklardan gelen verileri minimum bozulmayla sıkıştırarak iletebiliyor. Özellikle 5G ağları için tasarlanan kısa blok uzunluklu çok seviyeli polar kodlar kullanılarak, Wyner-Ziv polar kodlu kuantizasyon (WZ-PCQ) sistemi geliştirildi. Bu sistem, geleneksel ayrı blok işleme yöntemlerine kıyasla toplam bozulmayı önemli ölçüde azaltıyor. Çalışma, veri iletişiminde hem kaliteyi artıran hem de bant genişliği kullanımını optimize eden bir yaklaşım sunuyor. Bulgular, özellikle mobil iletişim ve veri depolama alanlarında önemli iyileştirmeler sağlayabilir.
Yapay zeka modellerine karşı evrensel saldırı yöntemi geliştirildi
Araştırmacılar, kapalı kaynak kodlu çok modlu büyük dil modellerine (MLLM) karşı yeni bir saldırı türü geliştirdi. 'Evrensel Hedefli Aktarılabilir Düşmanca Saldırılar' adı verilen bu yöntem, tek bir pertürbasyon kullanarak farklı girdileri tutarlı şekilde belirli bir hedefe yönlendirebiliyor. Geleneksel saldırıların aksine, bu yaklaşım örnek-spesifik değil ve birden fazla girdi üzerinde tekrar kullanılabilir. Araştırma, ticari yapay zeka modellerinin güvenlik açıklarını ortaya koyması açısından önemli. Çalışma, hedef gözetimindeki yüksek varyans, token-bazlı eşleştirmenin güvenilmezliği ve başlangıç değerlerine duyarlılık gibi temel zorlukları ele alıyor. MCRMO-Attack adlı önerilen yöntem, bu sorunlara çözüm getirmeyi hedefliyor.
Bilgi darboğazı kaynak kodlamada hata sınırları belirlendi
Araştırmacılar, gürültülü gözlemlerden uzaktaki kaynaklar hakkında optimal tahmin yapma problemini inceleyen bilgi darboğazı kaynak kodlama tekniğinin matematiksel sınırlarını keşfetti. Bu yöntem, sınırlı veri aktarımıyla en iyi tahminleri üretmeye odaklanıyor. Çalışma, kodlama hızının kritik eşik değerinin altında ve üstünde olduğu durumlarda hata olasılıklarının nasıl değiştiğini matematiksel olarak kanıtladı. Bulgular, veri sıkıştırma ve uzaktan algılama teknolojilerinde önemli iyileştirmeler sağlayabilir. Özellikle IoT sensörleri, uydu haberleşmesi ve yapay zeka sistemlerinde enerji verimli veri iletimi için kritik öneme sahip. Araştırma, teorik bilgisayar bilimi ve istatistiksel öğrenme alanlarında da yeni perspektifler sunuyor.
CLASP: Yapay Zeka ile Kaynak Kod Filigranlarında Yeni Dönem
Açık kaynak kodların yaygınlaşması ve büyük dil modellerinin kod üretiminde kullanımı, yetkisiz kullanım ve fikri mülkiyet ihlallerini artırdı. Araştırmacılar, kaynak kodlara filigran ekleme konusundaki mevcut yöntemlerin zayıflıklarını aşmak için CLASP adlı yeni bir framework geliştirdi. Bu sistem, semantik yapıyı bozmayan dönüşümler kullanarak kodlara filigran ekliyor ve geleneksel yöntemlerin aksine yeniden adlandırma ve refactoring gibi saldırılara karşı daha dayanıklı. CLASP'in en önemli avantajı, eğitim gerektirmeden farklı programlama dillerinde kullanılabilmesi ve yüksek kapasiteli filigran ekleme imkanı sunması.
RAVEN: Yapay Zeka ile Siber Güvenlik Açıklarını Analiz Eden Yeni Sistem
Araştırmacılar, büyük dil modellerini kullanarak yazılım güvenlik açıklarını otomatik olarak analiz edebilen RAVEN adlı yeni bir sistem geliştirdi. Bu sistem, kaynak kodundaki güvenlik açıklarını tespit ederek kapsamlı analiz raporları hazırlayabiliyor. RAVEN, Google Project Zero'nun kök neden analizi şablonunu takip ederek, güvenlik açığı belirleme, etki değerlendirme ve yapılandırılmış rapor oluşturma süreçlerini otomatikleştiriyor. Sistem dört temel modülden oluşuyor: açık tespit eden Explorer ajanı, ilgili bilgileri toplayan RAG motoru, etki analizi yapan Analyst ajanı ve rapor üreten Reporter ajanı. Bu gelişme, siber güvenlik alanında yapay zekanın kullanımını genişleterek, güvenlik açığı dokümantasyonu ve analizinde yeni olanaklar sunuyor.
Yapay Zeka Modellerinde Ayar Seçimi Model Seçiminden 5 Kat Daha Önemli
Açık kaynak kodlu büyük dil modellerinin donanım tasarımında kullanımını inceleyen yeni araştırma, hangi modelin kullanıldığından çok nasıl yapılandırıldığının önemli olduğunu ortaya koyuyor. 26 farklı modeli 108 farklı yapılandırma ile test eden çalışmada, aynı modelin en iyi ve en kötü ayarları arasında %25,5'e kadar performans farkı gözlendi. Bu fark, farklı model aileleri arasındaki ortalama performans farkından 5 kat daha büyük. Bulgular, yapay zeka araştırmalarında model karşılaştırmalarının yanında konfigürasyon optimizasyonunun da kritik önemde olduğunu gösteriyor.
Bilimsel Araştırmalarda Görsel Belge Gösterimi Yetersiz Kalıyor
Yapay zeka alanında bilimsel belgeleri arama ve bulma konusunda önemli bir sorun tespit edildi. Günümüzde birçok sistem, bilimsel makaleleri görsel olarak işleyerek arama yapıyor - tıpkı bir fotoğrafı analiz eder gibi. Ancak yeni araştırmalar, bu yaklaşımın bilimsel metinler için yetersiz kaldığını gösteriyor. Bilimsel makaleler karmaşık yapılar içeriyor: tablolar, grafikler, formüller ve metinler birbirini tamamlıyor. Bu öğeler arasındaki ilişkileri anlamak için sadece görsel analizin yeterli olmadığı ortaya çıktı. Araştırmacılar, LaTeX kaynak kodlarından yararlanarak yeni bir test sistemi geliştirdi. Bu sistem, belgelerin yapısal öğelerine doğrudan erişim sağlayarak daha etkili arama imkanı sunuyor. Bulgular, metin tabanlı ve karma yöntemlerin görsel yaklaşımlardan daha başarılı olduğunu ortaya koyuyor.
Yapay Zeka Kodlama Modelleri Karşılaştırması: Gerçek Uygulamada Beklenmedik Sonuçlar
Araştırmacılar, beş farklı açık kaynak kodlama yapay zekası modelini React Native mobil uygulama geliştirme görevinde test etti. Çalışmada Kimi-K2.5, GLM-5.1, Qwen3-Coder-480B ve DeepSeek-V3.2 modelleri NVIDIA GH200 donanımında karşılaştırıldı. Şaşırtıcı şekilde, teorik performans sıralamaları gerçek dünya görevlerindeki başarıyı öngöremedi. En düşük kaliteli sıkıştırmaya sahip Kimi-K2.5 modeli, SWE-Bench testlerinde daha yüksek puan alan rakiplerini geride bırakarak en eksiksiz ve kurallara uygun kodu üretti. Araştırma, yapay zeka kodlama araçlarının değerlendirilmesinde laboratuvar testleri ile gerçek dünya performansı arasındaki önemli farkları ortaya koyuyor.
PyEncode: Kuantum Bilgisayarlar İçin Açık Kaynak Kodlu Yeni Araç
Araştırmacılar, kuantum bilgisayarlarda klasik verilerin kuantum durumlarına dönüştürülmesi için PyEncode adlı açık kaynak kodlu Python kütüphanesini geliştirdi. Bu araç, bilimsel ve mühendislik uygulamalarında sıkça karşılaşılan yapısal verileri, geleneksel yöntemlerden çok daha verimli şekilde işleyebiliyor. PyEncode, dokuz farklı veri yapısı türünü destekleyerek kuantum algoritmaların geliştirilmesini kolaylaştırıyor. Genel amaçlı rutinlerin milyarlarca kapı gerektirdiği durumlarda, bu kütüphane matematiksel yapıları kullanarak çok daha az kaynak tüketiyor. Kuantum bilişim alanında pratik uygulamaların geliştirilmesi açısından önemli bir adım olarak değerlendiriliyor.
Programlama Dillerinin Kendilerini Taklit Etme Yeteneği İncelendi
Araştırmacılar, bir programlama dilinin kendi kodlarını ne kadar başarılı şekilde taklit edebileceğini inceleyen yeni bir kavram ortaya koydu. 'Emülasyon-tamlık' adı verilen bu özellik, Turing-tamlık kavramının ötesine geçerek, bir dilin sadece hesaplama yapmasının yeterli olmadığını gösteriyor. Gerçek programların bağımlı olduğu kontrol akışı, istisnalar, geri çağrılar, zamanlama, bellek kullanımı ve çalışma zamanı metadata'sı gibi tüm görünür durumları da hesaba katması gerektiğini vurguluyor. Bu sistematik çalışma, kendini-taklit etme konusunda düşünmek için kesin bir kelime dağarcığı ve yapılandırılmış bir taksonomi sunarak, kaynak kod seviyesi değerlendirme ile derlenmiş kod emülasyonu arasında ayrım yapıyor.
LaTeX Yazarları İçin Kaynak Ekleme Artık Çok Daha Kolay
Bilimsel makale yazım sürecinde araştırmacıların en sık karşılaştığı sorunlardan biri, LaTeX editöründe yazarken kaynak eklemek için sürekli farklı araçlar arasında geçiş yapmak zorunda kalmak. Yeni geliştirilen OverCite aracı, bu soruna pratik bir çözüm sunuyor. Açık kaynak kodlu bu hafif araç, yazarların editörden çıkmadan doğrudan kaynak arama, seçme ve ekleme işlemlerini gerçekleştirmesine olanak tanıyor. Overleaf ve VS Code platformlarında çalışan araç, astronomy, fizik, bilgisayar bilimleri, matematik, biyoloji gibi geniş bir bilim alanı yelpazesindeki yayınlara erişim sağlıyor.
Yapay Zeka Kod Dokümantasyonu Hazırlama İşini Devralıyor
Yazılım geliştirmede en zor görevlerden biri kod dokümantasyonu hazırlamak. Manuel olarak yapıldığında hem zaman alıyor hem de eksik ya da tutarsız sonuçlar çıkabiliyor. Yeni araştırma, büyük dil modellerinin (LLM) kaynak koddan otomatik olarak doğal dil açıklamaları üretebileceğini gösteriyor. Bu teknoloji, geliştiricilerin kodu daha hızlı anlamasını sağlayarak, bakım süreçlerini kolaylaştırıyor ve hata tespiti gibi işlemleri destekliyor. Ancak başarının anahtarı, modellere verilen talimatların (prompt) doğru tasarlanması. Sistematik literatür taramasında, few-shot prompting ve chain-of-thought gibi yöntemlerin model performansını önemli ölçüde artırdığı bulundu. Bu gelişme, yazılım mühendisliğinde AI kullanımının temelini oluşturuyor.
GraphQLify: REST API'leri Otomatik Olarak GraphQL'e Dönüştüren Yeni Framework
Araştırmacılar, mevcut REST API'leri GraphQL formatına otomatik olarak dönüştüren GraphQLify adlı yenilikçi bir framework geliştirdi. Bu sistem, statik kod analizi kullanarak tip güvenliğini korurken, geleneksel yaklaşımlardan farklı olarak performans kaybına neden olan adaptör sunucular yerine gömülü sunucu mimarisi kullanıyor. GraphQL, şema tabanlı ve güçlü tip sistemine sahip sorgu dili olarak, istemci-sunucu iletişiminde yüksek verimlilik sağlıyor. GraphQLify'ın en önemli yeniliği, kaynak kodunu doğrudan analiz ederek kesin tip çıkarımı yapması ve bu sayede uçtan uca tip güvenliği garantilemesi. 834 farklı API üzerinde yapılan testlerde, sistemin başarılı sonuçlar verdiği gözlemlendi. Bu gelişme, web geliştirme ekosisteminde API migrasyonlarını kolaylaştıracak önemli bir adım olarak değerlendiriliyor.
SYCL programlama dili heterojen sistemlerde birleştirici rol oynayabilir mi?
Modern yüksek performanslı bilgi işlem uygulamaları, farklı donanım mimarilerinin bir arada kullanıldığı heterojen ortamlarda çalışmakta. Bu durum, geliştiriciler için programlama karmaşıklığını artırıyor ve yazılım taşınabilirliğini zorlaştırıyor. SYCL programlama modeli, bu sorunlara çözüm olarak tek kaynak koddan farklı platformlarda çalışabilen uygulamalar geliştirmeyi vaat ediyor. Ancak bu vaatlerin ne kadar gerçekçi olduğu belirsizliğini koruyor. Araştırmacılar, SYCL'nin kod taşınabilirliği, geliştirme verimliliği ve çalışma zamanı performansı açısından uygulama geliştiricilerinin beklentilerini karşılayıp karşılamadığını değerlendirdi.
Yazılım güvenlik taramalarındaki %92 yanlış alarm oranının sırrı çözüldü
Yazılım tedarik zinciri güvenliğinde kritik öneme sahip SBOM (Yazılım Malzeme Listesi) araçlarının etkinliği, ciddi doğruluk sorunları nedeniyle sorgulanıyor. 2.414 açık kaynak kod deposu üzerinde yapılan kapsamlı araştırma, güvenlik tarayıcılarının şaşırtıcı derecede yüksek yanlış pozitif oranlarla çalıştığını ortaya koyuyor. Çalışma, güçlü paket yöneticileri kullanılarak doğru SBOM'lar oluşturulabileceğini gösteriyor ancak asıl sorunun güvenlik tarayıcılarında olduğunu belirtiyor. Araştırmacılar, erişilemeyen kod parçalarındaki güvenlik açıklarının işaretlenmesinin ana neden olduğunu tespit ederek, fonksiyon çağrı analizi ile bu sorunun büyük ölçüde çözülebileceğini kanıtlıyor.
API Test Stratejilerinde Yapay Zeka İnsan Yazımını Geçti
REST API testlerinin etkinliğini değerlendirmek için log kapsamı metriklerini kullanan yeni bir araştırma, farklı test üretim stratejilerini karşılaştırdı. Claude Opus 4.6 yapay zekası, insan yazımı testlerden %28,4 daha fazla benzersiz log şablonu keşfederek üstün performans gösterdi. EvoMaster ve GPT-5.2-Codex ise sırasıyla %26,1 ve %38,6 daha az etkili oldu. Araştırma, kaynak koduna erişimin olmadığı durumlarda API testlerinin kalitesini ölçmek için log kapsamı metriklerinin kullanışlı olduğunu ortaya koydu. Özellikle farklı stratejilerin kombinasyonunun test kapsamını artırdığı gözlemlendi.
Yapay zeka ile yazılım testlerini otomatikleştiren yeni sistem geliştirildi
Yazılım geliştirmede en zorlu aşamalardan biri olan test sürecini devrim niteliğinde değiştiren yeni bir sistem geliştirildi. MR-Coupler adlı bu sistem, büyük dil modellerini kullanarak yazılım kodlarındaki fonksiyonel bağlantıları analiz ediyor ve otomatik olarak test senaryoları üretiyor. Geleneksel yaklaşımların aksine, sistem uzman bilgisi gerektirmeden kaynak kodda mevcut olan fonksiyonel eşleşmeleri tespit ederek metamorfik test ilişkileri kurabiliyor. 100 insan yazımı test durumu ve 50 gerçek dünya projesi üzerinde yapılan değerlendirmeler, sistemin yanlış alarm oranını önemli ölçüde azalttığını gösteriyor. Bu gelişme, yazılım kalitesini artırırken test süreçlerini hızlandıracak ve yazılım geliştirme maliyetlerini düşürecek potansiyele sahip.