“semantik” için sonuçlar
89 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Tablolardan Daha Akıllı Bilgi Çıkarıyor
Stanford araştırmacıları, Excel ve CSV gibi tablolu verileri işlemek için yeni bir yapay zeka yaklaşımı geliştirdi. Mevcut RAG (Retrieval-Augmented Generation) sistemleri tablolu verileri işlemekte yetersiz kalırken, yeni STC (Structure-Aware Tabular Chunking) framework'ü tablonun yapısal özelliklerini koruyan akıllı parçalama yöntemi kullanıyor. Bu yöntem, her satırı anahtar-değer çiftleri olarak kodlayarak hiyerarşik bir ağaç yapısı oluşturuyor ve semantik ilişkileri koruyarak daha verimli veri işleme sağlıyor. Testlerde, geleneksel yöntemlere göre %40-56 daha az parça oluştururken token kullanımını artırdı.
Yapay Zeka ile Bilimsel Sınıflandırma Sistemleri Daha Tutarlı Hale Geliyor
Bilimsel literatürün hızla büyümesi, araştırma alanlarının sistematik olarak organize edilmesini zorlaştırıyor. Araştırmacılar, büyük dil modelleri kullanarak bilimsel taksonomi üretimi için yeni bir çerçeve geliştirdi. SC-Taxo adlı bu sistem, hiyerarşik seviyelerde semantik tutarlılığı sağlayarak daha kaliteli sınıflandırma yapıları oluşturuyor. Geleneksel yöntemlerin aksine, bu yaklaşım yapısal tutarsızlıkları ve anlam uyumsuzluklarını minimize ediyor. Sistem, bilim literatürünün keşfedilmesi, konu navigasyonu, trend analizi ve bilgi erişiminde önemli iyileştirmeler sunuyor. Bu gelişme, bilimsel bilginin daha etkili organize edilmesi açısından kritik önem taşıyor.
AI modelleri çoklu grafikleri anlayamıyor: İnsan benzeri görsel akıl yürütmede büyük açık
Araştırmacılar, yapay zeka modellerinin birden fazla grafik üzerinde akıl yürütme yeteneğini test eden InterChart adlı yeni bir değerlendirme sistemi geliştirdi. Bu test, bilimsel raporlama, finansal analiz ve kamu politikası panolarında kritik olan çoklu grafik analizi becerisini ölçüyor. Mevcut en gelişmiş görsel-dil modellerinin bu konuda ciddi eksiklikleri olduğu ortaya çıktı. Test üç zorluk seviyesinden oluşuyor: tekil grafik analizi, birbirleriyle ilişkili grafik setlerinde bütünleştirici analiz ve gerçek dünya grafik çiftlerinde semantik çıkarım. Sonuçlar, grafik karmaşıklığı arttıkça AI modellerinin başarısının dramatik şekilde düştüğünü gösteriyor. Bu bulgular, AI sistemlerinin gerçek dünya uygulamalarında daha etkili olabilmesi için görsel akıl yürütme yeteneklerinin geliştirilmesi gerektiğini ortaya koyuyor.
Yapay Zeka Hafıza Sistemi: LLM'ler Artık Deneyimlerinden Öğrenebiliyor
Araştırmacılar, büyük dil modellerinin (LLM) etiketli örneklerden öğrenmesi için yeni bir hafıza destekli sistem geliştirdi. Geleneksel fine-tuning yöntemlerinin maliyetli ve esnek olmayan yapısına alternatif olan bu sistem, episodik ve semantik hafıza türlerini kullanıyor. Episodik hafıza geçmiş deneyimleri saklarken, semantik hafıza bunları yeniden kullanılabilir rehberlere dönüştürüyor. Test sonuçlarında, bu yaklaşım sıfır-atış temel modellere göre ortalama %8.1, yalnızca etiket kullanan RAG sistemlerine göre %4.6 oranında iyileşme sağladı. Sistem, LLM'lerin parametrelerini güncellemeden öğrenmesine olanak tanıyarak, yapay zeka alanında önemli bir adım oluşturuyor.
Yapay Zeka ile Duygusal Tıklama Tuzağı Saldırıları Geliştiriliyor
Araştırmacılar, sosyal medyada kullanıcıları kandırmak için duygusal manipülasyon tekniklerini kullanan yeni bir yapay zeka saldırı yöntemi geliştirdi. Çalışma, geleneksel clickbait tespitinin yetersizliğini ortaya koyarken, Valence-Arousal-Dominance (VAD) duygusal modelini kullanarak optimize edilmiş aldatıcı başlıklar üreten bir sistem sunuyor. Bu sistem, büyük dil modellerini kullanarak semantik olarak benzer sosyal medya gönderileriyle eşleşen, ancak duygusal etkisi maksimize edilmiş içerikler yaratabiliyor. Araştırma, dijital güvenlik ve bilgi kirliliği alanında önemli sonuçlar doğuruyor.
Konuşma Tanıma Sistemleri İçin Yeni Değerlendirme Yöntemleri Geliştirildi
Araştırmacılar, otomatik konuşma tanıma sistemlerinin kalitesini ölçmek için geleneksel kelime hata oranının ötesinde iki yeni metrik geliştirdi. POSER adlı ölçüm dilbilgisel doğruluğu, EmbER ise semantik anlamı değerlendiriyor. Bu yenilikçe yaklaşım, yapay zeka destekli konuşma tanıma teknolojilerinin gerçek performansını daha kapsamlı şekilde anlamamızı sağlıyor. Özellikle dil modelleriyle desteklenen sistemlerin ne kadar başarılı olduğunu sadece doğru kelime sayısıyla değil, dilbilgisel ve anlamsal doğrulukla da ölçebilmemizi mümkün kılıyor.
Çeviri Yaparken Duygular Kaybolmasın: Küçük Dil Modelleri Test Edildi
Makine çevirisi teknolojisinde anlam doğruluğu kadar duygusal bütünlük de önemli. Araştırmacılar, EuroLLM, Aya Expanse ve Gemma gibi üç gelişmiş küçük dil modelinin çeviri sırasında ince duygusal nüansları ne kadar koruduğunu inceledi. GoEmotions veri seti kullanılarak yapılan çalışmada, Reddit yorumlarındaki 28 farklı duygu kategorisi beş Avrupa dilinde test edildi. Sonuçlar, mevcut çeviri sistemlerinin semantik eşdeğerliği korumada başarılı olmasına rağmen, duygusal sadakati sağlamada hala zorluklar yaşadığını gösteriyor. Bu araştırma, gelecekte daha empatik ve duygusal açıdan hassas çeviri teknolojilerinin geliştirilmesi açısından önem taşıyor.
Gece Görevlerinde İHA'lar İçin Termal Görüntü Tabanlı Konum Belirleme Sistemi
GPS sinyallerinin alınamadığı gece koşullarında insansız hava araçlarının konum belirlemesi kritik bir sorun. Araştırmacılar, gündüz RGB verilerinden oluşturulan 3D haritalarla gece çekilmiş termal görüntüleri eşleştiren yenilikçi bir sistem geliştirdi. Semantik yeniden projeksiyon çerçevesi adı verilen bu yaklaşım, görüntülerdeki nesneleri sınıflandırarak ortak bir anlam alanında çalışıyor. Sistem, 6.5 kilometrelik gerçek uçuş testlerinde 2.18 metre hassasiyetle konum belirlemeyi başardı. Bu gelişme, arama-kurtarma operasyonları, güvenlik görevleri ve gece devriye uçuşları gibi kritik uygulamalarda güvenilir navigasyon sağlayabilir.
Yapay Zeka Soru-Cevap Sistemleri İçin Devrim Niteliğinde Hafıza Teknolojisi
Araştırmacılar, büyük dil modellerinin bilgi grafiklerinden veri çekerken karşılaştığı temel soruna çözüm buldu. CacheRAG adlı yeni sistem, yapay zekanın geçmiş sorulardan öğrenmesini sağlayarak performansı dramatik şekilde artırıyor. Geleneksel sistemler her soruyu sıfırdan işlerken, bu teknoloji hafıza kullanarak daha akıllı ve tutarlı yanıtlar üretiyor. Sistem, şema bağımsız arayüzü ve semantik önbellek mekanizması sayesinde hem uzman olmayan kullanıcılar için erişilebilir hem de teknik açıdan daha güvenilir. Bu gelişme, yapay zeka asistanlarından arama motorlarına kadar geniş bir yelpazede uygulanabilir ve AI sistemlerinin insan benzeri öğrenme kabiliyeti kazanmasında önemli bir adım.
Yapay Zeka Özetlerindeki Yanlış Bilgileri Tespit Eden Sistem Geliştirildi
Büyük dil modelleri kullanarak veri kümelerinden doğal dil özetleri çıkarmak artık yaygın bir uygulama. Ancak bu özetlerde yer alan iddialar her zaman gerçek verilerle örtüşmüyor. Araştırmacılar bu sorunu çözmek için Evergreen adlı bir sistem geliştirdi. Sistem, yapay zeka tarafından üretilen özetlerdeki iddiaları otomatik olarak doğrulayabiliyor. Özellikle büyük veri kümelerinde sayısal karşılaştırmalar, gruplamalar ve niceleyiciler içeren karmaşık iddiaları kontrol etmede başarılı sonuçlar veriyor. Evergreen, iddia doğrulama sürecini semantik sorgu işleme görevine dönüştürerek çalışıyor ve gereksiz yapay zeka çağrılarını önleyerek maliyet ve gecikmeyi azaltıyor.
Robotlar İnsanlarla Beraber Yürüyor: Sosyal Navigasyon Devrimi
Araştırmacılar, robotların açık hava ortamlarında insanlarla güvenli ve sosyal olarak uyumlu şekilde uzun mesafelerde yürüyebilmesini sağlayan yeni bir sistem geliştirdi. 'Walk with Me' adlı bu çerçeve, önceden hazırlanmış pahalı haritalar gerektirmeden, doğal dil komutlarını anlayarak robotları hedefe yönlendirebiliyor. Sistem, GPS verileri ve halka açık harita API'lerini kullanarak semantik hedef belirleme yapıyor. İki seviyeli yapısıyla çalışan sistem, üst seviyede soyut talimatları somut hedeflere dönüştürürken, alt seviyede anlık duruma göre güvenlik kararları alıyor. Bu gelişme, özellikle yaşlı bakımı ve engelli yardımı gibi alanlarda robotların günlük hayattaki rolünü artırabilir.
Yapay Zeka Modellerinin Hızını Artıran Yeni 'Gevşek Doğrulama' Yöntemi
Araştırmacılar, büyük dil modellerinin çıkarım hızını artırmak için FLy adlı yeni bir yöntem geliştirdi. Geleneksel spekülatif kod çözme yöntemleri sadece tam eşleşen token'ları kabul ederken, FLy semantik olarak doğru ancak farklı ifadeleri de değerlendiriyor. Sistem, entropy tabanlı iki katmanlı bir mekanizma kullanarak hangi durumlarda alternatif token'ların kabul edilebileceğini belirliyor. Bu yaklaşım, modelin kendi kendini düzeltme yeteneğinden faydalanarak daha esnek bir doğrulama kriteri sunuyor. Özellikle dağıtım dışı görevlerde performans kaybı yaşayan mevcut yöntemlere alternatif olan FLy, ek eğitim gerektirmeden çalışabiliyor.
Endüstriyel Sistemlerde Model Doğrulama İçin Yeni Çerçeve Geliştirildi
Modern endüstriyel sistemlerin artan karmaşıklığı ve otomasyon ihtiyacı, model tabanlı sistem mühendisliğinde tutarlı ve semantik olarak doğrulanmış modeller gerektiriyor. Araştırmacılar, Object Constraint Language (OCL) kısıtlamalarını ve doğrulama sonuçlarını Asset Administration Shell teknolojisi üzerinden yönetmek için yeni bir yaklaşım geliştirdi. Bu sistem, farklı araçlarda ayrı ayrı yönetilen MBSE modelleri ile OCL kısıtlamaları arasındaki boşluğu doldurarak, manuel işlemleri azaltmaya odaklanıyor. Endüstriyel sistemlerde birlikte çalışabilirlik için köklü bir teknoloji olan Asset Administration Shell kullanılarak, model kısıtlamalarının uygulanması ve sonuçların yorumlanması süreçleri otomatikleştiriliyor.
Yapay Zeka Elle Yazılmış Kurallar Olmadan Dil Yapısını Öğrendi
Araştırmacılar, semantik ayrıştırma alanında çığır açan bir yöntem geliştirdiler. Yeni sistem, önceden yazılmış kompozisyonel kurallar kullanmadan dilin yapısal özelliklerini öğrenebiliyor. Nöral hücresel otomaton tabanlı model, SLOG veri setinde 17 yapısal genelleme kategorisinin 11'inde mükemmel sonuçlar elde etti. Transformer tabanlı modeller yapısal genelleme konusunda başarısız olurken, mevcut AM-Parser sistemi elle yazılmış cebirsel kurallara ihtiyaç duyuyor. Yeni yaklaşım ise tüm kompozisyonel kuralları veriden öğrenerek bu sınırlamaları aşıyor. Bu gelişme, doğal dil işleme alanında makinelerin dil yapısını daha esnek şekilde kavramasının önünü açıyor.
Robot kontrolünde çığır açan ikili sistem: Libra-VLA ile hiyerarşik öğrenme
Araştırmacılar, robotların dil komutlarını fiziksel eylemlere dönüştürmesini sağlayan Vision-Language-Action (VLA) modellerinde yeni bir yaklaşım geliştirdi. Libra-VLA adlı sistem, robot manipülasyonunu kaba-ince hiyerarşide ikiye ayırarak öğrenme sürecini optimize ediyor. Geleneksel tek sistem yaklaşımları yerine, büyük ölçekli yön belirleme ve hassas pozisyon ayarlamasını ayrı ayrı ele alan bu model, robotların karmaşık görevleri daha etkin şekilde öğrenmesini sağlıyor. Çalışma, yüksek seviyeli semantik talimatlar ile düşük seviyeli motor komutları arasındaki boşluğu kapatmaya odaklanıyor.
Robotlar Artık Semantik İlişkilerle Çevreyi Daha İyi Anlıyor
Araştırmacılar, robotların kapalı mekanlarda konum belirleme yeteneklerini artıran yeni bir yöntem geliştirdi. Geleneksel SLAM (Simultaneous Localization and Mapping) sistemleri, tekrarlayan veya simetrik düzenlere sahip ortamlarda zorlanırken, yeni yaklaşım nesneler ile yapısal unsurlar arasındaki semantik ilişkileri kullanarak bu sorunu çözüyor. RGB-D kamera verilerinden tespit edilen nesnelerin odalar ve duvarlarla olan bağlantıları analiz edilerek, robot daha doğru konum belirleyebiliyor. Bu gelişme, otonom robotların karmaşık iç mekanlarda navigasyonunu önemli ölçüde geliştirebilir.
Robotlar artık mimari planları okuyarak kendilerini konumlandırabilecek
Araştırmacılar, robotların mimari kat planlarındaki hem geometrik hem de semantik bilgileri kullanarak kendilerini konumlandırabileceği yeni bir algoritma geliştirdi. COMPASS adlı bu sistem, çift balık gözü kamera ile donatılmış robotların duvar, pencere ve açıklık gibi yapısal unsurları tanımlayarak konumlarını belirlemesini sağlıyor. Geleneksel yöntemlerin aksine, sadece geometrik veriler değil, çevredeki anlamsal bilgiler de kullanılarak konum belirleme hassasiyeti artırılıyor. Sistem, kat planından 360 derece açıyla ışın göndererek beş farklı kanalda veri topluyor: normalize edilmiş menzil, yapısal element türü, menzil gradyanı, ters menzil ve yerel menzil varyansı. Bu yaklaşım, özellikle kapalı mekanlarda GPS'in yetersiz kaldığı durumlarda robotik navigasyon için büyük potansiyel sunuyor.
Yapay Zeka Modellerinde Yeni Keşif: Az Kelimeyle Daha Doğru Sonuç
Araştırmacılar, yapay zeka modellerinin daha az kelime kullanarak daha doğru sonuçlar üretebileceğini gösteren 'Semantik Yoğunluk Etkisi'ni keşfetti. Bu etki, komutlardaki anlam yüklü kelimelerin oranının artırılmasıyla elde ediliyor. Beş farklı AI modelinde yapılan testler, gereksiz kelimelerin çıkarılıp anlamlı olanların korunmasıyla performansın ortalama %8,4 oranında arttığını gösterdi. Bu yaklaşım, model hızını etkilemeden halüsinasyon sorununu azaltıyor ve daha odaklı yanıtlar üretiyor. Bulgular, AI ile etkileşimde 'az ama öz' prensibiinin ne kadar önemli olduğunu ortaya koyuyor.
Java Uygulamalarındaki Güvenlik Açıklarını Tespit Eden Yeni Sistem: GONDAR
Araştırmacılar, Java uygulamalarındaki güvenlik açıklarını daha etkili bir şekilde tespit edebilen GONDAR adlı yeni bir sistem geliştirdi. Bu çerçeve, güvenlik açısından hassas API'ların semantiklerini sistematik olarak kullanarak hedefli zafiyet keşfi yapıyor. Java uygulamaları, dosya işlemlerinden uzaktan kod çalıştırmaya kadar birçok güvenlik riski taşıyor. GONDAR, bu riskleri daha doğru tespit etmek için yapay zeka destekli filtreleme ve özelleştirilmiş ajanlar kullanıyor. Sistem, önce erişilebilir ve istismar edilebilir API çağrı noktalarını belirliyor, ardından iki uzman ajan devreye giriyor.
Yapay Zeka Ajanları: Klasik Sistemlerden Büyük Dil Modellerine Geçiş
Yapay zeka alanında çok-ajan sistemleri (MAS) hızla evrimleşiyor ve klasik paradigmalardan büyük temel modellere dayalı mimarilere geçiş yapıyor. Yeni araştırma, bu iki yaklaşımın kapsamlı karşılaştırmasını sunuyor. Klasik sistemler algı, iletişim, karar verme ve kontrol boyutlarında çalışırken, büyük dil modeli tabanlı sistemler işbirliğini düşük seviyeli veri değişiminden semantik düzeydeki akıl yürütmeye taşıyor. Bu gelişme, ajanlar arası koordinasyonu daha esnek hale getiriyor ve farklı senaryolara uyum sağlama kabiliyetini artırıyor. Araştırmacılar, her iki sistem türünün mimari yapı, işleyiş mekanizması, uyum kabiliyeti ve uygulama alanları açısından detaylı analizini gerçekleştirdi.
SentiAvatar: Duygularını ifade eden dijital insanlar gerçek zamanlı etkileşime hazır
Araştırmacılar, gerçek zamanlı olarak konuşabilen, jest yapabilen ve duygu ifade edebilen 3D dijital karakter sistemini geliştirdi. SentiAvatar adlı bu framework, 37 saatlik özel veri seti ve 200 binden fazla hareket sekansıyla eğitilmiş yapay zeka modeli kullanıyor. Sistem, konuşma sesini vücut hareketleri ve yüz ifadeleriyle senkronize ederek doğal etkileşim sağlıyor. SuSu adlı sanal karakter ile test edilen teknoloji, gelecekte sanal asistanlar, eğitim uygulamaları ve metaverse deneyimlerinde kullanılabilir. Çalışma, semantik planlama ile çerçeve düzeyinde hareket üretimini ayıran yenilikçi mimariyle dijital insan teknologisinde önemli adım teşkil ediyor.
Yapay Zeka Sistemlerinin 'Anlam Karmaşası' Sorunu Çözüm Buldu
Yapay zeka sistemlerinin bilgi arama süreçlerinde karşılaştığı kritik bir sorun olan 'anlam karmaşası' için yenilikçi bir çözüm geliştirildi. Retrieval-Augmented Generation (RAG) sistemleri, farklı konuları içeren metinleri işlerken semantik olarak ayrı içerikleri aynı komşuluk bölgelerinde gruplandırıyor ve bu durum arama hassasiyetini düşürüyordu. Araştırmacılar, bu sorunu ölçmek için Entanglement Index adlı bir metrik geliştirdi ve Semantic Disentanglement Pipeline isimli dört aşamalı bir ön işleme sistemi önerdi. Bu yenilik, yapay zeka asistanlarının daha doğru ve bağlama uygun bilgilere erişmesini sağlayacak.
Yeni yapay zeka modeli, gizliliği koruyarak farklı platformlardan öneri sistemi geliştirdi
Araştırmacılar, kullanıcı verilerinin gizliliğini koruyarak farklı platformlardaki bilgileri birleştiren yeni bir öneri sistemi geliştirdi. FedCRF adlı bu sistem, Netflix'ten Amazon'a kadar farklı platformlardaki kullanıcı davranışlarını analiz ederken kişisel bilgileri güvende tutuyor. Geleneksel yöntemlerin aksine, ortak kullanıcı veya ürün gerektirmeden çalışabilen sistem, metinsel anlamları köprü olarak kullanarak platformlar arası bilgi transferi sağlıyor. Federe öğrenme yaklaşımıyla sunucu tarafında global semantik kümeler oluştururken, istemci tarafında yerel veri dağılımlarına dinamik olarak adapte olan özel bir modül kullanıyor. Bu yenilik, dijital platformların artan veri dağınıklığı sorununa çözüm getirirken kullanıcı gizliliğini ön planda tutuyor.
Yapay Zeka Ajanları İçin Akıllı Araç Önerisi Sistemi Geliştirildi
Büyük dil modelleri tabanlı yapay zeka ajanları, Model İletişim Protokolü (MCP) sayesinde çok sayıda dış araca erişebiliyor. Ancak belirli bir görev için hangi araçların kullanılacağını seçmek karmaşık bir süreç. Araştırmacılar bu sorunu çözmek için Task2MCP adında yeni bir veri seti geliştirdi. Bu sistem, geliştiricilerin projelerine en uygun MCP sunucularını bulmasına yardımcı oluyor. Çalışma, semantik uygunluk ve teknik kısıtları birlikte değerlendirerek strukturel bir öneri-sıralama yaklaşımı kullanıyor. Bu gelişme, yapay zeka ajanlarının daha verimli çalışması ve doğru araçları seçmesi açısından önemli bir adım.