“framework” için sonuçlar
264 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
KRONE: Sistem Loglarındaki Anormallikleri Tespit Eden Yeni Yapay Zeka Çözümü
Bilgisayar sistemlerinin güvenliğini sağlamak için kritik olan log anomali tespitinde çığır açan bir gelişme yaşandı. KRONE adlı yeni framework, geleneksel yöntemlerin aksine sistem loglarını hiyerarşik yapıda analiz ederek daha doğru anomali tespiti gerçekleştiriyor. Sistemlerde oluşan loglar aslında iç içe geçmiş bileşenlerin çalışma kayıtları olmasına rağmen, düz metin dizileri halinde saklanınca bu yapısal ilişkiler kayboluyordu. KRONE, bu sorunu çözerek logları anlamlı hiyerarşik yapılara dönüştürüyor ve modüler tespit stratejisi kullanıyor. Bu yenilik, sistem hatalarının ve güvenlik risklerinin daha erken ve doğru tespit edilmesini sağlayarak siber güvenlik alanında önemli bir adım teşkil ediyor.
Havacılık yapılarında yeni modal analiz yöntemi geliştirdi
Araştırmacılar, havacılık yapılarının titreşim özelliklerini analiz etmek için yeni bir yöntem geliştirdi. NExT-LF adı verilen bu teknik, uçak ve uzay araçlarının yapısal sağlığını izlemede kullanılan geleneksel yöntemlerin eksikliklerini gideriyor. Mevcut teknikler büyük sistemlerde karmaşık hesaplamalar gerektirirken, gürültülü ortamlarda da zorlanıyordu. Yeni yöntem, Loewner Framework'ün hesaplama verimliliğini Natural Excitation Technique ile birleştirerek bu sorunları aşıyor. Tangential interpolasyon sayesinde daha hızlı ve doğru sonuçlar elde ediliyor. Bu gelişme, uçakların yapısal durumunun gerçek zamanlı izlenmesi ve güvenlik açısından kritik öneme sahip.
Donanım Tasarımında Hata Tespiti: Pecker ile Zaman Tabanlı Hata Avcılığı
Donanım mühendisleri için büyük bir zaman kaybı olan hata tespiti sorunu, yeni bir yaklaşımla çözüme kavuşuyor. Araştırmacılar, Pecker adlı yenilikçi framework ile donanım tasarımlarındaki hataları daha hızlı ve kesin bir şekilde belirlemenin yolunu buldu. Yazılım tabanlı hata tespit yöntemlerinin donanım dünyasında yetersiz kalması, donanımın zamana bağlı çalışma karakteristiklerinden kaynaklanıyor. Bir hatanın ortaya çıktığı an ile fark edildiği an arasındaki zaman farkı, köken nedenini bulmayı zorlaştırıyor. Pecker, kırılan nedensel zinciri yeniden inşa ederek bu sorunu aşıyor. Sistem, zamansal geri izleme teknikleri kullanarak hatanın hangi döngüde aktif hale geldiğini tahmin ediyor. Bu yaklaşım, donanım geliştirme süreçlerini önemli ölçüde hızlandırarak mühendislerin debugging için harcadığı süreyi azaltma potansiyeli taşıyor.
Otonom araçlar için yeni AI sistemi beklenmedik nesneleri daha iyi tanıyor
Otonom sürüş teknolojisinde önemli bir adım: araştırmacılar, LiDAR sensörleriyle çalışan yapay zeka sistemlerinin beklenmedik nesneleri tespit etme yetisini artıran yeni bir framework geliştirdi. Neural Distribution Prior (NDP) adlı bu sistem, eğitim verilerinde bulunmayan nesneleri tanımada mevcut yöntemlerin ana sorunu olan sınıf dengesizliği problemini çözüyor. Geleneksel sistemler tüm nesne sınıflarının eşit dağıldığını varsayar, ancak gerçek dünyada bu böyle değil. NDP, ağ tahminlerinin dağılım yapısını modelleyerek ve öğrenilen dağılım önceliğine göre skorları yeniden ağırlıklandırarak bu sorunu aşıyor. Sistem ayrıca dikkat tabanlı bir modül ile sınıf bağımlı güven yanlılığını düzeltiyor ve Perlin gürültüsü tabanlı sentez stratejisi kullanıyor.
Merkeziyetsiz Öğrenmede Kötü Niyetli Makineleri Tespit Eden Yeni Yöntem
Araştırmacılar, merkeziyetsiz öğrenme sistemlerinde Bizans saldırılarına karşı yeni bir savunma stratejisi geliştirdi. Geleneksel yöntemler saldırgan makinelerin etkisini azaltmaya odaklanırken, bu yeni yaklaşım kötü niyetli düğümleri aktif olarak tespit edip ağdan çıkarıyor. DRSGD-ByMI adlı framework, 'önce tespit et, sonra optimize et' mantığıyla çalışıyor ve p-değeri gerektirmeyen bir tespit prosedürü kullanıyor. Bu yöntem, yanlış keşif oranını kontrol altında tutarken, kısıtlayıcı dağılım varsayımları gerektirmiyor. Sistem, örnek-bölme skor istatistikleri kullanarak kötü niyetli düğümleri hassas bir şekilde belirliyor ve böylece tam yakınsama sağlıyor.
Matematik Algoritmalarda Yeni Dönem: Kendiliğinden Doğru Hesaplama Yöntemleri
Araştırmacılar, recursive coalgebra teorisini kullanarak matematiksel algoritmaların doğruluğunu garanti altına alan yeni bir framework geliştirdi. Bu yaklaşım, algoritmaların tip yapısından hareketle otomatik olarak doğru sonuçlar üretmesini sağlıyor. Geleneksel yöntemlerde algoritmanın doğruluğunu kanıtlamak karmaşık ve özel teknikler gerektirirken, yeni sistem 'well-founded functor' kavramını kullanarak bu süreci basitleştiriyor. Çalışma, özellikle proof assistant sistemlerinde recursive algoritmaların formalizasyonunda önemli kolaylıklar sunuyor ve bilgisayar bilimlerinde algoritma tasarımına yeni bir perspektif getiriyor.
Karakteristik 2 Alanlarında K-Teori Sembollerinin Yeni Matematiksel Yapısı Keşfedildi
Matematik dünyasında önemli bir gelişme yaşandı. Araştırmacılar, karakteristik 2 olan cebirsel yapılarda K-teori sembollerinin davranışlarını açıklayan yeni bir matematiksel framework geliştirdi. Bu çalışma, iki sembolün toplamının nasıl analiz edileceğini gösteren 'zincir lemması' adlı yeni bir yaklaşım sunuyor. Bulgular, K₂(F)/2K₂(F) yapısında sembol toplamlarının ne zaman tek bir sembole indirgenebileceğini belirleyen kritik koşulları ortaya koyuyor. Araştırma, özellikle K₄(F)/2K₄(F) yapısında tanımlanan yeni bir değişmezin varlığını kanıtlıyor ve bu değişmezin ne zaman önemsiz olduğunu açıklığa kavuşturuyor. Bu teorik gelişme, cebirsel K-teori alanında sembol uzunluğu problemlerine yeni çözüm yolları açıyor.
Zaman Serisi Tahminlerinde Devrim: TempusBench Değerlendirme Sistemi Geliştir
Araştırmacılar, zaman serisi tahmin modellerinin performansını değerlendirmek için yeni bir framework olan TempusBench'i geliştirdi. Mevcut değerlendirme sistemlerinin yetersizliklerini gidermek amacıyla tasarlanan bu sistem, güncel veri setleri kullanıyor ve modellerin istatistiksel özelliklerini daha kapsamlı analiz ediyor. TempusBench, özellikle son dönemde hızla gelişen temel zaman serisi modellerinin (TSFM) daha objektif karşılaştırılmasını sağlıyor. Bu gelişme, finans, enerji ve iklim tahminlerinde kullanılan yapay zeka modellerinin güvenilirliğini artırabilir.
Yapay Zeka Destekli Optimizasyon Algoritmaları Yeni Bir Boyuta Taşınıyor
Araştırmacılar, büyük dil modellerinin (LLM) kombinatoryal optimizasyon problemlerini çözme yeteneğini geliştiren yenilikçi bir framework geliştirdi. DASH adı verilen bu sistem, geleneksel yöntemlerin aksine sadece nihai sonuçlara odaklanmak yerine çözüm sürecinin dinamiklerini de dikkate alıyor. Bu yaklaşım, algoritmaların hem daha hızlı hem de daha verimli çalışmasını sağlıyor. Özellikle farklı problem türlerine uyum sağlama maliyetini azaltarak, otomatik heuristik üretim sürecini optimize ediyor. Çalışma, yapay zekanın karmaşık optimizasyon problemlerini çözmede daha akıllı stratejiler geliştirebileceğini gösteriyor.
Yapay zeka ile hücre kaderini tahmin etmek: MIOFlow 2.0 geliştirildi
Bilim insanları, tek hücre verilerinden hücrelerin zaman içindeki değişimlerini modelleyen yeni bir yapay zeka sistemi geliştirdi. MIOFlow 2.0 adlı bu framework, hücrelerin gelişim süreçlerini, hastalık ilerleyişini ve rejenerasyon mekanizmalarını anlamak için kritik olan hücresel trajektorileri tahmin ediyor. Sistem, deterministik yaklaşımların aksine, hücrelerin stokastik (olasılıksal) davranışlarını, populasyon değişimlerini ve çevresel faktörlerin etkilerini modelleyebiliyor. Özellikle tek hücre sekanslama verilerinden sürekli hücresel yolakları çıkarabilme yetisi, gelişim biyolojisi ve hastalık araştırmalarında önemli ilerlemeler sağlayabilir.
Yapay Zeka Ajanlarında İstemci Tarafı Optimizasyon: AgentOpt Çerçevesi
Yapay zeka ajanları günlük hayatta giderek yaygınlaşırken, araştırmacılar şimdiye kadar sadece sunucu tarafındaki verimliliğe odaklanmışlardı. MIT ve Stanford araştırmacıları tarafından geliştirilen AgentOpt, bu alandaki önemli bir boşluğu dolduruyor. İstemci tarafında kaynak optimizasyonu yapabilen ilk framework-bağımsız Python paketi olan AgentOpt, geliştiricilerin model seçimi, yerel araçlar ve API bütçesini uygulama gereksinimlerine göre optimal şekilde dağıtmasını sağlıyor. Sistem, kalite, maliyet ve gecikme kısıtları altında en iyi performansı hedefliyor. Bu yaklaşım, AI ajanlarının daha verimli ve maliyet-etkili çalışmasını mümkün kılarak, gerçek dünya uygulamalarında yaşanan kaynak israfını önemli ölçüde azaltma potansiyeline sahip. AgentOpt'un sunduğu istemci tarafı optimizasyon, AI ajanlarının endüstriyel adaptasyonunda kritik bir adım olarak değerlendiriliyor.
ModuSeg: Eğitimsiz Görüntü Bölütleme için Devrim Niteliğinde Yaklaşım
Araştırmacılar, görüntü işlemede önemli bir soruna yenilikçi bir çözüm geliştirdi. ModuSeg adlı bu yeni framework, zayıf denetimli görüntü bölütleme işlemini eğitim gerektirmeden gerçekleştiriyor. Geleneksel yöntemler, nesne tanıma ve konumlandırmayı birlikte optimize etmeye çalışırken genellikle görüntülerin yalnızca küçük ayırt edici bölgelerine odaklanıyor. Bu da hem zaman kaybına hem de başarım düşüklüğüne neden oluyor. ModuSeg, nesne keşfi ile anlambilimsel atama süreçlerini birbirinden ayırarak bu sorunu çözüyor. Sistem, güvenilir sınırları olan geometrik önerileri çıkarmak için genel bir maske önerici kullanırken, anlambilimsel temel modelleri kullanarak çevrimdışı özellik bankası oluşturuyor. Bu yaklaşım, çok aşamalı yeniden eğitim gerektirmediği için hem zaman tasarrufu sağlıyor hem de daha kararlı sonuçlar veriyor.
3D Gaussian Splatting'de Çığır Açan Geliştirme: Bozucu Öğeleri Kademeli Filtreleyen Sistem
Bilgisayar grafikleri dünyasında gerçek zamanlı fotorealistik görüntü oluşturma alanında önemli bir gelişme yaşanıyor. 3D Gaussian Splatting (3DGS) teknolojisi, çoklu görüntülerden 3D sahneler oluşturmada devrim yaratmış, ancak girdi görüntülerindeki tutarsızlıklar ve bozucu öğeler nedeniyle görsel bozulmalar yaşanıyordu. Araştırmacılar tarafından geliştirilen PDF-GS adlı yeni framework, bu sorunu çözmek için 3DGS'nin doğasında bulunan tutarsız sinyalleri bastırma yetisini keşfetti ve bu özelliği güçlendiren kademeli bir optimizasyon sistemi tasarladı. Sistem, bozucu öğeleri aşamalı olarak filtrelerken, sonrasında temizlenmiş verilerden ince detayları geri kazandırıyor. Bu yenilikçi yaklaşım, 3D sahne rekonstrüksiyonu ve sanal gerçeklik uygulamalarında daha güvenilir ve yüksek kaliteli sonuçlar elde edilmesini sağlıyor.
Code Whisperer: Yazılım Hatalarını Bulup Onaran Hibrit AI Sistemi
Araştırmacılar, yazılım kodlarındaki güvenlik açıklarını ve bakım sorunlarını tespit edip otomatik olarak onarabilen yeni bir yapay zeka sistemi geliştirdi. 'Code Whisperer' adlı bu hibrit framework, graf tabanlı program analizi ile büyük dil modellerini birleştiriyor. Sistem, kodun yapısal özelliklerini ve anlamsal bağlamını aynı anda değerlendirerek, mevcut araçların ürettiği gereksiz uyarıları azaltıyor ve daha kullanışlı çözüm önerileri sunuyor. Çoklu programlama dili desteği sunan sistem, sadece graf analizi veya sadece dil modeli kullanan yaklaşımlardan daha başarılı sonuçlar elde ediyor.
Yapay Zeka ile Şehir Planlaması: Benzer Kentleri Keşfetmenin Yeni Yolu
Araştırmacılar, şehirlerdeki arazi kullanım desenlerini analiz ederek benzer kentleri tespit eden yeni bir yapay zeka metodolojisi geliştirdiler. Copernicus programının Kentsel Atlas verilerini kullanan bu çalışma, veri madenciliği ve denetimsiz öğrenme tekniklerini birleştireyor. Sistem, şehirlerdeki farklı arazi türlerinin nasıl bir arada bulunduğunu inceleyerek kentler arasında benzerlik kuruyor. Bu yaklaşım, şehir plancılarına ve politika yapıcılarına değerli içgörüler sunarak, başarılı kentsel çözümlerin diğer şehirlere uyarlanmasını kolaylaştırabilir. Geliştirilen framework ölçeklenebilir olup, kaynak kodları halka açık olarak paylaşılmış durumda.
Yapay Zeka Hizalaması: Davranış Kontrolünden Kurumsal Tasarıma
Stanford araştırmacıları yapay zeka güvenliği için yeni bir yaklaşım önerdi. Mevcut yöntemler yapay zekanın davranışlarını sürekli denetleyerek düzeltmeye odaklanırken, bu çalışma ekonomik kuramlardan ilham alarak farklı bir yol öneriyor. Araştırmacılar, mülkiyet hakkının olmadığı bir ekonomiye benzettiği mevcut sistemlerin sürekli polis denetimi gerektirdiğini ve bu durumun ölçeklenmediğini belirtiyor. Bunun yerine, yapay zeka sistemlerinin iç yapısını öyle tasarlama öneriyorlar ki, istenen davranış en düşük maliyetli seçenek haline gelsin. Bu yaklaşım, yapay zeka hizalamasını bir davranış kontrolü sorunundan ziyade politik-ekonomi sorunu olarak görüyor. Çalışma, insan müdahalesinin üç temel seviyesini tanımlıyor: yapısal, parametrik ve denetimsel. Bu yeni framework, yapay zeka güvenliğinde paradigma değişikliği yaratabilir.
Dronelar için Hafif Görüntü Kalitesi Değerlendirme Sistemi Geliştirildi
Araştırmacılar, insansız hava araçları (drone) ile çekilen görüntülerin kalitesini otomatik olarak değerlendiren yeni bir sistem geliştirdi. MM-IQA adı verilen bu framework, bulanıklık, kenar yapısı, düşük çözünürlük, pozlama dengesizliği, gürültü ve sis gibi çoklu metrikleri kullanarak 0-100 arasında kalite puanı veriyor. Özellikle referans görüntünün bulunmadığı durumlarda çalışabilen bu hafif sistem, büyük hacimli görüntü setlerinin otomatik filtrelenmesinde kritik öneme sahip. Beş farklı veri setinde yapılan testlerde 0.647 ile 0.830 arasında korelasyon değerleri elde eden sistem, tarımsal uygulamalar başta olmak üzere drone görüntülemesinin yaygın olduğu alanlarda verimlilik sağlayacak.
Bilim İnsanları İçin Otonom Yapay Zeka Asistanı Geliştirildi
Araştırmacılar, bilimsel çalışmalarda güvenli ve özerk şekilde çalışabilen yeni bir yapay zeka sistemi geliştirdi. SciFi adlı bu framework, bilim insanlarının rutin görevlerini otomatikleştirerek yaratıcı araştırmalara daha fazla zaman ayırmalarını sağlıyor. Sistem, üç katmanlı agent yapısı ve izole çalışma ortamıyla güvenilir sonuçlar üretiyor. Özellikle tanımlanmış bilimsel görevlerde minimal insan müdahalesi ile çalışabilen platform, farklı yeteneklerdeki büyük dil modellerini etkin şekilde kullanabiliyor. Bu gelişme, bilimsel araştırmalarda AI destekli otomasyonun güvenli kullanımına yönelik önemli bir adım olarak değerlendiriliyor.
MOONSHOT: Yapay Zeka Modellerini Sıkıştırma Sanatında Çoklu Hedef Yaklaşımı
Araştırmacılar, milyarlarca parametreli yapay zeka modellerini yeniden eğitmeden küçültebilen yeni bir framework geliştirdi. MOONSHOT adlı bu sistem, mevcut model sıkıştırma yöntemlerinin tek hedefli yaklaşımlarının yetersizliklerini gidererek, hem katman bazında yeniden yapılandırma hatalarını hem de eğitim kaybının matematiksel yaklaşımlarını aynı anda optimize ediyor. Bu çoklu hedefli strateji, farklı mimarilerde ve sıkıştırma seviyelerinde daha tutarlı sonuçlar veriyor. Framework, mevcut budama algoritmalarının etrafına sarılabilen esnek bir yapıya sahip ve büyük dil modellerinden görüntü işleme modellerine kadar geniş bir yelpazede kullanılabiliyor.
WebXSkill: Web Otomasyon Ajanları İçin Yeni Beceri Öğrenme Sistemi
Büyük dil modelleriyle çalışan otonom web ajanları, karmaşık tarayıcı görevlerini tamamlama konusunda umut vadediyor ancak uzun süreli iş akışlarında zorlanıyor. Araştırmacılar, bu sorunu çözmek için WebXSkill adlı yeni bir framework geliştirdi. Bu sistem, hem doğrudan çalıştırılabilen hem de ajan tarafından anlaşılabilen 'yürütülebilir beceriler' kullanıyor. Mevcut sistemlerdeki temel sorun, metin tabanlı becerilerin anlaşılır olmasına rağmen doğrudan çalıştırılamaması, kod tabanlı becerilerin ise çalıştırılabilir olmasına karşın ajan için anlaşılır olmaması. WebXSkill, parametreli eylem programlarını adım adım doğal dil rehberliğiyle birleştirerek bu açığı kapatıyor ve ajanlara hem hata kurtarma hem de adaptasyon imkanı sunuyor.
Yapay Zeka Ajanları Ağ Sorunları için Çevirmen Oluyor
Araştırmacılar, telekomünikasyon ağlarında yaşanan teknik sorunları sıradan kullanıcılarla uzmanlar arasında çeviren yenilikçi bir yapay zeka sistemi geliştirdi. Çok ajanlı büyük dil modeli mimarisi kullanan bu framework, kullanıcıların teknik bilgi gerektirmeyen sorularını otomatik olarak sınıflandırıyor, kişisel bilgileri koruyarak anonimleştiriyor ve uzman yanıtlarını anlaşılır dile çeviriyor. Sistem, öz-yansıtma mekanizmaları ile donatılmış ReAct tarzı ajanlar kullanarak iteratif çıktı iyileştirmesi yapabiliyor. Bu gelişme, özellikle özel ağ ortamlarında teknik destek süreçlerini demokratikleştirme potansiyeli taşıyor ve yapay zekanın karmaşık alan bilgilerini erişilebilir hale getirmedeki rolünü gösteriyor.
Yapay Zeka ile Radyo Ağlarını Yönetmek: A1gent Sistemi Geliştirildi
Araştırmacılar, 5G ve 6G radyo ağlarını doğal dille kontrol edebilen yeni bir sistem geliştirdi. A1gent adlı bu framework, operatörlerin 'ağ hızını artır' gibi basit komutlarla karmaşık ağ ayarlarını yapmasına olanak tanıyor. Sistem, büyük dil modellerini kullanarak insan dilindeki talepleri teknik aksiyonlara dönüştürüyor. Önemli olan, sistemin tamamen şeffaf ve denetlenebilir olması - her kararın neden alındığı izlenebiliyor. Bu yaklaşım, telekomünikasyon sektöründe otomasyon seviyesini artırırken güvenlik ve kontrol unsurlarını koruyor. Open RAN teknolojisine dayanan sistem, farklı üreticilerin ekipmanları arasında uyumlu çalışabiliyor.
Yapay Zeka İçin Yeni Güvenilirlik Sistemi: Bilişsel Devre Kesici
Büyük dil modellerinin kritik yazılım sistemlerinde yaygın kullanımı, halüsinasyon ve sahte doğruluk tespitini önemli bir mühendislik sorunu haline getirdi. Araştırmacılar, mevcut güvenilirlik sistemlerinin yüksek gecikme ve hesaplama yükü getirdiği sorununa çözüm olarak 'Bilişsel Devre Kesici' adlı yeni bir framework geliştirdi. Bu sistem, modelin ileri geçiş sırasında gizli durumları analiz ederek, dışa yansıyan güvenle iç tutarlılık arasındaki 'Bilişsel Uyumsuzluk Delta'sını hesaplıyor. Böylece yapay zekanın güvenilirliği, dış kontrol mekanizmalarına ihtiyaç duymadan ve minimal gecikmeyle izlenebiliyor. Geleneksel yöntemler genellikle üretim sonrası kontrollere dayanırken, bu yaklaşım gerçek zamanlı ve içsel bir güvenilirlik monitoring sağlıyor.
Akıllı araçlar ve trafik ışıkları birlikte çalışarak şehir trafiğini optimize ediyor
Araştırmacılar, insan sürücüler ve otonom araçların birlikte bulunduğu karma trafik ortamları için yenilikçi bir yönetim sistemi geliştirdi. Bu hiyerarşik framework, akıllı araçları en verimli rotalarla yönlendirirken, aynı zamanda trafik ışıklarının zamanlamasını da optimize ediyor. Sistem iki katmanda çalışıyor: üst katman şehir genelindeki trafik verilerini analiz ederek bağlantılı ve otonom araçlar için proaktif rota önerileri sunuyor, alt katman ise kavşaklarda yerel araç durumlarını kullanarak hem trafik ışığı fazlarını hem de bireysel araç yörüngelerini eş zamanlı optimize ediyor. Bu yaklaşım, toplam seyahat süresini azaltırken enerji tüketimini de minimize etmeyi hedefliyor. Sioux Falls test ağında yapılan simülasyonlar, sistemin etkinliğini doğruluyor.