“kodlayıcı” için sonuçlar
44 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Öneri Sistemlerinde Yeni Dönem: BLaIR Benchmark'ı Geliştirildi
Araştırmacılar, büyük dil modellerinin öneri sistemlerindeki performansını değerlendirmek için BLaIR adlı kapsamlı bir benchmark geliştirdi. Bu yeni sistem, 570 milyondan fazla Amazon incelemesi ve 48 milyon ürün verisiyle destekleniyor. Geleneksel öneri sistemleri metin tabanlı ürün özelliklerini etkili şekilde kullanmakta zorlanırken, büyük dil modelleri bu alanda umut vaat ediyor. Ancak bu modellerin öneri görevlerindeki davranışları henüz tam olarak anlaşılmamıştı. BLaIR, sıralı öneri, işbirlikçi filtreleme ve ürün araması gibi farklı senaryoları kapsayarak, dil modellerinin semantik kodlayıcı olarak etkinliğini ölçmeyi amaçlıyor. Bu gelişme, e-ticaret platformlarından müzik önerilerine kadar geniş bir kullanım alanında daha akıllı ve kişiselleştirilmiş öneri sistemlerinin geliştirilmesine katkı sağlayabilir.
Yapay Zeka Destekli Nitel Analiz: Yeni Ölçüm Yöntemi Geliştirildi
Sosyal bilim araştırmalarında kritik öneme sahip nitel analiz süreçleri, yapay zekanın da desteğiyle daha sistematik hale geliyor. Araştırmacılar, tümevarımsal kodlama sürecinin kalitesini ölçmek için yeni bir hesaplamal yöntem geliştirdi. Bu yöntem, hem insan hem de yapay zeka destekli kodlama sonuçlarını değerlendirmek için dört yenilikçi metrik kullanıyor: Kapsam, Örtüşme, Yenilik ve Farklılaşma. Büyük dil modellerinin zenginleştirdiği algoritma sayesinde, farklı kodlayıcıların sonuçları birleştirilerek objektif bir değerlendirme yapılabiliyor. Bu gelişme, özellikle yapay zeka araçlarını kullanan araştırmacılar için metodolojik beklentilerin karşılanmasında önemli bir adım teşkil ediyor. Nitel araştırmalarda derinlik ve çeşitlilik gibi kriterlerin sistematik olarak ölçülmesi artık mümkün.
Yapay zeka seyrek sensörlerle tüm şehir trafiğini tahmin ediyor
Araştırmacılar, şehir genelinde sadece birkaç noktaya yerleştirilen sensörlerle tüm trafik ağının durumunu tahmin edebilen yeni bir yapay zeka sistemi geliştirdi. Dirichlet Graf Otokodlayıcı adı verilen bu yöntem, akıllı ulaşım sistemlerinin temel sorunlarından birini çözmeyi hedefliyor. Geleneksel yöntemler sensör bulunmayan bölgeleri sıfır değerle dolduruyor ve bu da tahminlerde sapmalara yol açıyor. Yeni yaklaşım ise graf temsil öğrenmesi kullanarak bu sorunu aşıyor. Sistem, mevcut sensör verilerini analiz ederek trafik dinamiklerini modelliyor ve sensör olmayan yollardaki trafik durumunu güvenilir şekilde tahmin edebiliyor. Bu gelişme, trafik yönetimi, rota optimizasyonu ve akıllı şehir uygulamaları için önemli fırsatlar sunuyor.
Yapay Zeka Modellerinde Semantik Modüllerin Haritası Çıkarıldı
Araştırmacılar, büyük dil modellerinin (LLM) beyninde anlam taşıyan bileşenlerin nasıl organize olduğunu keşfetti. Stanford Üniversitesi'nden bilim insanları, seyrek kodlayıcılar kullanarak sadece birkaç örnekle bu modellerin kavram ve ilişki modüllerini haritalandırdı. Çalışma, ülke-başkent gibi kavram çiftlerinde modelin hangi bölümlerinin aktif olduğunu gösteriyor. Bu bileşenleri engellediklerinde modelin çıktıları öngörülebilir şekilde değişiyor, güçlendirdiklerinde ise farklı senaryolar üretiyor. En ilginç bulgu, basit kavramların ilk katmanlarda, karmaşık ilişkilerin ise derin katmanlarda oluşması. Bu keşif, AI sistemlerinin iç işleyişini anlamamızda önemli bir adım.
Yapay Zeka Artık Video Anomalilerini Etiket Olmadan Tespit Edebiliyor
Araştırmacılar, güvenlik kamerası görüntülerinde anormal durumları tespit etmek için yeni bir yapay zeka sistemi geliştirdi. MLE-UVAD adlı bu sistem, hem normal hem de anormal olayları içeren videolardan öğrenerek, herhangi bir etiketleme gerektirmeden şüpheli durumları belirleyebiliyor. Geleneksel yöntemler ya büyük miktarda etiketlenmiş veri ya da sadece normal görüntüler gerektirirken, bu yeni yaklaşım ham video verilerini doğrudan kullanabiliyor. Sistem, entropi rehberli bir otokodlayıcı kullanarak normal olayları iyi yeniden oluştururken, anormal durumları kötü yeniden oluşturmaya odaklanıyor. Bu teknoloji, güvenlik sistemlerinden trafik izlemeye kadar birçok alanda devrim yaratabilir.
Yapay Zeka Modellerinde Yeni Yaklaşım: Her Veri İçin Özel Ayarlama
Araştırmacılar, variasyonel otokodlayıcı (VAE) modellerinin verimliliğini artıran yeni bir yöntem geliştirdi. Instance-Adaptive VAE (IA-VAE) adı verilen bu yaklaşım, her veri örneği için özel parametreler üreten bir hiperağ kullanıyor. Geleneksel VAE modellerinde tüm veriler için aynı parametrelerin kullanılması nedeniyle ortaya çıkan 'amortizasyon açığı' sorununu çözmeyi hedefliyor. Yeni yöntem, her girdi için özel uyarlamalar yapabilirken tek geçişte çalışma verimliliğini koruyor. Teorik analizler, IA-VAE'nin standart yöntemlerden daha kötü performans gösteremeyeceğini matematiksel olarak kanıtlıyor. Deneysel sonuçlar, yöntemin çok daha az parametre kullanarak geleneksel kodlayıcılarla karşılaştırılabilir başarı elde ettiğini gösteriyor.
Çinli araştırmacılar tıbbi metin arama sistemlerini hızlandıran yeni yapay zeka modeli geliştirdi
Çin'den araştırmacılar, tıbbi metinlerde arama yapan yapay zeka sistemlerinin hem daha hızlı hem de daha doğru çalışmasını sağlayan yeni bir model geliştirdi. CARE adı verilen bu sistem, asimetrik kodlayıcı mimarisi kullanarak büyük dil modellerinin yüksek hesaplama maliyeti sorununu çözmeyi hedefliyor. Araştırma ekibi aynı zamanda Çince tıbbi metinler için kapsamlı bir değerlendirme standardı olan CMedTEB'i de tanıttı. Bu benchmark, klinik uzmanların doğrulamasından geçen çoklu yapay zeka oylama sistemiyle hazırlandı ve metin arama, yeniden sıralama ve anlamsal benzerlik gibi üç farklı görevde sistem performansını test ediyor. Yeni yaklaşım, gerçek zamanlı tıbbi bilgi sistemlerinde kullanım potansiyeli taşıyor.
Yapay Zeka ile Kuantum Bilgisayarlar Arası İletişim Hızlanıyor
Araştırmacılar, modüler kuantum bilgisayar sistemlerinde çipler arası iletişimi optimize eden yeni bir yapay zeka algoritması geliştirdi. QARMA adı verilen sistem, derin pekiştirmeli öğrenme ve dikkat mekanizması kullanarak kubit haritalamasını optimize ediyor. Modüler kuantum mimarileri, birden fazla kuantum işlem birimini birleştirerek kuantum bilgisayarları büyütmenin umut verici bir yolu olarak görülüyor. Ancak çipler arası işlemler maliyetli ve gürültülü olduğu için kuantum durumlarının bozulmasına neden olabiliyor. Yeni algoritma, graf sinir ağları ile transformatör tabanlı kodlayıcı birleştirerek bu sorunu çözmeyi hedefliyor. QARMA-R uzantısı ise dinamik kubit yeniden kullanım özelliği ekleyerek verimliliği artırıyor.
Yapay Zeka Kuantum Fiziğinde Gizli Kalıpları Ortaya Çıkarıyor
Araştırmacılar, yorumlanabilir makine öğrenmesi tekniklerini kullanarak kuantum verilerinden fiziksel anlamlı bilgileri çıkarmayı başardı. Çalışmada, varyasyonel otokodlayıcılar kullanılarak etiketlenmemiş kuantum veri setlerinden anlamlı temsiller öğrenildi. Özellikle Rydberg atomu deneysel görüntüleri, küme Ising modelinin klasik gölgeleri ve hibrit fermiyon verileri üzerinde test edilen yöntem, kuantum faz uzaylarının altta yatan yapısı hakkında zengin bilgiler ortaya çıkardı. Sistem ayrıca sembolik yöntemlerle desteklenerek, öğrenilen temsillerdeki farklı rejimlerin düzen parametreleri olarak işlev gören kompakt analitik tanımlayıcıların keşfini sağladı. Bu yaklaşım, kuantum fizikçilerinin karmaşık veri setlerindeki gizli kalıpları daha etkili şekilde anlamalarına yardımcı oluyor.
Yemek Fotoğrafından Tarif Bulma: Yapay Zeka Tek Model ile Çözümü
Araştırmacılar, yemek fotoğrafları ve tarifler arasında bağlantı kurabilen yenilikçi bir yapay zeka sistemi geliştirdi. SIMMER adlı bu sistem, geleneksel ikili kodlayıcı yaklaşımlarının aksine tek bir birleşik model kullanarak hem görüntüleri hem de metinleri işleyebiliyor. Sistem, çok modlu büyük dil modeli teknolojisine dayalı VLM2Vec mimarisini kullanıyor ve tarifin yapısına özel hazırlanmış şablonlarla çalışıyor. Bu gelişme, beslenme yönetimi, diyet takibi ve yemek pişirme asistanı uygulamalarında önemli ilerlemeler sağlayabilir. Araştırma, farklı veri türleri arasındaki semantik boşluğu doldurma konusunda da yeni bir yaklaşım sunuyor.
Yapay Zeka Üretimi Müziği Tespit Eden Yeni Sistem: ArtifactNet
Araştırmacılar, yapay zeka tarafından üretilen müziği %98'in üzerinde doğrulukla tespit edebilen ArtifactNet adlı yeni bir sistem geliştirdi. Bu hafif çerçeve, sorunu adli fizik perspektifinden ele alarak, nöral ses kodlayıcılarının üretilen seste bıraktığı fiziksel izleri analiz ediyor. 22 farklı yapay zeka müzik üreticisinden 4,383 ve gerçek kaynaklardan 1,800 olmak üzere toplam 6,183 parça içeren ArtifactBench veri seti ile test edilen sistem, mevcut yöntemlere kıyasla büyük üstünlük gösteriyor. Sistem, sadece 4 milyon parametre kullanarak %1.49 yanlış pozitif oranıyla çalışabiliyor. Bu gelişme, müzik endüstrisinde telif hakları ve özgünlük konularında önemli bir araç sunuyor.
Yapay sinir ağları geometrik düzenleme ile daha güvenilir hale geliyor
Karmaşık sistemlerin davranışlarını modellemek için kullanılan otokodlayıcılar, yeni bir geometrik düzenleme yöntemiyle daha doğru ve tutarlı sonuçlar üretebilecek. Araştırmacılar, yüksek boyutlu verilerdeki gizli düşük boyutlu yapıları keşfetmek için üç aşamalı yeni bir yaklaşım geliştirdi. Bu yöntem, özellikle uzun zaman dilimlerinde yavaş gelişen stokastik sistemlerin analizinde önemli iyileştirmeler sağlayabilir. Mevcut ATLAS gibi yerel harita yöntemlerinin üstel ölçekleme sorunları ve otokodlayıcı alternatiflerinin teğet-paket geometrisindeki kısıtlamaları bu çalışmayla aşılmaya çalışılıyor.
DualTrack: Ultrason Görüntüleme için Çift Kodlayıcı Mimari Geliştirildi
Araştırmacılar, 2D ultrason görüntülerinden 3D ultrason rekonstrüksiyonu yapabilen yeni bir yapay zeka sistemi geliştirdi. DualTrack adlı sistem, sensörsüz 3D ultrason görüntüleme için yerel ve global özellikleri ayrı ayrı işleyen çift kodlayıcı mimarisini kullanıyor. Geleneksel 3D ultrason sistemlerinin yüksek maliyeti ve karmaşıklığı nedeniyle yaygın kullanılamadığı bir ortamda, bu teknoloji derin öğrenme yöntemleriyle 2D görüntü dizilerinden 3D prob yörüngesini tahmin edebiliyor. Yerel özellikler çerçeveler arası hareketi tahmin ederken, global özellikler anatomik yapıları tanıyarak taramanın genel şeklini belirlemeye yardımcı oluyor. Önceki yaklaşımların aksine, DualTrack bu iki özellik türünü birbirinden bağımsız olarak işleyerek daha güçlü ve etkili bir modelleme sağlıyor.
Yapay zeka halüsinasyonlarına çözüm: Tersine çevrilebilir kodlama yaklaşımı
Araştırmacılar, büyük dil modellerinin (LLM) en büyük sorunlarından olan halüsinasyon ve eksik bilgi üretme problemlerine yenilikçi bir çözüm geliştirdi. Tersine çevrilebilir problemler için önerilen bu yaklaşım, LLM'leri hem kodlayıcı hem de kod çözücü olarak kullanarak, bilgi teorisindeki kayıpsız sıkıştırma mantığını benimsiyor. Donanım mantık tasarımı alanında test edilen yöntem, Logic Condition Tables'tan (LCT) Hardware Description Language koduna dönüştürme işleminde dikkat çekici başarı gösterdi. Yedi farklı LLM ile yapılan deneylerde, iki boyutlu network-on-chip yönlendiricisi için 1500-2000 satırlık HDL kodu üretildi. Sistemin doğruluğu, üretilen kodun tekrar LCT'ye dönüştürülmesi ve orijinalle karşılaştırılmasıyla test edildi. Bu yaklaşım sadece doğru üretilen mantık kodlarını doğrulamakla kalmıyor, hatalı olanları da tespit ederek geliştiricilere önemli destek sağlıyor.
Yapay Zeka, Kalp Duvarının İnce Yapısını Görüntülemeyi Kolaylaştırıyor
Araştırmacılar, kalp MR görüntülerinde sol atrium duvarının segmentasyonunu iyileştiren yeni bir yapay zeka yöntemi geliştirdi. C2W-Tune adlı bu yaklaşım, iki aşamalı bir transfer öğrenme stratejisi kullanarak önce kalp boşluğunu öğreniyor, sonra bu bilgiyi ince duvar yapılarını tespit etmek için kullanıyor. Sol atrium duvarının doğru segmentasyonu, duvar kalınlığının haritalanması ve fibrozis miktarının belirlenmesi için kritik öneme sahip. Ancak duvarın inceliği, karmaşık anatomisi ve düşük kontrast nedeniyle bu işlem oldukça zorlayıcı. Yeni yöntem, 3D U-Net mimarisi ile ResNeXt kodlayıcısını birleştirerek, önce atrium boşluğunu segmente etmeyi öğreniyor, ardından bu bilgiyi duvar segmentasyonuna aktarıyor. Test sonuçları, geleneksel yöntemlere kıyasla önemli iyileşmeler gösteriyor.
Yapay Zeka Kodlayıcı, Bilimsel Algoritmaları Tek Günde Geliştirdi
Araştırmacılar, yapay zeka destekli iki aşamalı bir sistem geliştirerek bilimsel algoritmaların performansını otomatik olarak artırmayı başardı. Sistem önce büyük dil modelleri kullanarak yeni yayınlanmış algoritmaları tespit ediyor, ardından Claude Code yapay zekası bu algoritmaları yeniden üreterek iyileştirmeler yapıyor. On bir farklı deneyde yapılan testlerde, her algoritmanın performansı tek bir iş günü içinde artırılabildi. Bu gelişme, bilimsel araştırmalarda yapay zekanın artan rolünü gösterirken, akademik yayıncılık ve hakemlik süreçleri için önemli sorular ortaya çıkarıyor.
Yapay zeka ajanları artık kendi yazdıkları kodları test edebiliyor
Araştırmacılar, büyük dil modellerinin kod yazabildiği ama doğruluğunu kontrol edemediği sorununa çözüm getiren AgentForge adlı sistemi geliştirdi. Bu yenilikçi çerçeve, beş farklı AI ajanının koordineli çalışmasıyla yazılım geliştirme sürecini otomatikleştiriyor. Planlayıcı, kodlayıcı, test edici, hata ayıklayıcı ve eleştiri ajanlarından oluşan ekip, her kod değişikliğini güvenli bir test ortamında çalıştırarak doğruluğunu kontrol ediyor. Sistem, yazılım mühendisliğini iteratif bir karar süreci olarak modelleyerek, geleneksel token tabanlı yaklaşımlar yerine gerçek çalıştırma geri bildirimini kullanıyor. SWE-BENCH Lite test setinde %40 başarı oranına ulaşan AgentForge, tek ajan sistemlerinden 26-28 puan daha iyi performans gösteriyor. Bu gelişme, AI destekli yazılım geliştirmede önemli bir adım teşkil ediyor.
HETA ile Yapay Zeka Modelleri Nasıl Düşünüyor Artık Daha İyi Anlayabiliriz
Büyük dil modellerinin kararlarını nasıl aldığını anlamak, yapay zekanın güvenilirliği için kritik önem taşıyor. Araştırmacılar, GPT benzeri modellerin hangi kelimelerin etkisiyle belirli çıktılar ürettiğini açıklayan yeni bir yöntem geliştirdi. HETA adlı bu sistem, mevcut tekniklerin aksine, sadece kodlayıcı tabanlı değil, üretici modeller için özel olarak tasarlandı. Yöntem, kelimelerin birbirini nasıl etkilediğini, hassasiyet puanlarını ve bilgi kaybını bir arada değerlendireyor. Bu sayede modelin düşünce sürecini daha doğru bir şekilde haritalayabiliyor. Geliştirilen sistem, özellikle otoregresif üretim yapan modellerin karmaşık nedensel ilişkilerini yakalayabildiği için önemli bir ilerleme sayılıyor. Araştırma, yapay zekanın açıklanabilirliği konusunda yeni bir standart oluşturma potansiyeli taşıyor.
Video Sıkıştırmada Yapay Zeka için Yeni Esnek Yaklaşım: PAT-VCM
Araştırmacılar, makine öğrenmesi sistemleri için video sıkıştırma teknolojisinde önemli bir yenilik geliştirdi. PAT-VCM adlı yeni sistem, farklı yapay zeka görevleri için ayrı ayrı video kodlayıcı eğitme ihtiyacını ortadan kaldırıyor. Geleneksel yöntemler her görev için özel sıkıştırma algoritması gerektirirken, bu sistem tek bir temel video akışını hafif 'yardımcı tokenlar' ile destekleyerek çoklu görevlerde kullanılabiliyor. Sistem, görsel kalıntı tokenları, kontrol tokenları ve anlamsal tokenlar olmak üzere üç tür yardımcı bilgi türünü destekliyor. Nesne tespiti, derinlik tahmin etme ve görüntü segmentasyonu gibi farklı görevlerde test edilen sistem, her görev için ayrı model eğitme maliyetini azaltırken performansı koruyor. Bu yaklaşım, yapay zeka sistemlerinin video analizi yeteneklerini daha verimli hale getirerek endüstriyel uygulamalarda önemli bir adım teşkil ediyor.
Yapay Zeka Modelleri Neden Nesnelerin Yönünü Anlayamıyor?
Çok modlu büyük dil modelleri (MLLM'ler), görüntülerdeki nesnelerin 2D yönelimini belirleme konusunda ciddi zorluklar yaşıyor. Yeni bir araştırma, bu sorunun kaynağını araştırarak görsel kodlayıcıların rolünü inceliyor. CLIP ve SigLIP gibi yaygın kullanılan kodlayıcıların, geometrik akıl yürütme yerine görüntü-metin anlamsal hizalama için eğitilmiş olmasının bu başarısızlığın temel nedeni olabileceği hipotezi test ediliyor. Araştırmacılar, LLaVA OneVision ve Qwen2.5-VL gibi modellerden elde edilen kodlayıcı temsillerinin rotasyon bilgisini koruyup korumadığını ölçmek için kontrollü deneysel protokoller tasarlıyor.