“NIMS” için sonuçlar
132 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Görsel Muhakemede Yeni Çığır: Ormandan Önce Ağaçları Görme Yaklaşımı
Araştırmacılar, büyük görsel-dil modellerinin muhakeme yeteneklerini artıran yeni bir yöntem geliştirdi. Laser adlı bu yaklaşım, geleneksel Chain-of-Thought yönteminin bilgi darboğazı sorununu çözmeyi hedefliyor. Yöntem, modellerin önce genel görsel özellikleri kavramasını, sonra detaylara odaklanmasını sağlayan 'Ormandan Önce Ağaçlar' ilkesini benimsiyor. Dinamik Pencereli Hizalama Öğrenmesi kullanan sistem, görsel detayları kaybetmeden daha etkili muhakeme yapabilir. Bu gelişme, yapay zekanın görsel anlama ve mantıksal çıkarım yapma kapasitesinde önemli bir ilerleme anlamına geliyor.
Yapay Zeka Modellerinde Devrim: Bellek Kullanımını %90 Azaltan Yeni Sıkıştırma Yöntemi
Büyük dil modellerinin özelleştirilmiş versiyonları muazzam bellek tüketimi yaratıyor. Her görev için ayrı model saklamak yerine, araştırmacılar tek temel model üzerinde sıkıştırılmış değişiklikler saklama yöntemlerini geliştiriyor. Ancak mevcut teknikler büyük veri setleriyle eğitilmiş modellerde başarısız oluyor. Yeni geliştirilen D-QRELO yöntemi, büyük ölçekli eğitimin yarattığı sıkıştırma zorluklarını çözmek için iki aşamalı yaklaşım benimsiyor. İlk aşamada tek-bit kuantalama ile ana yapıyı yakalıyor, ikinci aşamada ise düşük-rank yaklaşım ile ince detayları koruyor. Bu yenilikçi yaklaşım, yapay zeka modellerinin daha verimli depolanması ve dağıtımı için umut vaat ediyor.
Yapay Zeka Sistemleri için Geliştirilmiş Yeni Güvenlik Mimarisi
Araştırmacılar, büyük dil modellerinin kullandığı Model Context Protocol (MCP) sistemleri için CASCADE adlı üç katmanlı bir güvenlik mimarisi geliştirdi. Bu yenilikçi savunma sistemi, yapay zeka uygulamalarına yönelik prompt injection saldırılarını %95.85 doğrulukla tespit edebiliyor. CASCADE, hızlı ön filtreleme, semantik analiz ve çıktı kontrolü olmak üzere üç aşamalı bir yaklaşım benimsiyor. Sistem, 5000 örneklik veri seti üzerinde test edildi ve %74.59 F1-skoru elde etti. MCP tabanlı sistemlerdeki tool poisoning gibi yeni saldırı türlerine karşı da koruma sağlayan bu mimari, mevcut sistemlerin yüksek yanlış pozitif oranları ve API bağımlılığı gibi sorunlarını çözmeyi hedefliyor.
Bilimsel etki tahmini için çok boyutlu yeni ölçüt sistemi geliştirildi
Araştırmacılar, bilimsel çalışmaların etkisini sadece atıf sayısıyla değil, çok daha kapsamlı bir şekilde değerlendirmek için SciImpact adlı yeni bir sistem geliştirdi. 19 farklı bilim dalından 215.928 makale çiftini analiz eden bu sistem, ödül kazanma durumundan medya ilgisine, patent referanslarından yazılım benimsenme oranlarına kadar birçok etki boyutunu bir arada inceliyor. Geleneksel yöntemler genellikle sadece kaç kez atıf aldığına bakarken, yeni sistem Nobel Ödülü gibi prestijli tanınırlıktan En İyi Makale Ödülü gibi kısa vadeli başarılara kadar geniş bir yelpazede etkiyi ölçebiliyor. Araştırmacılar 11 farklı büyük dil modelini bu sistem üzerinde test etti ve modellerin farklı etki boyutlarında değişken performans gösterdiğini keşfetti. Bu çalışma, bilimsel literatürün hızla büyüdüğü günümüzde araştırmaların gerçek etkisini daha doğru değerlendirmek için önemli bir adım teşkil ediyor.
Yapay zeka robotlar artık insan gibi düşünerek hedeflerine ulaşacak
Araştırmacılar, robotların görsel hedeflere ulaşmasını sağlayan yeni bir navigasyon sistemi geliştirdi. HRNav adlı bu sistem, insan zihninin çalışma prensibinden ilham alarak iki aşamalı bir yaklaşım benimsiyor. Önce yüksek seviyeli planlama yapan sistem, hedefe nasıl ulaşılacağına dair genel bir strateji belirliyor - örneğin kapıdan geçmek ya da koridordan yürümek gibi. Ardından düşük seviyeli yürütme aşamasında bu planı somut eylemlere dönüştürüyor. Geleneksel yöntemler sadece hedef ve gözlem görüntülerini karşılaştırarak doğrudan hareket kararları verirken, bu yeni yaklaşım özellikle uzak hedefler ve farklı odalar için çok daha başarılı sonuçlar veriyor. Sistem, görsel-dil modellerini kullanarak kısa vadeli planlar oluşturuyor ve böylece robotların karmaşık ortamlarda kaybolmadan hedefe ulaşmasını sağlıyor.
Yapay Zeka Uzun Videoları Nasıl Anlayacak? Q-Gate ile Akıllı Kare Seçimi
Uzun videoları anlama konusunda yapay zeka modellerinin karşılaştığı en büyük sorun, binlerce kareyi işlemenin getirdiği hesaplama maliyeti. Araştırmacılar bu sorunu çözmek için Q-Gate adında yeni bir sistem geliştirdi. Mevcut yöntemler genellikle tek bir görsel metrik kullanarak önemli kareleri seçerken, Q-Gate sorulan sorunun türüne göre farklı yaklaşımlar benimsiyor. Sistem, görsel detaylar için Visual Grounding, sahne anlamları için Global Matching ve altyazı odaklı anlatımlar için Contextual Alignment olmak üzere üç farklı uzman akış kullanıyor. Bu dinamik yaklaşım sayesinde, görsel sorular için sadece görsel verilere odaklanırken, hikaye odaklı sorular için metin bilgilerini de devreye alabiliyor. Ek eğitim gerektirmeyen bu sistem, mevcut video anlama modellerine kolayca entegre edilebiliyor.
Yapay Zeka Modellerinde 'Grokking' Keşfi: Gecikmeli Öğrenme Sırrı Çözülüyor
Araştırmacılar, difüzyon modellerinin 'grokking' adı verilen ilginç bir öğrenme davranışı sergilediğini keşfetti. Bu fenomende model önce ezbercilik yapar, sonra gerçek anlayışa ulaşır. Modüler toplama problemleri üzerinde yapılan deneyler, bu AI sistemlerinin nasıl öğrendiğini mekanik düzeyde açıklıyor. Tek görüntü rejiminde model, sayıları periyodik temsiller halinde kodlayarak işlem yaparken, çeşitli görüntülerle çalışırken aritmetik hesaplama ve görsel düzeltme olmak üzere iki aşamalı bir strateji benimsiyor. Bu bulgular, yapay zekanın öğrenme süreçlerini daha iyi anlamamızı sağlıyor.
Renkli 3D Nokta Bulutları İçin Yeni Kayıt Yöntemi: GeGS-PCR
Araştırmacılar, 3D nokta bulutlarının kayıt işleminde devrim niteliğinde bir yöntem geliştirdi. GeGS-PCR adlı bu sistem, geleneksel yöntemlerin aksine sadece geometrik bilgilere değil, aynı zamanda renk ve Gaussian bilgilerine de dayanıyor. Özellikle düşük örtüşme oranına sahip veya eksik veri içeren senaryolarda güçlü performans sergiliyor. İki aşamalı yaklaşım benimseyen sistem, çok seviyeli renk kodlayıcısı ve Geometric-3DGS modülü ile yerel komşuluk bilgilerini işleyerek küresel olarak değişmeyen bir geometrik-renk bağlamı oluşturuyor. LORA optimizasyonu sayesinde yüksek performansı korurken, hızlı diferansiyellenebilir render tekniği ile kayıt sürecini iyileştiriyor. Bu yenilik, robotik, otonom araçlar ve artırılmış gerçeklik uygulamalarında kritik öneme sahip 3D görü sistemlerinde önemli gelişmelere kapı açabilir.
Yapay Zeka Karar Haritalarını Görselleştiren 'Kavramsal Çoklu Evren' Sistemi
Araştırmacılar, dil modellerinin açık uçlu sorulara verdiği yanıtlardaki gizli karar süreçlerini görünür kılan yenilikçi bir sistem geliştirdi. 'Kavramsal çoklu evren' adı verilen bu interaktif sistem, kullanıcıların yapay zekanın bir problemi nasıl çerçevelediğini, neyi değerli gördüğünü ve hangi yaklaşımları benimsediğini şeffaf bir şekilde görmesine olanak tanıyor. Sistem, kullanıcıların bu karar noktalarını incelemesine, müdahale etmesine ve alan uzmanlarının mantığıyla karşılaştırmasına imkan veriyor. Üç farklı alanda yapılan testlerde, özellikle felsefe öğrencilerinin problemleri daha iyi haritalayabildikleri gözlemlendi. Bu yaklaşım, yapay zeka sistemlerinin 'kara kutu' doğasını aşarak daha şeffaf ve kontrol edilebilir AI araçları yaratma yolunda önemli bir adım.
Yapay Zeka Artık Hatalarından Öğreniyor: Çoklu Deneme Yaklaşımı
Araştırmacılar, yapay zeka modellerinin karmaşık problemleri çözerken birden fazla deneme yaparak hatalarından öğrenmesini sağlayan yeni bir yöntem geliştirdi. 'Calibrated Attempt-Level GRPO' adı verilen bu teknik, modelin her denemede aldığı geri bildirimleri kullanarak bir sonraki çözüm girişimini iyileştirmesini sağlıyor. Geleneksel yaklaşımlar genellikle tek seferde doğru cevabı bulmaya odaklanırken, yeni sistem insan benzeri bir öğrenme süreci benimsiyor. Her başarısız denemeden sonra model, önceki girişimlerini analiz ederek daha iyi bir strateji geliştiriyor. Bu yaklaşım, özellikle matematik ve mantık problemleri gibi adım adım düşünme gerektiren görevlerde önemli başarı sağlıyor. Araştırma, yapay zekanın problem çözme yeteneklerini geliştirme konusunda önemli bir ilerleme kaydediyor.
Yapay zeka ajanları artık duruma göre görev dağıtımı yapabiliyor
Araştırmacılar, yapay zeka ajanlarının görev dağıtımında devrim niteliğinde bir yaklaşım geliştirdi. CADMAS-CTX adlı yeni framework, ajanların yeteneklerini sabit kabul etmek yerine, görevin bağlamına göre değerlendiriyor. Örneğin bir kodlama ajanı kısa düzenlemelerde başarılı olurken, uzun süreli hata ayıklama işlerinde zorlanabilir. Geleneksel sistemler bu farklılıkları göz ardı ederek yanlış görev dağıtımlarına neden oluyordu. Yeni sistem, her ajan için farklı beceri alanlarında ve bağlamlarda ayrı deneyim profilleri oluşturuyor. Görev dağıtımı yaparken hem performans ortalamasını hem de belirsizlik seviyesini dikkate alan risk bilincli bir yaklaşım benimsiyor. Bu sayede ajanlar, yalnızca bir meslektaşının gerçekten daha iyi olduğuna dair yeterli kanıt bulunduğunda görev devri yapıyor.
Çürük Patates Soyma Algoritması: Geometrik Problemlerde Büyük Hızlanma
Bilgisayar bilimciler, çokgenleri en az sayıda dışbükey parçayla kaplama problemini çözmek için yeni bir yaklaşım geliştirdi. 'Çürük patates soyma' olarak adlandırılan bu yöntem, önceki algoritmaların zaman karmaşıklığını dramatik şekilde azaltırken aynı doğruluk garantisini koruyor. Minimum dışbükey kaplama problemi, robotik, bilgisayar grafikleri ve coğrafi bilgi sistemlerinde önemli uygulamalara sahip. Araştırmacılar problemi bir küme kaplama problemi olarak yeniden formüle ederek, her adımda en çok kaplanmamış bölgeyi kapsayan dışbükey çokgeni bulma yaklaşımını benimsiyor. Bu çekirdek alt problem, klasik patates soyma probleminin bir varyantı olarak ele alınıyor ve yönlendirilmiş asiklik graflar üzerinde maksimum ağırlıklı yollar bulunarak çözülüyor.
İşaret dili çevirisi için yeni yapay zeka yaklaşımı geliştirildi
Araştırmacılar, iskelet tabanlı işaret dili çevirisini geliştiren SignDPO adlı yeni bir yapay zeka çerçevesi geliştirdi. Mevcut sistemler basit taklit yöntemiyle çalışırken, SignDPO farklı bir yaklaşım benimsiyor. Sistem, işaret dilinin uzamsal, zamansal ve dilbilimsel boyutlarında tercih hizalaması kullanarak daha hassas çeviriler yapabiliyor. Özellikle işaret dilinin ince ayrıntılarına karşı daha duyarlı olan bu teknoloji, anlam kayması sorununu çözmeyi hedefliyor. Çok seviyeli Doğrudan Tercih Optimizasyonu kullanan sistem, hem global hem de yerel düzeyde pertürbasyon stratejileri uygulayarak öğrenme sürecini iyileştiriyor.
Yapay Zeka Asistanları Artık İlk Sözü Söyleyecek: IceBreaker Sistemi
ChatGPT gibi sohbet robotları milyarlarca kullanıcı için vazgeçilmez hale geldi, ancak kullanıcılar ilk mesajı yazmakta zorlanıyor. Araştırmacılar bu 'ilk mesaj engelini' aşmak için IceBreaker adlı yeni bir sistem geliştirdi. Bu teknoloji, yapay zeka asistanlarının pasif cevap verici rolünden çıkıp proaktif arkadaşlara dönüşmesini sağlıyor. IceBreaker, insanların buzları nasıl erittiklerini taklit ederek kişiselleştirilmiş konuşma başlatıcıları üretiyor. Sistem, kullanıcının net bir niyeti olmadığı 'soğuk başlangıç' anlarında bile etkili çalışıyor ve iki aşamalı bir yaklaşım benimsiyor: önce kullanıcıyla duygusal bağ kuruyor, sonra konuşmayı yönlendiriyor.
TurboQuant ve EDEN Algoritmaları Arasındaki İlişki Netlik Kazandı
Makine öğrenmesi ve veri sıkıştırma alanında önemli gelişmeler sunan quantization (nicemleme) algoritmalarının karşılaştırmalı analizi yapıldı. Araştırmacılar, son dönemde öne çıkan TurboQuant algoritmasının aslında daha önceki DRIVE ve EDEN çalışmalarının özel durumları olduğunu ortaya koydu. TurboQuant_mse'nin EDEN algoritmasının ölçek parametresi 1'e sabitlenmiş hali olduğu, ancak bu sabit seçimin genellikle optimal olmadığı belirlendi. Boyut büyüdükçe TurboQuant'ın performansının EDEN'e yaklaştığı gözlemlendi. TurboQuant_prod ise farklı bir yaklaşım benimserek önyargılı ve önyargısız nicemleme adımlarını birleştiriyor. Bu çalışma, veri sıkıştırma ve hızlı hesaplama gerektiren uygulamalarda hangi algoritmaların ne zaman tercih edilmesi gerektiği konusunda önemli rehberlik sağlıyor.
Türbülanslı Akışkanları Daha İyi Simüle Eden Yapay Zeka Modeli: FlowRefiner
Araştırmacılar, 3 boyutlu türbülanslı akışkanları simüle etmek için FlowRefiner adı verilen yeni bir yapay zeka modeli geliştirdi. Geleneksel neural PDE çözücülerinin aksine, bu model iteratif iyileştirme yöntemi kullanarak türbülanslı akışlardaki karmaşık yapıları daha doğru bir şekilde modelleyebiliyor. FlowRefiner, stokastik gürültü giderme yerine deterministik ODE tabanlı düzeltme kullanıyor ve tüm iyileştirme aşamalarında birleşik hız alanı regresyon hedefi benimsiyor. Bu yaklaşım, hava dinamiği, okyanus akıntıları ve endüstriyel akışkan simülasyonları gibi alanlarda çığır açabilir.
Sosyal Medyada Etkileşim Nasıl Yayılır? Yeni Yapay Zeka Modeli Açıklıyor
Araştırmacılar, sosyal medyada bilginin nasıl yayıldığını ve insanları nasıl etkilediğini anlamak için yeni bir yapay zeka modeli geliştirdi. COVID-19 pandemisi gibi kriz dönemlerinde hayat kurtaran bilgilerin toplumda benimsenmesini etkileyen faktörleri inceleyen çalışma, psikolojik ve sosyal unsurları hesaplamalı modellemeyle birleştiriyor. Geliştirilen Genelleştirilmiş Etki Modeli, ağın iletkenliği ve etki-sermaye dağılımı gibi iki yeni mekanizma kullanarak mevcut yaklaşımlardan daha başarılı sonuçlar elde ediyor. Bu çalışma, sosyal etki araştırmalarındaki önemli bir boşluğu dolduruyor ve gelecekte bilgi kampanyalarının daha etkili planlanmasına katkı sağlayabilir.
SFTMix: Yapay zeka modellerini daha verimli eğitmenin yeni yolu
Büyük dil modellerinin talimat takip etme yeteneklerini geliştirmek için kullanılan geleneksel yöntemler genellikle yüksek kaliteli veri setlerine ve pahalı insan müdahalesine ihtiyaç duyar. Araştırmacılar, SFTMix adını verdikleri yenilikçi bir yaklaşım geliştirdi. Bu yöntem, modelin öğrenme sürecinde farklı güven seviyelerindeki örnekleri akıllıca harmanlayarak, özel olarak hazırlanmış veri setlerine bağımlılığı azaltıyor. Model eğitiminde aşırı öğrenme ve genelleme sorunlarını çözmek için dinamik bir strateji benimseyen bu teknik, yapay zeka modellerinin performansını artırırken maliyetleri düşürüyor.
Yapay Zeka İle Konuşarak İş Süreçlerini Yeniden Tasarlamak Mümkün
Araştırmacılar, büyük dil modellerini kullanarak iş süreçlerini konuşma yoluyla yeniden tasarlayabilen yenilikçi bir sistem geliştirdi. CPMR (Konuşmalı Süreç Modeli Yeniden Tasarımı) adlı bu yaklaşım, kullanıcıların doğal dille verdiği talimatlarla süreçleri adım adım iyileştirmelerini sağlıyor. Geleneksel tek seferlik komut sistemlerinin aksine, bu yöntem sürekli etkileşim halinde çalışıyor. Yapay zeka önce mevcut süreçteki sorunları tespit ediyor, ardından kullanıcıyla birlikte çözüm üretiyor. Bu teknoloji, özellikle iş süreçleri yönetiminde uzman olan kişilerin, teknik bilgi gerektirmeden karmaşık süreçleri optimize etmesine olanak tanıyor. Çalışma, yapay zekanın sadece otomatik değişiklik yapmak yerine, insan-AI işbirliğine dayalı iteratif bir yaklaşım benimsiyor.
Yapay zeka ile ses hızına yakın akışkanları modelleme: ShockCast sistemi
Araştırmacılar, ses hızına yakın veya onu aşan akışkanların modellemesi için ShockCast adlı yeni bir yapay zeka sistemi geliştirdiler. Yüksek hızlı akışkanlarda ortaya çıkan şok dalgaları gibi ani değişimler, geleneksel sabit zaman adımlı yöntemlerin yetersiz kalmasına neden oluyor. ShockCast, iki aşamalı bir yaklaşım benimsiyor: İlk aşamada makine öğrenmesi modeli optimal zaman adım boyutunu tahmin ederken, ikinci aşamada bu tahminle birlikte mevcut akışkan alanları kullanılarak sistemin gelecek durumu hesaplanıyor. Bu yenilikçi yaklaşım, havacılık ve uzay mühendisliğinden enerji sektörüne kadar birçok alanda kritik olan yüksek hızlı akış simülasyonlarını hem daha doğru hem de hesaplamalı açıdan daha verimli hale getiriyor. Araştırma, fiziksel olarak motive edilmiş bileşenler kullanarak zaman adımı tahmininde önemli ilerlemeler sağlıyor.
Yapay Zeka Modelleri Artık Birden Fazla Görevi Aynı Anda Öğrenebiliyor
Araştırmacılar, difüzyon modellerinin güçlü genelleme yeteneğinden faydalanarak çoklu görev öğreniminde çığır açan bir yöntem geliştirdi. StableMTL adı verilen bu sistem, her veri setinin yalnızca belirli görevler için etiketlendiği sentetik verilerle çalışabiliyor. Geleneksel yöntemlerin aksine, her görev için ayrı kayıp fonksiyonu yerine birleşik bir yaklaşım benimseyen sistem, görevler arası işbirliğini artıran dikkat mekanizması kullanıyor. Bu gelişme, yapay zeka modellerinin daha az veriyle daha çok şey öğrenmesine olanak tanıyarak, özellikle veri toplama maliyetlerinin yüksek olduğu alanlarda büyük avantaj sağlıyor.
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.
Yeni Güvenli Kriptografi Eğrisi: 260-Bit Güvenlik Seviyesinde ECCFROG522PP
Araştırmacılar, mevcut kriptografik sistemlerin güvenlik açıklarına karşı yeni bir eliptik eğri geliştirdi. ECCFROG522PP adlı bu 522-bitlik eğri, NIST P-521 ile aynı güvenlik seviyesini sunarken tamamen farklı bir tasarım felsefesi benimsiyor. Tüm eğri parametreleri BLAKE3 algoritması kullanılarak deterministik olarak türetiliyor ve hiçbir gizli seçim içermiyor. Bu yaklaşım, kriptografide şeffaflık ve yeniden üretilebilirlik konularındaki artan talebe yanıt veriyor. Özellikle dijital imza sistemleri ve anahtar değişimi protokollerinde kullanılan mevcut 256-bit güvenlik seviyesinin üzerine çıkarak, yaklaşık 260-bit güvenlik sunuyor. Eğri, asal düzene sahip, güvenli gömme derecesi ve anti-MOV kontrollerini geçen özelliklerle donatılmış durumda.
Neptune: Yapay Zeka Hesaplamalarını Hızlandıran Yeni Derleyici Teknolojisi
Araştırmacılar, derin öğrenme modellerinin GPU'larda daha verimli çalışmasını sağlayan Neptune adlı yeni bir tensor derleyici geliştirdi. Bu teknoloji, karmaşık matematiksel işlemleri birleştirerek bellek kullanımını optimize ediyor ve hesaplama hızını artırıyor. Özellikle dikkat mekanizmalarında kullanılan karmaşık döngü bağımlılıklarını çözebilen Neptune, mevcut derleyicilerin zorlandığı alanları da başarıyla ele alıyor. Sistem, matematiksel düzeltme ifadeleri kullanarak doğruluğu korurken performansı maksimize eden yenilikçi bir yaklaşım benimsiyor. On farklı benchmark testinde yapılan değerlendirmeler, Neptune'ün mevcut çözümlerden üstün performans sergilediğini gösteriyor.