V-JEPA-LM, video dinamiklerini metin hizalı temsillerin ötesinde okuyan bir modeldir. Donmuş V-JEPA kodlayıcısının alt uzayındaki dinamikleri karşıt denetimle dil modeline aktarır. Tek aşamalı eğitimde 4.53M örnek ve 32 token kullanarak, çok aşamalı rakiplere kıyasla daha verimli bir performans gösterir.
FOAM, SOAP optimizörünün maliyetli bileşenlerini sadeleştirerek AdamW verimliliğine yakın bir performans sunar. Çıktı tarafı ön koşullandırmayı atar ve yoğun ikinci an yerine satır-sütun istatistiklerine dayalı bir tahminci kullanır. 124M-760M parametreli LLM ön eğitiminde SOAP ve Muon ile eşdeğer doğrulama kaybı elde edilir.
Bu çalışma, büyük dil modellerini karar verme modellerine dönüştürürken tüm katmanların her karar için çalıştırılmasının gereksiz olduğunu gösteriyor. Araştırma, karar bilgisinin ara katmanlarda yoğunlaştığını ve son altı katmanın çıkarılabileceğini buluyor. Önerilen yöntem, paylaşımlı katmanlar ve adaptif hesaplama ile daha verimli karar modelleri üretiyor.
Yazı, ajanların yazılımı kullanma başarısını ölçmek için 'evals' kavramını açıklar. Ajanların keşiften başarıya uzanan huni modelini ele alır. Uçtan uca değerlendirmelerin, ajanların görevleri tamamlama oranını ve verimliliğini ölçmedeki rolünü vurgular. Harbor çerçevesiyle örnek bir kahve siparişi senaryosu üzerinden test piramidi ve metrikler detaylandırılır.
Evolving Infra, ajan iş yüklerine uyarlanabilir bir LLM sunum çerçevesidir. Hesaplama kaynaklarını ve KV önbellek yönetimini çalışma anında ayarlayarak mevcut sistemlerdeki dengesizlikleri giderir. Farklı görevlerde önemli gecikme iyileştirmeleri sunar.
RaRe, açık sözlük sahne grafiği üretiminde MLLM zincirleme düşünce çıktılarını yapılandırılmış ilişki gömme uzayına dönüştürür. Kendi kendine denetimli karşıtlık öğrenmesi ve spesifiklik odaklı pekiştirmeli öğrenme ile nadir ilişkilerin ayırt edilebilirliğini artırır.
Hugging Face, metin üretimi yerine yapılandırılmış kararlar veren 'decision model' kavramını tanıttı. Bu modeller, belirli seçenekler üzerinde olasılık dağılımları döndürerek LLM'lerin şema uyumsuzluğu sorununu çözer. Transformers kütüphanesi, bu modeller için özel pipeline ve API uçları sunarak ekosistemde standart bir arayüz oluşturmayı hedefliyor.
Contrastive Discovery, LLM ajanlarının bilimsel keşiflerde hipotezleri tek tek test etmek yerine, birbirini dışlayan ve tümevarımla kapsayan rakip açıklamalar kümesiyle değerlendirmesini önerir. Bu yöntem, kanıtların inanç dağılımını nasıl yeniden şekillendirdiğine odaklanarak ajanların daha fazla soruyu aynı deneysel bütçeyle çözmesini sağlar. Altı alanda yapılan testlerde, noktasal yaklaşımın reddettiği adayların yüzde 73'ü bu kümeyle belirli bir alternatife indirgenmiştir.
InfraRSI, dağıtık LLM eğitim altyapısını otomatik optimize eden ajan tabanlı bir çerçevedir. Beş aşamalı iş akışıyla bellek sınırlarını ve derleyici çakışmalarını yöneterek eğitim verimliliğini artırır. Dört iş yükünde 2.75 kat hızlanma ve MFU'da 17.4'ten 30.0'a iyileşme göstermiştir.
WorkflowArena, LLM tabanlı çoklu ajan sistemlerinde iş akışı orkestrasyonunu ölçen yeni bir benchmark'tır. 145 görev ve 8 alanda, ajanların otonom delegasyon stratejilerini ve çıktı kalitesini gizli doğrulayıcılarla değerlendirir. Dokuz modelin testinde, iş akışı yapısının görev başarısını belirleyen ölçülebilir bir faktör olduğu ortaya konmuştur.
Siris, yapay zeka ajanlarının simülatör hatalarının tasarım kararlarını ne zaman etkilediğini ayırt edip edemediğini test eden bir çerçevedir. On üç sınır modelin değerlendirildiği çalışmada, sınırlamayı bilmek doğru seçimi garanti etmediği ve inceleme turunun yeni hatalar doğurabildiği görülmüştür.
THEATRON, uzun vadeli LLM karar vermede persona kalıcılığını test eden kontrollü bir ölçüm setidir. Finansal yeniden oynatma ortamında modeller, sabit davranışsal finans personalarıyla aylarca süren sıralı kararlar alır. Çalışma, persona enjeksiyonunun davranışı değiştirdiğini ancak tutarlı politika oluşturmadığını gösterir.
arXiv / cs.AI + cs.CL1 dk okuma
13–24 / 24 yayın
Nasıl hazırlıyoruz?
Kaynağı belli. Sınırları açık.
Resmî duyuruları, araştırma makalelerini ve açık kaynak projelerinin sürüm notlarını yapay zekâ ile Türkçe özetliyoruz. Her haberde kaynak bağlantılarına, kullanım alanlarına ve açıklanmayan noktalara yer veriyoruz.
Doğrudan kaynak
Araştırma makalesine, model duyurusuna veya projenin deposuna haberden ulaşabilirsiniz.
Bulgular ve yorumlar
Kaynakta açıklanan sonuçları, olası kullanım alanları ve bilinmeyenlerden ayrı sunuyoruz.
Görsellerin kaynağı
Görsel ve videoların kaynağını belirtiyoruz. Konuyu anlatmak için kullanılan illüstrasyonları da işaretliyoruz.
Araştırma kaynakları
Makaleleri kendiniz keşfedin.
Yeni çalışmalar bulabileceğiniz dizinler ve araştırma laboratuvarları. Bir görsel özet ilginizi çekerse sonuçları özgün makaleden okuyun.