Yapay zekâ dünyasında
neler oluyor?
Arama ve kategoriler, en son 200 yayın içinde çalışır. Toplam 558 haber yayımlandı.
“hugging face” için 99 sonuç. Aramayı temizle
HiFOR, robotik manipülasyon için VLA modellerinde hiyerarşik öngörü ve eylem yönlendirmeli dünya geri kazanımı kullanır. Kısa vadeli dinamikler ile uzun vadeli görev hedeflerini birleştirerek eylem üretimini iyileştirmeyi amaçlar. İki simülasyon ve altı gerçek dünya görevinde test edilmiştir.
Yuda Song ve ekibi, temel modellerin eğitimini aşamalı bir süreçten tek bir olasılık tabanlı algoritma altında birleştiren 'unified training' çerçevesini sunuyor. Bu yöntem, pekiştirmeli öğrenme hedeflerini model tarafından üretilen dağılımlara en uygun hale getirerek veri seçimi ve oranlarını optimize etmeye odaklanıyor. Deneyler, bu yaklaşımın doğruluk-hesaplama dengesini iyileştirdiğini ve sürekli öğrenme için daha sağlam bir temel sağladığını gösteriyor.
Bu çalışma, dil ajanlarında Model Context Protocol (MCP) ve komut satırı arayüzlerinin (CLI) aynı işlevselliği sunmasına rağmen farklı davranışlar ürettiğini gösterir. MICA çerçevesi, eşleştirilmiş yeteneklerle bu farkları ölçer. DART yöntemi, arayüz kaynaklı hataları onararak performans ve maliyet avantajı sağlar.
Bu çalışma, canlı iOS uygulamalarında arayüz gezinmesi için çevrim içi yoğun pekiştirmeli öğrenme çerçevesi sunar. Ajan, planlama ve yerelleştirme bileşenlerine ayrılır; GiGPPO yöntemi eleştirmen kararlılığını artırır. 8B parametreli model, dağıtım dışı ortamlarda SFT tabanlarını geride bırakır ve Gemini-3.5-Flash'ı geride bırakır.
Youtu-Parsing-Omni, belgelerden videoya kadar tüm modları tek bir kodlayıcı ve şema ile yapılandırılmış kayıtlara dönüştüren bir ayrıştırıcıdır. 5 milyar parametreli model, OmniDocBench v1.6'da 96.96 genel puan alarak en iyi performansı gösterir ve açık ağırlık modeller arasında OmniParsingBench'te 75.08 ortalama ile liderdir.
VideoJayden Teoh, standart Çoklu Token Tahmini (MTP) eğitimindeki bir kusuru tespit edip Soft-MTP ile düzeltiyor. Yöntem, gürültülü kalan gradyanı ayıklayarak yalnızca faydalı KL öz-distrilasyon sinyalini geri yayıyor. 1.2B parametreye kadar ölçeklerde standart MTP'den daha iyi performans gösteriyor.
PhysInsert, fiziksel olarak olası nesne ekleme için geometrik öncüller ve çift yönlü nesne-sahne etkileşimleri kullanan bir çerçevedir. Insert World veri seti ve PhysInsert-Bench ile aydınlatma ve poz adaptasyonunu test eder. Deneyler, görüntü sadakati ve yerleştirme doğruluğunda iyileşme gösterir.
Investor's Last Exam (ILE), yapay zeka ajanlarının hisse senedi yatırım kararlarını geleceği görmeden nasıl aldığını test eden yeni bir benchmark'tır. Deneyimli yatırımcılar tarafından tasarlanan bu sistem, 3.43 milyon belge sürümünü içeren dondurulmuş bir veri seti ve uzman puanlama kriterleri kullanır. GPT-6 Astra ve Claude Opus 5.5 en yüksek puanları alsa da, genel araştırma yetkinliğini tahmine dönüştürmekte zorlanıyor.
Glance, üretim modelinin kendi yeniden sıralayıcısı olmasını sağlayan hafif bir adaptör sunar. Tek bir 9B omurga ile hem cevap üretimi hem de paragraf puanlaması yapılır. Bu yaklaşım, ayrı modellerin bellek ve işlem yükünü azaltarak RAG sistemlerini basitleştirir.
PreView, karmaşık ekran görüntülerinde küçük kontrolleri bulmak için mevcut GUI yerelleştirme modellerini yeniden eğitmeye gerek kalmadan girdileri iyileştiren bir ön işleyicidir. Sistem, hafif bir yardımcı model kullanarak ekranı kırpıp büyütür ve görsel ile metinsel ipuçları ekler. Bu yaklaşım, beş benchmark'ta Qwen3-VL ve OS-Atlas modellerinin ortalama doğruluğunu artırarak yerelleştirme performansını destekler.
Bu çalışma, dil modellerinin talimat takibi kapasitesini ölçen yeni bir istatistiksel yöntem sunar. Kontrol altında yüklenen bağımsız kurallar kullanılarak, modelin performansının yük arttıkça nasıl düştüğü ve kapasite sınırının belirsizlik payıyla nasıl hesaplandığı gösterilir.
Project ProtoStar, üniversiteler ve endüstri ortaklarıyla kamu kaynaklı bilimsel verilerin yapay zekaya uygun formatlarda paylaşılmasını hedefliyor. İlk meydan okuma, 210 ABD şehrinin iklim verilerini kullanarak tahmin modellerini test edecek. Girişim, verilerin keşfedilebilirliğini ve yeniden kullanılabilirliğini artırmayı amaçlıyor.
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.
Araştırma makalesine, model duyurusuna veya projenin deposuna haberden ulaşabilirsiniz.
Kaynakta açıklanan sonuçları, olası kullanım alanları ve bilinmeyenlerden ayrı sunuyoruz.
Görsel ve videoların kaynağını belirtiyoruz. Konuyu anlatmak için kullanılan illüstrasyonları da işaretliyoruz.
Yeni çalışmalar bulabileceğiniz dizinler ve araştırma laboratuvarları. Bir görsel özet ilginizi çekerse sonuçları özgün makaleden okuyun.
