Yapay zekâ dünyasında
neler oluyor?
Arama ve kategoriler, en son 200 yayın içinde çalışır. Toplam 351 haber yayımlandı.
“HuggingFace” için 108 sonuç. Aramayı temizle
EmbeddingGemma 2, metin, görsel, ses ve videoyu tek bir uzayda temsil eden açık kaynaklı çok modlu bir gömme modelidir. Katman başına basitleştirilmiş gömme ve çok aşamalı müfredat yaklaşımıyla tek modlu, çapraz modlu ve karma modlu değerlendirmelerde güçlü kalite sunar. Model, kaynak kısıtlı ortamlar için esneklik sağlayarak hem araştırma hem de uygulama alanlarında verimliliği artırır.
Bu çalışma, LLM grup kararlarında hafıza sıkıştırmasının başarısızlık mekanizmalarını inceler. CrossProfile benchmark'ı, nadir ve ilgili iddiaların seçim stratejilerinin öngörülebilir şekilde başarısız olduğunu gösterir. Doğruluk, hafızanın tuttuğu kanıt dengesine bağlıdır, seçimi yapan politikaya değil. Atıf etiketlerinin kaldırılması, sosyal kanıt etkisini azaltarak doğruluğu artırır.
Tao Ren ve ekibi, uzun süreli LLM ajanları için Multiscale Policy Optimization (MPO) yöntemini tanıttı. MPO, turn ölçeğinde avantaj tahmini ve önem örneklemesi kullanarak kredi dağıtımını hizalar. 4B ve 30B-A3B modellerinde arama, araç kullanımı ve otomasyon görevlerinde güçlü RL baz çizgilerine karşı tutarlı kazanımlar gösterildi.
Çalışma, çok modlu algının temelindeki 'kanıt bağlantı' yeteneğini hedef alan EvidenceConnect çerçevesini sunar. Bu yöntem, tek görüntüdeki bölgelerden sentetik veri üreterek modelin genel görsel akıl yürütme kapasitesini artırır.
Ψ-0.6, algı, dil, geometri ve simülasyonu ortak bir akıl yürütme sürecinde birleştiren birleşik bir görme-dil dünya modelidir. Model, 'düşünce akışları' adı verilen adaptif mekanizma ile görüntü, metin ve hareket temsillerini iç içe geçirir. Bu yapı, fiziksel dünyayı sadece tahmin etmekle kalmaz, akıl yürütme için hangi temsilin kullanılacağını da dinamik olarak seçer.
Bu çalışma, kesikli görsel tokenların semantik kaybı önleyip önleyemeyeceğini inceler. Kuantizasyon hatasının güvenilir bir gösterge olmadığını ve bit bütçesinin belirleyici olduğunu ortaya koyar. Önerilen faktörize vektör kuantizasyonu yöntemi, sürekli temsillerle yarışan performans elde eder.
Bu çalışma, dil modellerinin dış bilgiye dayalı cevaplarında öz-atıf yeteneğinin zayıf olduğunu gösterir. CREDIT yöntemi, karşıt etiketlerle son cevap seviyesinde denetim yaparak, modellerin hangi bilgileri kullandığını doğru belirlemesini sağlar. Bu yaklaşım, akıl yürütme seviyesindeki ince ayarlara kıyasla daha etkili sonuçlar sunar.
RynnWorld-Latent, heterojen robot ve insan etkileşim videolarından kontrollü dünya dinamikleri öğrenmek için evrensel gizli eylemleri kullanan bir video dünya modelidir. Farklı eylem uzaylarını ortak bir arayüzde birleştirerek simülasyon ve gerçek robot verilerini tek çatı altında birleştirir.
PhysEvolve, görsel-dil modellerinin fiziksel nedensellik sorunlarını çözmek için kendi eğitim verilerini üreten bir çerçevedir. Model, fizik motoruyla doğrulanan sanal dünyalar oluşturur ve bu ortamlarda GRPO ile kendini geliştirir. Bu yöntem, insan etiketi gerektirmeden dinamik fiziksel olaylarda güvenilirlik sağlar.
Araştırma, ajan iskeletlerindeki doğrulama süreçlerini test zamanı ölçeklendirme ekseninde inceler. Dört katmanlı bir çerçeve sunar ve 17 tasarımı yedi sınır kodlama modeli üzerinde Terminal-Bench ve SWE-bench Verified ile karşılaştırır. Ayrıca görsel çıktılar için VisualBench adlı yeni bir değerlendirme aracı tanıtılır.
CodeCap-Bench, video betimleme için kod tabanlı bir paradigma öneriyor. Çalışma, 323 videolu bir veri seti ve çok seviyeli değerlendirme çerçevesi sunuyor. Kod betimlemeleri, doğal dile göre daha iyi akıl yürütme ve yeniden oluşturma sağlıyor. Ancak mevcut MLLM'lerin karmaşık zaman dinamiklerini yakalama kapasitesi hâlâ sınırlı.
ThinkBit, akıl yürütme dil modellerinde iki-bit kuantizasyonun nedenlerini korumak için tasarlanmış yeni bir skaler çerçevedir. Katman bazlı hassasiyet metrikleri ve Gumbel-softmax tabanlı kod kelimesi araması kullanır. Ölçekler, öğretmen modele karşı bilgi damıtma kaybıyla yeniden kalibre edilir. Qwen3-1.7B'de MATH-500'da 46.7 puan alarak EfficientQAT'ı geride bırakır.
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.
