CalOn, varlık, ilişki ve olay çıkarımını tek bir 0.6B parametreli kodlayıcıda birleştiren yeni bir modeldir. Metin ve tip tanımlarını birlikte kodlayarak ortak olasılıksal bir formülasyon sunar. 40 referans setinde değerlendirilen model, ilişki çıkarımında liderlik ederken olay tetikleyicilerinde en yüksek ortalama F1 skoruna ulaşır. Kalibrasyon yöntemi, güven tahminlerini iyileştirirken performans kaybını en aza indirir.
Bu çalışma, OCR ve görsel-dil modelleri için standart hata metriği olan CER'in sınırlılıklarını ele alır. Yazarlar, her karakter hatasına önem derecesi atayan semCER metrikini sunar. semCER, LLM tabanlı bir yargıç kullanarak hataları ağırlıklandırır ve okuyucu algısıyla daha iyi örtüşür. Çalışma, İngilizce, Vietnamca ve Çince dahil 16 dilde test edilmiştir.
CameraVLM, kamera hareketini ekran içi akış ve ekran dışı hareketi birleştiren bir temsil ile dil modeli uyumu kullanarak çözer. 9B parametreli model, üç benchmarkta açık kaynak rakipleri ve GPT-6 Astra'yı geride bırakır. 48 katılımlı çalışmada insan izleyicilerle eşdeğer performans gösterir.
Araştırma, MoE tabanlı LLM'lerin kişiselleştirme süreçlerinde uzmanların rolünü açıklıyor. Yoğun modellere kıyasla MoE'ler, token'ları uzmanlara yönlendirerek çok anlamlılığı azaltıyor. Bu yapı, kişiselleştirme özelliklerinin hangi uzmanlarda kodlandığını izole etmeyi ve kontrol etmeyi mümkün kılıyor. Çalışma, üç açık ağırlıklı model üzerinde bu yaklaşımın etkinliğini test ediyor.
Gen4P, monoküler videodan 4D geometri ve hareketi kurtarmak için video üreticilerini ileri beslemeli algılayıcıya çeviren bir çerçevedir. Tek kodlayıcı geçişinde temiz gizli değişkenleri işler ve video derinlik LoRA'sı ile geometrik bilgiyi güçlendirir. 3D nokta takibi ve kamera duruşu tahmininde rekabetçi sonuçlar sunar.
Bu çalışma, çoktan seçmeli değerlendirmelerdeki seçenek yanlılığını ölçen pooled SD metriğinin flip rate ve positional skew olmak üzere iki temel faktöre ayrıldığını gösterir. 41 checkpoint ve 12 benchmark üzerinde yapılan analizde, flip rate'in doğrulukla, positional skew'un ise seçenek sembolü önceliğiyle ilişkili olduğu bulunmuştur. Farklı düzeltme yöntemlerinin bu faktörleri farklı şekillerde etkilediği ve raporlamanın her iki metriği içermesi gerektiği önerilmiştir.
SMD, az adımlı difüzyon distilasyonunu basitleştirerek 4-NFE üretimde güçlü performans sunar. Pivot mekanizması, öğretmen hız değişkenliğini yerel düzeltmelerden ayırarak istenmeyen modlardan kaçınmayı sağlar. Çerçeve, 33 milyar parametreye ölçeklenir ve dağıtılan üreteci değiştirmez.
SyncReward, ses-görüntü üretimindeki senkronizasyon sorununu çözmek için insan hizalı bir ödül modeli sunuyor. Çalışma, 80K profesyonel puan içeren SyncReward-Data-80K veri seti ve 1K klipten oluşan SyncReward-Bench'i tanıtıyor. Model, semantik-zamanlayıcı karşıtlı ön eğitim ve insan denetimiyle eğitiliyor. Değerlendirme metriği olarak insan yargısıyla en yüksek uyumu sağlarken, ödül olarak pekiştirmeli öğrenme ile üretim kalitesini artırıyor.
Cepheid, seyrekten yoğuna hareket tamamlamada ölçeği yapıdan ayırarak aileler arası genelleme sorununu ele alır. Boyutsuz öncelik ve hafif düzeltme ile iskeletsiz çalışır.
Fish Audio Drama 3, 35B parametreli MoE mimarisiyle metni yönlendirilmiş performanslara dönüştüren açık kaynak bir ses üretim modelidir. Model, çok karakterli sahnelerde ses klonlama, infilling ile düzenleme ve akışkan ses sentezi sunar. Tek H200 üzerinde 271 kare/sn hızında çalışarak önceki nesilden daha yüksek verimlilik sağlar.
Yapay zeka modellerinin yaratıcılığını ölçen mevcut testlerin tutarsızlığı, ortak bir tanım arayışını gündeme getiriyor. Bu çalışma, yaratıcılığı referans dağılımın uzun kuyruğundaki performans olarak tanımlıyor. 15 test ve 26 model üzerinde yapılan analiz, bu yaklaşımın insan yargılarıyla daha iyi örtüştüğünü gösteriyor. Araştırmacılar, mevcut testlerin uzun kuyruk kesiminde ortalama kaliteyi ölçen q@Tail adlı düşük maliyetli bir metrik öneriyor.
Araştırma, VLM'lerin uzamsal ilişkileri sözel bilgilerden daha az sadık şekilde kodladığını gösteriyor. EICS metriği ve CASP-VL benchmark'ı, bu sistematik hatayı ortaya çıkarıyor. Küresel temsilde uzamsal bilgi kaybı, çıktı tabanlı testlerde görünmez kalıyor.
arXiv / cs.AI + cs.CL1 dk okuma
1–12 / 22 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.
