arXiv'de yayımlanan bu çalışma, çok modlu yapay zeka ajanlarının karmaşık verilerden sürekli bilgi edinme sorununu ele alıyor. Oluşturma-temsil ve hafıza yönetimi eksenlerinde iki boyutlu bir analiz çerçevesi sunarak, statik, dinamik ve kendini evrimleştiren hafıza politikalarını sınıflandırıyor.
Bu çalışma, LLM eğitiminde bellek verimliliğini artırmak için alt uzay optimizasyonuna kalan düzeltme çerçevesi ekler. SMRC ve PMRC algoritmaları, momentum SGD ve Muon için O(T^{-1/4}) yakınsama hızı sağlar. Çok aşamalı varyantlar, değişen baskın alt uzayı izlemek için tabanları periyodik olarak yeniden hesaplar ve aynı yakınsama sırasını korur.
EventLens, video anlama modellerinin zaman yapısını yeniden kurma yeteneğini geliştirmek için görsel odaklı pekiştirmeli öğrenme kullanır. Model, olay sınırlarını ve ilişkilerini dil kısayolları yerine görsel kanıtlarla öğrenir. Bu yöntem, insan etiketi gerektirmeyen deterministik ödüllerle eğitim sağlar.
WorkRover, uzun süreli işbirliği ajanlarının eğitimini ölçeklendirmek için özyinelemeli çevre evrimi sunan bir çerçevedir. FCR ve VTCA mekanizmaları, görev bağlamı, yürütülebilir görevler ve doğrulayıcılar arasındaki uyumu koruyarak iteratif iyileştirmeyi destekler. Qwen3.5-35B-A3B'nin post-training'i ile elde edilen WorkRover-35B-A3B, çeşitli yataklarda temel modele göre belirgin performans artışı göstermiştir.
GenRevisit, karmaşık kompozisyonlu görüntü üretiminde iteratif düzenleme sürecini iyileştiren yeni bir ajan tabanlı çerçevedir. Mevcut yaklaşımların genellikle en son üretilen görüntüden devam etmesi, kalite düşüşüne yol açabilir. GenRevisit, ajanın geçmişten bir görüntü adayını seçerek düzenlemeye devam etmesine olanak tanır. Bu yöntem, SFT ve ajan takviyeli öğrenme ile eğitilir. GenEval2'de güçlü tabanları geride bırakarak üstün performans gösterir.
Harness^2, LLM ajanlarının çalışma koşullarını otomatik olarak geliştirmek için özyinelemeli bir çerçeve sunar. Doğruluk doğrulayıcıları olmadan görev bazlı iyileştirmeler yapar ve bu deneyimi sürekli gelişen bir yapıya dönüştürür. Üç profesyonel test setinde tek adımlık uygulama, taban modellerde anlamlı performans artışları göstermiştir.
PANINI-DR, derin araştırma süreçlerini yöneten çoklu ajanlı bir çerçevedir. Araştırma durumunu kalıcı bir çalışma alanında tutarak alt soruları ve kanıtları izler. Ayrı bir doğrulama ajanı, bulguları kanıtlarla karşılaştırarak hata yayılımını engeller. Bu yapı, karmaşık sorularda güvenilirliği artırır.
VIS-Ground, izleyici müdahalesi sırasında video üretiminin tutarlı kalmasını sağlayan bağlamsal yerelleştirme çerçevesidir. Heterojen girdileri çalışılabilir kısıt modellerine dönüştürerek, kaynak ve mevcut video durumu arasındaki gizli bağımlılıkları yönetir. Üç farklı video üretim omurgasında test edilmiş olup, en güçlü baz çizgilerine kıyasla ortalama 10.3 puanlık mutlak iyileşme elde etmiştir.
NVIDIA ve Princeton'ın Dao AI Lab'i, hibrit modellerde SSM katmanlarının bellek darboğazını çözmek için ReplaySSM'i geliştirdi. Durum, checkpoint ve girdi tamponu olarak ayrıştırılır. Bu yöntem, bellek trafiğini azaltır, spekülatif geri almayı basitleştirir ve düşük hassasiyetli okumada hata birikimini sınırlar.
Explanatory World Models (EWM), pekiştirmeli öğrenmede gecikmeli ödülleri zaman yakınlığına göre değil, açıklayıcı nedensellik üzerinden dağıtır. Frontier dil modelleri kullanılarak geliştirilen bu çerçeve, uzun vadeli etkileşimlerde örnek verimliliğini artırır.
arXiv / cs.AI + cs.CL1 dk okuma
37–46 / 46 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.