Yapay zekâ dünyasında
neler oluyor?
Arama ve kategoriler, en son 200 yayın içinde çalışır. Toplam 555 haber yayımlandı.
“hugging face” için 108 sonuç. Aramayı temizle
VideoGradium, cihaz üzerinde çalışan ve sunucu gerektirmeyen Phonon metinden sese modelini yayınladı. 65 MB ile 75 MB boyutlarındaki modeller, beş dili destekleyerek çevrimdışı ses üretimi sağlıyor. Açık kaynak ağırlıkları, ticari kullanım için Apache 2.0 lisansı sunuyor ve Hugging Face liderlik tablosunda üst sıralarda yer alıyor.
VA-TDM, az adımlı difüzyon modellerinde kaliteyi korumak için hız adversarial distilasyonunu birleştirir. Yöntem, öğrenci dağılımının takibindeki zorlukları aşarak metinden görüntüye ve videoya üretimde dört adımlık süreçte en iyi performansı sağlar. 33B MiniMax-H3 ölçeğinde ölçeklenebilirlik gösteren bu yaklaşım, mevcut distilasyon tekniklerini tek bir çerçevede birleştirir.
Hybrid Computer Use (HCU), genel ajanlar için programatik, semantik ve görsel etkileşimi birleştiren yeni bir arayüz sunar. Ekran görüntüsü bağımlılığını azaltarak daha verimli görev tamamlama hedefler. OSWorld 2.0'da karşılaştırılan sistemler arasında en yüksek puanları alarak kanal seçiminin önemini kanıtlar.
EmoReward, video üretiminde duygusal ifadeyi iyileştirmek için ödül kalibrasyonunu otomatikleştiren bir mekanizmadır. GRPO tabanlı eğitimlerde sabit ödüllerin yetersiz kaldığı durumlarda, eğitim izlerinden öğrenerek ağırlıkları dinamik olarak ayarlar. Bu yaklaşım, ödül avcılığı riskini azaltır ve farklı duygusal bağlamlarda daha tutarlı sonuçlar hedefler.
TurnWise, akışkan video anlayışında GRPO'yu turn-level kredi atamasıyla geliştirir. Yöntem, sessizlikle tamamlanan önek puanlamasıyla her kararın kalan getirisinden grup-göreceli avantajlar oluşturur. Turn-ortalama politika optimizasyonu, çıktı uzunluğundan bağımsız olarak yanıt ve bekleme kararlarına eşit ağırlık verir. Bu tasarım, öğrenme sinyalini önceki ödüllerden ayırarak gereksiz tekrarları azaltır ve bilgilendirici yanıtları teşvik eder. Ekstra rollout veya öğrenilmiş kritik gerektir.
NEO-VLA, görsel kodlayıcıları atlayarak görüntüleri hafif konvolüsyon katmanlarıyla tokenize eder ve bunları dil ile birlikte omurga boyunca evrilmesine izin verir. Bu yapı, eylem uzmanının farklı derinliklerdeki görsel temsillere erişmesini sağlar. Kontrollü testlerde kodlayıcı tabanlı modellerden üstün performans gösterir ve dağıtım kaymalarında daha sağlam kontrol sunar.
SpecOPD, spekülatif çözümlendirmede taslak model eğitimi için dallar arası paralel on-policy damıtma sunar. Sıralı denetim bağımlılıklarını kırarak eğitim verimliliğini artırır. 8B-125B hedef modellerde test edilmiş, kabul uzunluğunu ve üretim hızını önemli ölçüde iyileştirmiştir.
Bu çalışma, akıl yürütme VLA modellerinde görsel perturbasyonların, üretilen metin gerekçesini kelimesi kelimesine aynı tutarken fiziksel eylemi değiştirebildiğini gösterir. TNAS tanısı, eylem duyarlılığının metin gradyanlarından bağımsız olduğunu ortaya koyar. Alpamayo ve InstructVLA üzerinde yapılan testlerde, bu yönde yapılan müdahaleler metin kaymasını azaltırken eylem sapmasını önemli ölçüde artırır.
FinForesight, finansal derin araştırma sistemlerini değerlendirmek için tasarlanmış tanılama amaçlı bir geriye dönük test benchmark'idir. Çin, ABD ve Hong Kong piyasalarını kapsayan bu çalışma, tahmin performansını ve yetkinlikleri ayrı ayrı ölçer. Çalışma, geçmiş verilerden sızan bilgiyi kontrol ederek daha dürüst bir değerlendirme zemini sunar.
Kev-Bio, tıbbi ultrason biyometrisinde manuel kaliper yerleştirme sorununu çözmek için tasarlanmış bir görme-dil modelidir. Sistem Bir karar modellerinden ilham alan model, klinik ölçüm sorularını kullanarak anatomik işaret noktalarını tespit eder. Dokuz görünümlük FU/GU Biometry 2026 veri setinde test edilen model, karşılaştırılan taban çizgilerine göre daha düşük ortalama radyal hata ve klinik ölçüm hatası değerleri elde etti.
Bu çalışma, büyük dil modellerinin eğitiminde öğretmen modelinin sabit kalmasının yetersiz olduğunu savunarak, her token için dinamik olarak en uygun öğretmenin seçilmesini önerir. MTA-OPSD yöntemi, aday öğretmen havuzundan token bazlı seçim yaparak denetim kalitesini artırır. Qwen3 modelleri üzerinde matematiksel akıl yürütme görevlerinde test edilen yöntem, mevcut OPSD yaklaşımlarına göre ortalama +5.9 puanlık bir iyileşme göstermiştir.
FactEmbed, bileşik görsel arama (CIR) görevinde MLLM'lerin kompozisyonel anlayışını etkinleştirmek için faktörize gizli değişkenler kullanır. Model, görsel değişiklikleri ara bir hedef hayal etme hedefiyle çözümler ve bu temsilleri ayırt edici gömme vektörlerine dönüştürür. Bu yaklaşım, doğrudan projeksiyonun sınırlamalarını aşarak arama performansını iyileştirir.
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.
