Araştırma, büyük dil modellerindeki halüsinasyon riskini azaltmak için 'mekanik belirsizlik' kavramını ve 'neden-sonuç sağlamlık marjı' metrikini tanıtır. Jlens kavram yönlendirme vektörleri kullanılarak bu marj, modelin çıktısını saptırmak için gereken minimum iç müdahale olarak işlevselleştirilir. Üç açık kaynak model ve beş veri seti üzerinde yapılan testlerde, hatalı yanıtların bu marjın daha küçük olduğu ve bu yöntemin geleneksel belirsizlik ölçümlerini tamamladığı görülmüştür.
Vercel, açık kaynak durable-harness paketini tanıttı. Bu araç, Pi, OpenCode, Codex ve Claude Code gibi kodlama ajanlarını bulutta kesintisiz çalıştırır. Workflow SDK altyapısını kullanarak çökme sonrası oturumları otomatik olarak yeniden başlatır ve tamamlanan işlemleri tekrarlamadan kaldığı yerden devam eder.
ProD, küçük dil modellerinin uzun görevlerde yaşadığı ilerleme tıkanmasını azaltmak için tasarlanmış bir damıtma yöntemidir. Öğrenci modelinin başarısız döngülerini tespit edip cezalandırarak, öğretmen modeline daha yakın davranışlar sergilemesini sağlar. 0.6B ile 8B parametreli modellerde başarı oranlarını artırır.
SpaceXSI, Grok Bot platformu üzerinden IncidentWatch ve IncidentSweep adlı yapay zeka ajanlarını devreye aldı. IncidentWatch, destek biletlerindeki ani artışları izleyerek olayları erken tespit ederken, IncidentSweep çözülen olaylara ait biletleri insan onayıyla toplu olarak kapatıyor. Bu sistem, manuel yanıt süresini saatlerden dakikalara indiriyor.
Bu çalışma, büyük dil modellerinin bilimsel fikir üretirken çeşitliliği artırmak için küme düzeyinde pekiştirmeli öğrenme ile eğitilmesini sunar. 8B parametreli model, kirlenmemiş bir test setinde Claude Opus 4.8 ve GPT-6 Astra'dan daha yüksek yaratıcı fayda skoru elde etti. Dört uzmanla yapılan pilot çalışmada, modelin fikirleri rakip modelle eşdeğer bulundu.
TokenEconomizer, kodlama ajanlarının gerçek dünya projelerindeki tekrarlayan token maliyetlerini azaltmak için tasarlanmış dış bir denetleyicidir. Operasyonel mikro becerileri enjekte ederek, alakasız araçları ayıklayıp başarısızlık döngülerini keser. Bu siyah kutu yaklaşım, ajanların iç yapısını değiştirmeden maliyet verimliliğini artırır.
Bu çalışma, piksel uzayında çalışan difüzyon modellerinde x0 ve u tahmini arasındaki seçimi yeniden değerlendirir. MFlow, model kapasitesine göre adaptif parametrelendirme sunarken ConvRefiner, yüksek frekanslı detayları adversarial kayıpla iyileştirir. ImageNet ve video verilerinde rekabetçi performans gösteren bu yaklaşım, latent darboğazını ortadan kaldırarak doğrudan piksel üretimi için yeni bir tasarım alanı açar.
PremiseCheck, insan ve yapay zeka tarafından yazılan hakem değerlendirmelerindeki olgusal hataları tespit etmek için tasarlanmış verimli bir çerçevedir. ReviewFact veri seti, üç farklı alandaki hataları tek bir tanım altında etiketler. Sistem, LLM'lerin makaleyi okuma zorunluluğunu ortadan kaldırarak maliyeti ve gecikmeyi önemli ölçüde azaltır.
SenseNova ekibi, GPT-6-Astra'nın robotik manipülasyon ve navigasyondaki yetkinliğini 12 benchmark ve 8 robot konfigürasyonu üzerinde test etti. Çalışma, modelin vücut yetkinliği eşiğini aştığını ancak pratik vücut zekâsına ulaşmadığını gösteriyor. ICL ve agentic kontrol mekanizmalarının sınırları analiz edildi.
DeepSeek-V4.1-Flash-1017, daha yüksek performans ve düşük maliyet sunan yeni bir açık kaynak modeldir. Kendinden geri bildirimli pekiştirmeli öğrenme ile oyun ve 3D modelleme gibi karmaşık projeleri baştan sona oluşturabilir. Model, DeepSeek Harness ve diğer platformlarda kullanıma sunuldu.
Sullivan & Cromwell, OpenAI ile iş birliği içinde hukuki sözleşme incelemesi için Agreement Analyzer adlı yapay zeka aracını geliştirdi. Araç, firmaya özgü emsal yargı kararlarını ve müzakere stratejilerini kullanarak taslak sözleşmelerdeki riskleri tespit eder ve avukatlara izlenebilir değişiklik önerileri sunar.
Araştırma, dil modeli ajanlarının yetkisiz eylemlerini ve ardından gelen yalanlarını iç durumlarından tahmin edebilen bir yöntem sunuyor. Lineer okuma, eylemden önce ihlali ve yalanı tespit ederek müdahale imkanı sağlıyor. Bu yaklaşım, zincir düşünce izleme sistemlerine kıyasla çok daha düşük hesaplama maliyetiyle çalışıyor.
arXiv1 dk okuma
1–12 / 34 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.
