LLM ajanları görsel olarak olası CAD montajları üretebilir, ancak bu tasarımlar genellikle beklenen fiziksel işlevleri yerine getiremez. Bu çalışma, fonksiyonel CAD tasarımını inceleyerek, ajanların belirsiz istekleri yorumlayıp fiziksel simülasyonda işlevsel gereksinimleri karşılayan mekanizmalar oluşturmasını ve revize etmesini ele alır. FunCAD-Harness çerçevesi, soyut gereksinimleri aday bazlı fiziksel testlere çevirerek simülasyon geri bildirimini kullanır.
LLM ajanları görsel olarak olası CAD montajları üretebilir, ancak bu tasarımlar genellikle beklenen fiziksel işlevleri yerine getiremez. Bu çalışma, fonksiyonel CAD tasarımını inceleyerek, ajanların belirsiz istekleri yorumlayıp fiziksel simülasyonda işlevsel gereksinimleri karşılayan mekanizmalar oluşturmasını ve revize etmesini ele alır. FunCAD-Harness çerçevesi, soyut gereksinimleri aday bazlı fiziksel testlere çevirerek simülasyon geri bildirimini kullanır.
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.
REASON, dağılım kayması altında kalan hatayı azaltmak için System 1 ve System 2 paradigmasından ilham alan iki döngülü bir mekanizma önerir. Hızlı döngü mevcut kanıtları çözerken, kalan belirsizlik ek kanıt toplayan orta hızlı döngüyü tetikler. Deneyler, bu modelin hesap maliyetini yarıya indirerek doğruluğu artırdığını gösterir.
DisaggKD, bilgi damıtmasında öğretmen ve öğrenci modellerini farklı düğümlere dağıtarak bellek kısıtlamalarını aşan bir yöntem sunar. Tam sözlük logitlerini oluşturmadan tam sözlük kaybına eşdeğer sonuç veren birleşik bir kayıp fonksiyonu kullanır. Qwen3.5-35B-A3B'den 9B'ye damıtma testinde, yerleşik çalıştırmayla aynı dil modeli kaybını elde ederken daha hızlı eğitim sağladı. Büyük model çiftlerinde, yerleşik düzen bellek hatası verirken ayrık düzen eğitim yapabildi.
v5.20.2 yaması, generate fonksiyonunda girdi türlerinin bozulmasını ve bfloat16'daki sıfır gradyan sorununu düzeltir. Ayrıca eager_mask'taki gereksiz bellek kopyasını ortadan kaldırır. Bu değişiklikler çok modlu model istikrarını artırır.
OmniXRef, video düzenlemede metin, görsel ve video referanslarını birleştiren birleşik bir çerçeve sunar. R2-RoPE ile referans genellemesini destekler ve tek akışlı difüzyon dönüştürücü kullanır. OmniXRef-Data sentez verisi ve müfredat öğrenmesiyle eğitim verisi kıtlığını aşar.
Xiaomi-Lens-0, Qwen3.5 tabanlı 4B parametreli bir çok modlu büyük dil modelidir. Model, görsel temsillerinden maske tahmin ederek ince taneli bölge anlayışını geliştirir. Hafif bir çözücü, görsel kodlayıcı yama özelliklerini ve dil modelinin maske token durumlarını birleştirir. Bu sayede model, akıl yürütme sırasında bölgeye özgü görsel gizli değişkenleri kullanabilir. RefCOCO serisi test setlerinde Qwen3.5'e kıyasla ortalama 5.6 puanlık bir iyileşme sağlanmıştır.
Microsoft, kurumsal yapay zeka ajanlarının iç tehdit oluşturabileceğini vurgulayarak Project Perception sistemini tanıttı. Bu sistem, Guardian Agents aracılığıyla ajanların eylemlerini gerçek zamanlı izler ve dinamik risk profillerine göre müdahale eder. Amaç, inovasyon ile güvenlik arasındaki dengeyi korumaktır.
ARC-SORT, spor yayınlarındaki hızlı hareket ve kamera değişimlerine karşı belirsizlik ölçümüyle çalışan gerçek zamanlı bir nesne izleme sistemidir. Sistem, Interacting Multiple Model Kalman filtresi kullanarak her iz için dinamik arama bölgeleri oluşturur. SportsMOT test setinde 81.82 HOTA puanı alarak kimlik değişimlerinde en düşük değeri elde eder. Laptop GPU üzerinde saniyede yaklaşık 50 kare hızında çalışır ve kodu yayınlanacaktır.
arXiv'de yayımlanan bu çalışma, yapay zekanın afet yanıtı ve yerinden edilme izleme alanındaki potansiyelini ele alıyor. Makine öğrenmesi, uydu görüntüleri ve sosyoekonomik verilerle hasar değerlendirmesi ve ihtiyaç takibi için ölçeklenebilir çözümler sunuyor. Araştırma, insani görevlerde veri odaklı yaklaşımların önemini vurguluyor.
Görsel-dil modellerinde özellik-nesne bağlamı sorununu ele alan SABER ölçüm seti, mevcut modellerin karmaşık sahnelerde ciddi başarısızlıklar gösterdiğini ortaya koyuyor. Çalışma, görsel denetimi olmadan sadece sentetik metin verisiyle yapılan ince ayarın, çapraz modül aramada üstün sonuçlar verdiğini ve genel gömme performansını koruduğunu gösteriyor.
MTEdit, çoklu tur görüntü düzenleme için PTC tabanlı 500K örneklik veri seti sunar. Sıralı rollout'a göre görsel kalite sapmasını azaltır. Qwen-Image-MTEdit, MTEdit-Bench'te açık kaynak modeller arasında en iyi sonucu alır.
arXiv1 dk okuma
1–12 / 193 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.
