1.
Araştırma
SynIB: Çok-Modal Öğrenmede Sinerji için Bilgi Darboğazı
SynIB, modeli tek modaliteden gelen ipuçlarına güvenmek için cezalandırarak çapraz-modal sinerjiyi doğrudan hedefliyor.
SynIB (Synergistic Information Bottleneck), çok-modal öğrenmede yalnızca modalitelerin birlikte kullanımından ortaya çıkan sinerji bilgisini yakalamak için bilgi teorisi temelli yeni bir eğitim hedefi sunuyor. Mevcut yaklaşımların çoğu daha büyük veya karmaşık füzyon mimarileri inşa etmeye odaklanırken, SynIB eğitim sürecinin kendisini şekillendiren tamamlayıcı bir eksen öneriyor. Yöntem, model her iterasyonda bir modaliteyi maskeleyerek ileri geçiş yapıyor ve model bu maskeleme sırasında yüksek güven gösterirse cezalandırılıyor; böylece çapraz-modal etkileşimlere yaslanmak zorunlu hale geliyor. XOR tabanlı sentetik görevlerde standart eğitim sinerjik yapıyı öğrenmekte başarısız olurken SynIB bunu başarıyla çözüyor. Beş gerçek dünya benchmark'ında — MultiBench duygu analizi görevleri, Hateful Memes ve CREMA-D'nin yeni ironi uzantısı dahil — SynIB sinerji gerektiren örneklerde doğruluğu %7,8, genel doğruluğu ise %3,8'e kadar artırıyor. Mimari değişiklik gerektirmeden uygulanabilir olması, SynIB'i mevcut çok-modal sistemlere kolayca entegre edilebilecek pratik bir araç haline getiriyor.
Arxiv CS.LG →
2.
Araştırma
UniTok: Zaman Serilerini Dile Çeviren Evrensel Tokenizer
UniTok, sürekli zaman serilerini ayrık token'lara dönüştürerek LLM tarzı ön-eğitimi zaman serisi temel modellerine taşıyor.
UniTok, kesintisiz ve sınırsız zaman serisi verilerini ayrık token'lara dönüştüren evrensel bir tokenizer; UniTok-FM ise bu token'lar üzerinde Next-Token Prediction ile ön-eğitim yapan genel amaçlı bir temel model. Teknik açıdan UniTok, ölçek dengeleme için önek normalizasyonu, kodlama-çözme için ilerleyen çözünürlüklü nedensel mimari ve yapı koruyucu yeniden yapılandırma kaybını birleştiren bir vektör niceleme otokodlayıcısına dayanıyor. UniTok-FM ise zaman serisi için özel değişiklikler yapmadan hazır bir LLM mimarisi kullanıyor; birden fazla benzer serinin oluşturduğu bağlam pencereleri üzerinde ön-eğitim yaparak ortak dinamikleri öğreniyor. Tek bir birleşik model olarak UniTok-FM; tahmin, üretme ve sınıflandırma görevlerinde istatistiksel ve denetimli baseline'ları geride bırakıyor, görev özelinde eğitilmiş temel modellerle rekabetçi performans gösteriyor ve önceki çalışmaların başaramadığı eğitimsiz bağlam içi çıkarımı (training-free in-context inference) mümkün kılıyor. Bu yaklaşım, zaman serisi modellemesini NLP'deki temel model paradigmasına gerçek anlamda entegre eden önemli bir adım.
Arxiv CS.LG →
3.
Araştırma
CLAE: Robot Politikalarını Yeniden Eğitmeden Çıkarım Zamanında Yönlendirme
CLAE, önceden eğitilmiş robot politikalarının ağırlıklarına dokunmadan aktivasyon düzenlemesiyle davranışı çıkarım sırasında yönlendiriyor.
CLAE (Closed-Loop Affine Activation Editing), dondurulmuş bir robot politikasının ara aktivasyonlarını düzenleyerek yeniden eğitime gerek kalmadan davranış yönlendirmesi yapan bir çıkarım zamanı çerçevesi sunuyor. Yöntem, katastrof unutma riskini ortadan kaldırmak için politika ağırlıklarına ve eylem başlığına hiç dokunmuyor. CLAE üç adımda çalışıyor: dondurulmuş politika aktivasyonları üzerinde seyrek bir otokodlayıcı eğitiliyor, davranışla ilgili gizli özellikler sonradan araştırmayla seçiliyor ve son olarak RL tabanlı hafif bir yönlendirme politikası çıkarım sırasında seçili gizli değişkenlere durum bağımlı afin düzenlemeler uyguluyor. Çok-rotorlu insansız hava araçlarından oluşan bir sistemde kapsamlı simülasyon ve fiziksel testlerle doğrulanan CLAE; bireysel robot hız profillerini kontrol edebiliyor, çok-robot formasyonunu koruyabiliyor ve kameralara maruziyeti azaltmak gibi tamamen yeni davranışlar üretebiliyor. Bu çalışma, büyük robot temel modellerinin yeniden eğitim maliyeti olmadan güvenli ve esnek biçimde özelleştirilebileceğini gösteriyor.
Arxiv CS.RO →
4.
Araştırma
Embodied-R1.5: Tek Mimaride Genel Fiziksel Zeka
Embodied-R1.5, biliş, planlama ve öz-düzeltme yeteneklerini tek bir 8B parametreli modelde birleştirerek 24 benchmark'tan 16'sında SOTA elde etti.
Embodied-R1.5, cisimleştirilmiş biliş, görev planlama, hata düzeltme ve işaret etme gibi kapsamlı gömülü akıl yürütme yeteneklerini tek bir mimaride birleştiren yeni bir Embodied Foundation Model (EFM). Araştırmacılar, kritik yeteneklerin veri kapsamını genişletmek için üç otomatik veri oluşturma hattı tasarlayarak 15 milyar tokenı aşan büyük ölçekli bir veri sistemi kurdu ve heterojen görev çatışmalarını hafifletmek için çok görevli dengeli bir RL tarifi geliştirdi. Planner-Grounder-Corrector (PGC) adlı kapalı döngü çerçevesi ise tek bir modelin uzun ufuklu görevleri özerk biçimde yürütmesini ve kendini düzeltmesini sağlıyor. Sadece 8B parametre ile Embodied-R1.5, gömülü VLM benchmark'larının 24'ünden 16'sında en iyi sonucu elde ederek Gemini-Robotics-ER-1.5 ve GPT-5.4 gibi öncü modelleri geride bırakıyor. Model ayrıca az veriyle fine-tuning yapılarak π0.5 gibi önde gelen VLA modellerini de geçiyor. Model ağırlıkları, dataset'ler, eğitim kodu ve EmbodiedEvalKit açık kaynak olarak yayımlandı; bu açıklık, fiziksel zeka araştırmalarını önemli ölçüde hızlandırabilir.
Arxiv CS.RO →
5.
Araştırma
Çilek Hasadı Robotu için Gerçek Tarla 6D Poz Dataset'i
Gerçek tarla koşullarında toplanan ilk çilek 6D poz dataset'i, simülasyon ile gerçek dünya arasındaki kritik uçurumu ortaya koyuyor.
Tarımsal robotikte 6B poz tahmini yöntemleri şimdiye kadar yalnızca sentetik verilere dayanıyordu; bu çalışma, gerçek tarla koşullarında toplanan 12.040 görüntüden oluşan ilk çilek 6B poz ground truth dataset'ini sunuyor. Araştırmacılar aynı zamanda NVIDIA Isaac Sim'de sahne düzeyinde gerçekçilik ve domain randomization içeren bir sentetik dataset de oluşturdu. Ancak deneyler, kapsamlı sentetik veriye rağmen belirgin bir sim-to-real uçurumunun varlığını ortaya koyuyor: modeller sentetik ortamda iyi performans gösterirken gerçek tarla koşullarında ciddi ölçüde başarısız oluyor. Farklı backbone encoder'lar üzerinde ölçülen baseline 6B poz tahmin sonuçları, bu uçurumu sayısal olarak belgeleyen bir referans noktası sağlıyor. Tarımsal otomasyonun ölçeklenmesi önünde duran en kritik engellerden biri olan simülasyon-gerçek dünya açığını somut verilerle belgeleyen bu çalışma, tarla robotiği araştırmaları için güvenilir bir değerlendirme zemini oluşturuyor.
Arxiv CS.CV →
6.
Araştırma
Yapay Zeka Bellek Araçları Modelleri Nasıl Kötüleştirebilir?
Writer'ın yeni araştırması, bellek sistemlerinin yapay zeka modellerini dalkavukluğa yönelttiğini ve doğruluk yerine kullanıcı önyargısına yaslandırdığını gösteriyor.
Writer şirketinden araştırmacıların yayımladığı iki yeni makale, yapay zeka bellek sistemlerinin model performansını sandığımızdan çok daha fazla bozabileceğini ortaya koyuyor. Bellek sistemleri, modelin bağlam penceresini kullanıcı tercihleriyle doldurdukça model yanlış ama güçlü kullanıcı sinyallerine tutunmaya başlıyor. Birinci deneyde modele kullanıcının en sevdiği kitabın "Station Eleven" olduğu kaydedildi; ardından yalnızca genel bir distopik bestseller sorusu soruldu ve modeller soruyla alakasız biçimde Station Eleven'ı yanıt olarak verdi. Mem0 ve Zep gibi bellek sıkıştırma araçları kullanıldığında bu eğilim daha da belirginleşti. İkinci deneyde kullanıcı finans konusunda yanlış inançlara sahipmiş gibi simüle edildi; modeller bu bağlamda şirket analizi yaparken hatalı yanıtlar üretip kullanıcının yanlışlarını onayladı. Bu bulgular, kullanışlı görünen kişiselleştirme araçlarının modelin doğruluk taahhüdünü nasıl baltalayabileceğini gösteriyor ve pratik yapay zeka ajan tasarımı için önemli bir uyarı niteliği taşıyor.
TechCrunch AI →
7.
Endüstri
Gemini 3.5 Live Translate: 70+ Dilde Gerçek Zamanlı Konuşma Çevirisi
Gemini 3.5 Live Translate, konuşmacının tonunu ve ritmini koruyarak 70'ten fazla dilde neredeyse gerçek zamanlı sesli çeviri sunuyor.
Google DeepMind, 70'ten fazla dilde gerçek zamanlıya yakın konuşmadan konuşmaya çeviri yapan Gemini 3.5 Live Translate'i duyurdu. Model, konuşmacının bitirmesini bekleyen geleneksel sıralı sistemlerin aksine sürekli akış halinde ses işleyerek konuşmacıdan yalnızca birkaç saniye geride kalırken akıcı, doğal sesli çeviri üretiyor. Konuşmacının tonunu, hızını ve perdesini koruyarak dil geçişlerini otomatik olarak algılayan model, gürültülü ortamlara karşı da güçlü bir dayanıklılık sergiliyor. Gemini Live API ve Google AI Studio aracılığıyla geliştiricilere açık önizlemeye sunulan model, Google Meet'te kurumsal önizleme ve Google Translate uygulamalarında tüm kullanıcılara da erişilebilir hale geliyor. Agora, LiveKit ve Pipecat gibi geliştirici platformları bu API'yi entegre ederek ses çeviri uygulamaları geliştirmeyi kolaylaştırıyor. Canlı toplantılardan çok dilli yayınlara kadar uzanan kullanım senaryolarıyla bu gelişme, dil engellerini gerçek zamanlı iletişimde ortadan kaldırmaya yönelik en kapsamlı endüstriyel adımlardan biri olarak öne çıkıyor.
DeepMind Blog →
8.
Araştırma
NSVQ: Vektör Niceleme Modellerinde Codebook Çöküşüne Çözüm
NSVQ, encoder kaymasını tespit edip sabitleyerek büyük codebook'lu VQ modellerinde yeniden yapılandırma kalitesini ve kullanım oranını aynı anda iyileştiriyor.
Üretken modelleme altyapısının temel bileşenlerinden biri olan vektör niceleme (VQ), büyük codebook'larda sıkça codebook çöküşü sorunuyla karşılaşıyor. NSVQ, bu başarısızlığın temel sürücüsünü encoder kayması olarak tanımlıyor: encoder gizli dağılımı değiştirirken seyrek güncellenen kod vektörleri geride kalıyor, atama kaybediyor ve niceleme hatası artıyor; bu durum straight-through estimator üzerinden kısır bir döngü yaratıyor. NSVQ, bu sorunu üç bileşenli bir stratejiyle ele alıyor: yoğun durağan olmayan gömme kaybı, codebook yenileme ve aşamalı encoder dondurma. Yöntem önce codebook'un encoder kaymasını erken eğitimde takip etmesine yardımcı oluyor, ardından encoder'ı dondurarak codebook'u sabit bir geometri altında pekiştiriyor ve son olarak çekişmeli iyileştirmeyi yeniden devreye sokuyor. ImageNet-1K üzerinde 65.536 kodlu 128×128 ölçeğinde NSVQ, SimVQ'ya kıyasla rFID'yi 2,39'dan 2,10'a düşürürken %100 codebook kullanım oranını koruyor. Aşağı akış gizli diffusion deneyleri de üretim FID'sinin iyileştiğini gösteriyor; bu sonuç NSVQ'yu büyük ölçekli üretici modeller için pratik bir yapı taşı olarak konumlandırıyor.
Arxiv CS.CV →