{
  "schema": 1,
  "date": "2026-10-20",
  "url": "https://isaret.ai/2026-10-20/",
  "language": "tr",
  "title": "SciΠvot: Bilimsel Araştırma Ajanlarının Yargısı Ölçülüyor",
  "foreword_tr": "Bugünkü sayının ortak ipliği şu soru: Yapay zeka sistemlerinin ne gördüğü kadar, ne kadar iyi karar verdiği ve bunun nasıl ölçüldüğü de önemli. Geometriye dayalı 3B görüden açık ağırlıklı modellere, otonom ajanlardan el becerisi ve endüstriyel robotik kıyaslamalarına uzanan çalışmalar, yeteneğin ancak sağlam değerlendirmeyle anlam kazandığını gösteriyor. Hepsini bir arada okumak, alanın hem nereye koştuğunu hem de bu koşuyu hangi cetvelle ölçtüğümüzü görmenizi sağlıyor.",
  "article_count": 8,
  "articles": [
    {
      "id": "scivot-bilimsel-arastirma-ajanlarinin-yargisi-olculuyor",
      "position": 1,
      "isaret_url": "https://isaret.ai/2026-10-20/#scivot-bilimsel-arastirma-ajanlarinin-yargisi-olculuyor",
      "turkish_headline": "SciΠvot: Bilimsel Araştırma Ajanlarının Yargısı Ölçülüyor",
      "turkish_teaser": "248 vakalık yeni kıyaslama: öncü modeller hatalı planı uzman düzeltmesine tercih ediyor.",
      "turkish_summary": "SciΠvot, büyük dil modeli (LLM) ajanlarının bilimsel yargı yeteneğini ölçen 248 vakalık bir kıyaslama olarak sunuldu. Çalışma, altı bilim alanında 26 projeyi kapsayan altı aylık bir araştırma sürecinde kıdemli araştırmacıların ajanların kararlarını defalarca düzeltmesinden elde edilen kayıtlara dayanıyor. Her vakada ajan, projenin düzeltme öncesi kayıtlarını bağlam olarak kullanarak orijinal LLM planı ile insan tarafından düzeltilmiş alternatif arasında seçim yapıyor.\n\nSonuçlar çarpıcı: orta düzey akıl yürütme çabasında modeller sistematik biçimde orijinal LLM planını tercih ediyor. Test edilen beş öncü modelden dördü seçilen vakalarda şans seviyesinin altında kalıyor. Proje bağlamındaki en yüksek doğruluk %63,5 iken, işe yeni başlayan araştırmacılar %73,4'e ulaşıyor. Dahası, her model proje kaydıyla kayıtsız hâline göre daha düşük doğruluk veriyor ve yeniden değerlendirme genel doğruluğu tutarlı biçimde artırmıyor.\n\nBu bulgular, aylarca insan gözetimi olmadan çalışabilen araştırma ajanlarının güvenilirliği için ciddi bir uyarı niteliğinde. SciΠvot ise otonom bilimsel ajanların yargı kalitesini sistematik olarak değerlendirmek isteyen ekipler için somut bir ölçüm aracı sunuyor.",
      "content_type": "research",
      "source": "Hugging Face Daily Papers",
      "url": "https://huggingface.co/papers/2610.21082"
    },
    {
      "id": "geoforward-geometri-rehberli-ileri-beslemeli-3b-yeniden-yapilandirma",
      "position": 2,
      "isaret_url": "https://isaret.ai/2026-10-20/#geoforward-geometri-rehberli-ileri-beslemeli-3b-yeniden-yapilandirma",
      "turkish_headline": "GeoForward: Geometri Rehberli İleri Beslemeli 3B Yeniden Yapılandırma",
      "turkish_teaser": "Metrik geometri, kameralar arası eşleşmeyi 3B temsil oluşmadan önce kuruyor.",
      "turkish_summary": "GeoForward, ileri beslemeli (feedforward) 3B yeniden yapılandırmada yaygın olan görünüm odaklı yaklaşımın yerine geometri koşullu yeni bir paradigma öneriyor. Mevcut yöntemler çok görünümlü görüntüleri kodlayıp görüntüler arası eşleşmeyi öğrenilmiş özelliklerden dolaylı olarak çıkarıyor. Oysa kalibre kameralar ve seyrek metrik ölçümler, aynı fiziksel noktanın farklı görünümlerde nerede yer alacağına dair açık kısıtlar zaten sağlıyor.\n\nYöntem, seyrek LiDAR noktalarını 3B uzaya taşıyıp kalibre kameralara analitik olarak yansıtarak metrik eşleşme çıpaları üretiyor. Sınırlandırılmış sürekli yerel arama bu çıpaları görsel özelliklerle inceltiyor; ortaya çıkan temsil, VGGT'den gelen küresel çok görünümlü bağlamla birleştiriliyor. Paylaşılan temsil, metrik derinlik ve Gaussian öznitelik tahminlerini ayrı ayrı besliyor. Seyrek 3B iyileştirme modülü ise geometrik olarak belirlenen merkezleri koruyarak yerel öznitelik uyumunu artırıyor.\n\nnuScenes üzerinde GeoForward, karşılaştırılan yöntemler arasında en düşük kameralar arası derinlik tutarlılığı hatasına ve Chamfer mesafesine ulaşırken rekabetçi yeniden yapılandırma kalitesini de koruyor. Sonuçlar, eşleşme oluşumunu metrik geometriye bağlamanın, yalnızca görünüme dayalı yaklaşımlara etkili bir alternatif sunduğunu gösteriyor.",
      "content_type": "research",
      "source": "Arxiv CS.CV",
      "url": "https://arxiv.org/abs/2610.23895"
    },
    {
      "id": "meta-dan-acik-agirlikli-muse-spark-open-modeli",
      "position": 3,
      "isaret_url": "https://isaret.ai/2026-10-20/#meta-dan-acik-agirlikli-muse-spark-open-modeli",
      "turkish_headline": "Meta'dan Açık Ağırlıklı Muse Spark Open Modeli",
      "turkish_teaser": "816 milyar parametreli çok kipli MoE modeli 1 milyon token bağlam sunuyor.",
      "turkish_summary": "Meta, Muse Spark Open adlı açık ağırlıklı öncü modelini yayımladı. Karma uzman (mixture-of-experts) mimarisine sahip model, toplamda yaklaşık 816 milyar parametre içeriyor; token başına yaklaşık 42 milyar parametre etkin. Metin, görüntü, ses ve video girdilerini alıp metin üretiyor; bağlam penceresi 1 milyon token'a kadar uzanıyor. Hugging Face'in aktardığına göre bu, bugüne dek yayımlanan en yetenekli ABD kaynaklı açık ağırlıklı model.\n\nMeta modeli, çok dosyalı yeniden düzenlemeler ve uzun hata ayıklama oturumları gibi gerçek geliştirici iş akışlarıyla ajan tabanlı kodlama için eğitmiş: kod tabanını okuma, kod yazma ve hata ayıklama, araç çağırma. Mimari 62 katmandan oluşuyor; her MoE katmanında 256 uzman bulunuyor ve token başına 8'i seçiliyor. Girdi gömmesi ile çıktı katmanı ayrı matrisler. Ağırlıklar BF16 ve NVFP4 biçimlerinde sunuluyor.\n\nModel, Ağustos'ta yayımlanan ve yerelde çalıştırmaya uygun küçük yoğun model Muse Glimmer'ın büyük kardeşi; ikisi aynı tokenizer ve sözlüğü paylaşıyor. Açık ağırlıklı bir modelin bu ölçekte ve çok kipli girdilerle gelmesi, geliştiriciler için yerel ve özelleştirilebilir ajan sistemlerinin önünü açıyor.",
      "content_type": "industry",
      "source": "Hugging Face Blog",
      "url": "https://huggingface.co/blog/meta-muse-spark-open"
    },
    {
      "id": "handson-el-becerisi-manipulasyonu-icin-buyuk-olcekli-simulasyon-kiyaslamasi",
      "position": 4,
      "isaret_url": "https://isaret.ai/2026-10-20/#handson-el-becerisi-manipulasyonu-icin-buyuk-olcekli-simulasyon-kiyaslamasi",
      "turkish_headline": "HandsOn: El Becerisi Manipülasyonu İçin Büyük Ölçekli Simülasyon Kıyaslaması",
      "turkish_teaser": "Beş kol, altı el, ~200 nesne: en iyi politika Core-50'de yalnızca %29,1 başarı yakaladı.",
      "turkish_summary": "HandsOn, farklı robot gövdeleri arasında el becerisi gerektiren manipülasyon için tasarlanmış, birleştirilebilir bir simülasyon platformu ve kıyaslama. Beş robot kolu, altı beceri eli ve rastgele sahnelerde yaklaşık 200 katı, mafsallı ve deforme olabilen nesneyi destekliyor. Kıyaslama, 18.000 özenle seçilmiş insan gösterimini 66 insan doğrulamalı görevle eşleştiriyor.\n\nGörevler iki gruba ayrılıyor: Core-50 gösterim tabanlı öğrenme ve yürütme testlerini, Transfer-16 ise hedef göreve özgü eğitim gösterimi olmadan varlık ve ilişki aktarımını, beceri bileşimini ve deforme olabilen nesne manipülasyonunu değerlendiriyor. Gerçek robotla yapılan niteliksel denemeler simülasyondan gerçeğe aktarımı da gösteriyor.\n\nDifüzyon, görü-dil-eylem, dünya-eylem ve istem tabanlı VLM yöntemleri karşılaştırıldığında, eğitilmiş en iyi çok görevli politika Core-50'de %29,1 başarıya ulaşıyor. Kıyaslamaya özgü ince ayar olmadan GPT-6, avuç içi ve parmak kontrolü için move_eef kullanarak 660 denemede Core-50'de %5,2, Transfer-16'da %1,9 başarı elde ediyor. Aşama tanılamaları temas kurma, eylem koordinasyonu ve ulaşılan hedefi koruma aşamalarında hatalar olduğunu gösteriyor. HandsOn, manipülasyonda genelleme ve güvenilir fiziksel etkileşimin sınırlarını araştırmak için ortak bir zemin sunuyor.",
      "content_type": "research",
      "source": "Hugging Face Daily Papers",
      "url": "https://huggingface.co/papers/2610.26765",
      "image": {
        "url": "https://isaret.ai/2026-10-20/img/handson-el-becerisi-manipulasyonu-icin-buyuk-olcekli-simulasyon-kiyaslamasi.webp",
        "width": 1200,
        "height": 359,
        "alt_tr": "Eldiven takan operatör, parmak ve bilek hareketiyle simülasyondaki kol-el sistemini yönlendiriyor; sahne izleniyor.",
        "caption_tr": "Operatörün eldivenle kaydedilen parmak hareketleri ve bilek takipçisinin verileri, simüle edilen kol-el sistemine aktarılarak insan gösterimleri toplanıyor.",
        "credit": "Luo ve ark., arXiv, CC BY 4.0",
        "license": "CC BY 4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "source_url": "https://huggingface.co/papers/2610.26765",
        "origin": "arxiv-figure"
      }
    },
    {
      "id": "kronlstm-uzun-baglam-icin-kronecker-delta-kurali",
      "position": 5,
      "isaret_url": "https://isaret.ai/2026-10-20/#kronlstm-uzun-baglam-icin-kronecker-delta-kurali",
      "turkish_headline": "KronLSTM: Uzun Bağlam İçin Kronecker Delta Kuralı",
      "turkish_teaser": "xLSTM ailesine eklenen yeni güncelleme kuralı, ek normalizasyon olmadan kararlı bellek sağlıyor.",
      "turkish_summary": "KronLSTM, ilişkisel matris belleklerinde yeni bir güncelleme kuralı olan Kronecker Delta Kuralı'na dayanan bir doğrusal dikkat (linear attention) mimarisi. xLSTM ailesini genişleten model, hedeflenen ilişkileri düzeltirken belleği matris uzayında yalnızca tek bir yönde değiştiren bir bellek revizyon mekanizması ekliyor. Bu asgari müdahale, delta kuralı güncellemelerine kıyasla daha önce saklanan bilgilerle girişimi azaltıyor ve uzun bağlamlı dil modellemesi için özellikle uygun.\n\nBellek dinamikleri matematiksel olarak kararlı bir dağılıma yakınsayan bir Markov zinciri olarak tanımlanabiliyor. Bellek matrisinin beklenen normu da girdi dizisi boyunca düzgün biçimde sınırlı kalıyor. Dolayısıyla KronLSTM, bellek durumu için ek normalizasyon veya kararlılaştırma mekanizmalarına ihtiyaç duymuyor.\n\nDeneyler, KronLSTM'nin (Gated) DeltaNet ailesi dahil mevcut doğrusal dikkat mimarileriyle rekabet ettiğini, çoğu zaman onları geçtiğini ve özellikle uzun bağlam kıyaslamalarında güçlü performans gösterdiğini ortaya koyuyor. Kod ve modeller açık kaynak olarak paylaşılıyor; kodun FLA ile uyumlu olduğu ve daha hızlı çekirdeklerin hazırlandığı belirtiliyor. Bu da yaklaşımı hem araştırmacılar hem de uygulayıcılar için kolayca denenebilir kılıyor.",
      "content_type": "research",
      "source": "Hugging Face Daily Papers",
      "url": "https://huggingface.co/papers/2610.26834"
    },
    {
      "id": "libero-industry-endustriyel-kisitlar-altinda-robot-manipulasyonu",
      "position": 6,
      "isaret_url": "https://isaret.ai/2026-10-20/#libero-industry-endustriyel-kisitlar-altinda-robot-manipulasyonu",
      "turkish_headline": "LIBERO-Industry: Endüstriyel Kısıtlar Altında Robot Manipülasyonu",
      "turkish_teaser": "216 görevlik kıyaslama, üretim hattı kısıtları eklendikçe politika performansının düştüğünü gösterdi.",
      "turkish_summary": "LIBERO-Industry, esnek üretimdeki endüstriyel süreç kısıtlarını kontrol edilebilir görev koşullarına ve ölçülebilir başarı ölçütlerine dönüştüren yeni bir kıyaslama. Yüksek çeşitli, düşük hacimli (HMLV) elektronik montajı gibi ortamlarda robot politikalarının ürün varyantlarına, hareketli malzeme akışlarına, sınırlı yürütme pencerelerine ve sıkı geometrik toleranslara uyum sağlaması gerekiyor. Mevcut değerlendirme çerçeveleri bu kısıtları genel amaçlı politikalar için sistematik olarak yakalamıyordu.\n\nKıyaslama, yaygın LIBERO üzerine kurulu ve üç klasik senaryo içeriyor: Statikten Dinamiğe (S2D) yükleme, Dinamikten Statiğe (D2S) boşaltma ve Dinamikten Dinamiğe (D2D) aktarım. Toplam 216 görev; nesne geometrisini, konveyör hızını, etkileşim penceresi süresini ve geometrik kabul bölgesi boyutunu sistematik biçimde değiştiriyor.\n\nBeş genelci robot politikası (görü-dil-eylem ve dünya-eylem modelleri dahil) üzerindeki deneyler, endüstriyel kısıtlar eklendikçe ve birleştikçe performansın giderek düştüğünü gösteriyor. Ortak bir ince ayar ve değerlendirme protokolü altında, LIBERO-Industry ile ortak eğitim koşulu, orijinal LIBERO koşuluna göre daha yüksek hedef aktarım tamamlama oranı sağladı. Kıyaslama, gömülü yapay zeka modellerinin fabrika zeminine hazırlığını ölçmek için pratik bir araç sunuyor.",
      "content_type": "research",
      "source": "Hugging Face Daily Papers",
      "url": "https://huggingface.co/papers/2610.16782",
      "image": {
        "url": "https://isaret.ai/2026-10-20/img/libero-industry-endustriyel-kisitlar-altinda-robot-manipulasyonu.webp",
        "width": 1200,
        "height": 622,
        "alt_tr": "LIBERO-Industry'nin genel görünümü: üç klasik endüstriyel senaryo ve robot politikalarının bu senaryolardaki değerlendirmesi.",
        "caption_tr": "Kıyaslama, endüstriyel süreç kısıtlarından yola çıkarak genelci robot politikalarını üç klasik endüstriyel senaryoda değerlendiriyor.",
        "credit": "Sung ve ark., arXiv, CC BY 4.0",
        "license": "CC BY 4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "source_url": "https://huggingface.co/papers/2610.16782",
        "origin": "arxiv-figure"
      }
    },
    {
      "id": "lvmh-uzun-video-ajanlari-icin-meta-optimizasyon-cercevesi",
      "position": 7,
      "isaret_url": "https://isaret.ai/2026-10-20/#lvmh-uzun-video-ajanlari-icin-meta-optimizasyon-cercevesi",
      "turkish_headline": "LVMH: Uzun Video Ajanları İçin Meta-Optimizasyon Çerçevesi",
      "turkish_teaser": "SEEM politikası, önceki en iyiyi 7,7 puan geçerken yaklaşık 32 kat daha az token kullandı.",
      "turkish_summary": "Uzun video ajanları, saatler ya da günler süren çok kipli kanıtı sınırlı bir bağlama sığdırmak zorunda; üstelik token ve gecikme bütçelerine de uymaları gerekiyor. Mevcut bellek sistemleri çoğunlukla elle tasarlanmış politikalara dayanıyor. LVMH (Long Video Meta-memory Harness), bellek politikası geliştirmeyi sabit bir yanıt modeli etrafında çok amaçlı kod araması olarak formüle eden otomatik bir çok ajanlı çerçeve.\n\nÇerçeve, kendi kendini onaylamayı ve geliştirme kümesine aşırı uyumu önlemek için uygulamayı bağımsız incelemeden ayırıyor ve korumalı gözlem sınırları uyguluyor. Kalıcı bir meta-bellek, geçmiş önerileri, izleri, maliyetleri ve hataları kaydederek sonraki politika revizyonlarına rehberlik ediyor. Bu sistemle keşfedilen SEEM (Self-Evolving Evidence Memory), \"önce metin, sonra görüntü\" mantığıyla çalışıyor: yanıtları kompakt yapılandırılmış olay belleğinden ve kanıt uzmanlarından veriyor, yerelleştirilmiş karelere ise yalnızca seçici bir görsel kapı üzerinden başvuruyor.\n\nEgoLifeQA üzerinde evrilen politika, görülmemiş kıyaslamalara genelleniyor; GPT-5 mini ile hem Ego-R1 Bench hem de Video-MME (L) üzerinde Meta-Harness'ı geride bırakıyor. GPT-5 ile SEEM, üç kıyaslamada %65,7 ortalama doğruluğa ulaşarak önceki en iyiyi 7,7 puan aşıyor; ortalama değerlendirme token kullanımı yaklaşık 32 kat, ortalama yanıt süresi ise 91 kat daha düşük.",
      "content_type": "research",
      "source": "Arxiv CS.CV",
      "url": "https://arxiv.org/abs/2610.23904"
    },
    {
      "id": "dort-gemini-4-argon-ajani-minecraft-i-insansiz-bitirdi",
      "position": 8,
      "isaret_url": "https://isaret.ai/2026-10-20/#dort-gemini-4-argon-ajani-minecraft-i-insansiz-bitirdi",
      "turkish_headline": "Dört Gemini 4 Argon Ajanı Minecraft'ı İnsansız Bitirdi",
      "turkish_teaser": "Ajanlar 27 saatte Ender Ejderhası'nı insan yardımı olmadan yendi.",
      "turkish_summary": "Google Gemini 4 Argon üzerinde çalışan dört yapay zeka ajanı, Minecraft'ı ilk kez insan müdahalesi olmadan tamamlayarak Ender Ejderhası'nı tam otonom bir oturumda yendi. Google DeepMind ekibi ajanları rastgele üretilmiş bir dünyaya bıraktı; rol, strateji ya da oyuna özgü araç atanmadı. Ajanlar görevleri kendi aralarında paylaştı, birbirlerini tehditlere karşı uyardı, ölen takım arkadaşlarının eşyalarını geri topladı ve hatalarını ortak bir belleğe kaydetti.\n\n27 saat 14 dakika süren oturumda dört ajan toplam 2.783 JavaScript programı yazdı, 229 sohbet mesajı alışverişinde bulundu ve 605 kez öldü. Oturumun maliyeti, 2027'de yürürlüğe girecek standart Gemini 4 Argon fiyatıyla 1.620 dolar oldu.\n\nSonuç, birkaç yıl önce sıfırdan eğitilmiş, amaca özgü sistemler gerektiren video oyunlarının artık genel amaçlı ajan modelleriyle çözülebildiğinin bir örneği. Çok ajanlı koordinasyon, ortak bellek ve kendi kendine hata ayıklama yeteneklerinin uzun görevlerde bir arada çalışabildiğini gösteriyor. Oyun dünyasında elde edilen bu otonomi, benzer yeteneklerin yazılım geliştirme ve robotik gibi alanlarda uzun soluklu, çok adımlı görevlere uygulanabileceğine işaret ediyor.",
      "content_type": "industry",
      "source": "The Decoder",
      "url": "https://the-decoder.com/four-gemini-4-argon-agents-beat-minecraft-without-any-human-help/"
    }
  ],
  "image_credits": [
    {
      "article_id": "handson-el-becerisi-manipulasyonu-icin-buyuk-olcekli-simulasyon-kiyaslamasi",
      "credit": "Luo ve ark., arXiv, CC BY 4.0",
      "license": "CC BY 4.0",
      "license_url": "https://creativecommons.org/licenses/by/4.0/",
      "source_url": "https://huggingface.co/papers/2610.26765"
    },
    {
      "article_id": "libero-industry-endustriyel-kisitlar-altinda-robot-manipulasyonu",
      "credit": "Sung ve ark., arXiv, CC BY 4.0",
      "license": "CC BY 4.0",
      "license_url": "https://creativecommons.org/licenses/by/4.0/",
      "source_url": "https://huggingface.co/papers/2610.16782"
    }
  ]
}