Arşiv

Araç çıktılarını bağlama değil çalışma zamanı değişkenlerine yazan ProgAgent, uzun görevlerde bağlam çürümesini önlüyor.

Anthropic'in Haiku 5.5'i, selefine göre ortalama %75 daha ucuz ve ayarlanabilir efor seviyesiyle geliyor.

Çok ajanlı çerçeve, 3D Gaussian Splatting makalelerini gsplat tabanlı çalışan koda dönüştürüyor.

AWS ve NVIDIA araçları, robotik geliştirmeyi tek açık kaynaklı hatta topluyor.

Çocuk konuşmasına uyarlanan ASR modelleri yetişkin performansını unutuyor; ağırlık birleştirme dengeyi kuruyor.

Video sınıflandırıcıların saldırılara dayanıklılığı için açık kaynaklı, standart ve modüler ilk benchmark çerçevesi yayımlandı.

NeMo-DCR yalnızca değişen ağırlıkları göndererek trilyon parametreli ajan RL'de senkronizasyon süresini kısaltıyor.

vLLM v0.31.0, 307 katkıcıdan 717 commit ile DeepSeek-V4.1-Flash performansını ve hızlı yeniden başlatmayı öne çıkarıyor.

Awomo-SimDataEngine, fiziksel olarak geçerli sahneleri robot demonstrasyonlarına dönüştürüyor.

Open TTS Leaderboard, ses klonlama ve çok dilli modelleri objektif metriklerle ölçeklenebilir biçimde sıralıyor.

JEPA tarzı bilineer dünya modeli, planlamayı neredeyse bin kat hızlandırırken kontrol doğruluğunu koruyabiliyor.

KernelZero-7B, CUDA ve Triton kernel üretiminde Claude 4.5 Sonnet ve DeepSeek-V4-Pro'yu geride bıraktı.

Gemini'nin yeni ajanlık video özelliği token tüketimini %88, maliyeti %66 düşürüyor.

Yalnızca 520 kB SRAM'e sahip çift çekirdekli mikrodenetleyicide çalışan TinyCVIO, nanodronlarda 3.5 cm'lik yörünge hatası başarıyor.

Elastic Threshold Attention, 512K token uzunluğunda dizilerde FlashAttention-2'ye kıyasla 2,5 kat hızlanma sağlıyor.

Sinyal işlemeden sahne yeniden yapılandırmasına 4D milimetre dalga radarı algoritmalarının tam haritası çıkarıldı.

Xiaomi-Robotics-1, 100K saatin üzerinde gerçek dünya verisiyle eğitilen ve görülmemiş ortamlarda doğrudan çalışan temel bir VLA modeli sunuyor.

Denetimsiz gündüz-gece görüntü çevirimi, tarım robotlarının karanlıkta güvenle navigasyon yapmasını sağlıyor.

Microsoft'un Memora sistemi, ajan belleğini soyutlama ve özgüllük arasında dengeleyerek %98 daha az token kullanıyor.

Metalik ultrason dalga kılavuzları, tek bir transdüserden temas konumu, kuvvet ve malzeme sınıfını aynı anda belirliyor.

SkillOpt, model ağırlıklarına dokunmadan ajan talimatlarını optimize ederek yapay zeka ajanlarını daha güvenilir kılıyor.

Yeni pozisyon makalesi, VLA sistemlerinin fiziksel genelleme yaptığına dair iddiaların mevcut değerlendirme protokolleriyle doğrulanamadığını savunuyor.

IMU sensör füzyonuyla çalışan yeni mimari, etiketli veri olmadan %98'i aşan aktivite tanıma doğruluğu sağlıyor.

RIFT-Bench, 45 farklı ajansal sistemi tek çatı altında test eden ilk birleşik güvenlik değerlendirme metodolojisi.

MIT'nin DAAAM sistemi, robotların keşfettikleri ortamdaki nesneleri uzun süreli bellekle takip etmesini sağlıyor.

Strands Agents ve LeRobot entegrasyonu, veri setinden gerçek robot donanımına geçişi tek bir ajan döngüsüyle mümkün kılıyor.

DharmaOCR ekibi, DPO'yu OCR'daki metin bozulma hatasını %59 azaltmak için kullandı.

LLM'ler, dijital ikiz temsilleri üzerinde pekiştirmeli öğrenmeyle eğitilerek cerrahi videolarda çok adımlı akıl yürütme yapabiliyor.

μ₀, piksel yerine 3D yörüngeler tahmin ederek robot öğrenimini gövde bağımsız hale getiriyor.

PyTorch profiling serisinin ikinci bölümü, nn.Linear'dan başlayarak fused MLP oluşturmaya kadar pratik GPU optimizasyon tekniklerini ele alıyor.

ToolSense, LLM'lerin araç kataloglarını gerçekten anlayıp anlamadığını otomatik benchmark'larla sorguluyor.

SynIB, modeli tek modaliteden gelen ipuçlarına güvenmek için cezalandırarak çapraz-modal sinerjiyi doğrudan hedefliyor.

PPO'dan KTO'ya altı tercih optimizasyonu yöntemi, dil modellerinin iç katmanlarını nasıl yeniden şekillendirdiği ilk kez sistematik biçimde incelendi.

EgoAERO, nesne taraması gerekmeden tek bir birinci şahıs videosundan robot manipülasyon politikaları üretiyor.

AxisGuide, robot manipülasyon politikalarının dağılım kayması altında neden başarısız olduğunu koordinat sistemi tutarsızlığıyla açıklıyor.

MoDex, tek bir robotik elin serbest bırakmadan sırayla birden fazla nesneyi kavramasını sağlayan diffusion policy çerçevesi sunuyor.

A2A, karmaşık sahnelerde görev odaklı nesne fonksiyonlarını gerçek zamanlı olarak tespit eden yeni bir benchmark ve öğrenme çerçevesi sunuyor.

NVIDIA'nın Cosmos 3'ü dil, görüntü, video, ses ve eylemleri tek bir transformer mimarisinde birleştiriyor.

OpenAI'ın yapay zeka modeli, Paul Erdős'ün 1940'lardan kalma ünlü matematik problemini ilk kez çözdü.

NVIDIA Cosmos 3, robotik için dünya simülasyonu, fiziksel akıl yürütme ve eylem üretimini tek açık modelde birleştiriyor.

Çin'deki ekip, beyin ölümü gerçekleşmiş 53 yaşındaki bir hastaya altı genetik düzenlemeli tek domuzdan iki böbrek ve karaciğeri aynı operasyonda taşıdı.

DeepMind, ses, görüntü, video ve metni tek bir omurga üzerinden işleyen Gemini Omni'yi yayımladı.