arXiv'de iki yeni yapay zeka makalesi yayınlandı

arXiv preprint sunucusunda 26 Ekim 2026 tarihinde iki yeni yapay zeka makalesi yayınlandı. İlk makale, canlı kurumsal veriler üzerinde çalışan üretim konuşma ajanslarının değerlendirmesine yönelik bir çevrimdışı araç sunuyor. Bu araç, arka plan verileri değişse bile tekrarlanabilir kalıyor ve gerekirse yeniden oluşturulabiliyor.

İstek sıkıştırması ve doğruluk kılıfı

İlk çalışma, doğru-luk kılıfına dayalı bir istek sıkıştırmasını ele alıyor. Üretim ticaretçi yönlü bir ajana uygulanan bu sıkıştırma, istek yüzeyini yüzde üç,beş ile yüzde yedi,altı arasında küçültüyor. Bu işlem sırasında görev doğruluğunda gerileme oluşmuyor. Üç bağımsız konu model ailesinde birinde doğruluk ölçülebilir şekilde iyileşiyor. Çevrimdışı değerlendirme aracı, GEPA tabanlı istek optimizasyonu için uygunluk fonksiyonu olarak kullanılabiliyor ve ödül hilelemeye karşı koruma sağlıyor.

Bilimsel ajanlar ve PersonaScienceBench

İkinci makale, farklı uzmanlık ve tercihlere sahip araştırmacılarla iş birliği yapacak bilimsel ajanları test etmek için PersonaScienceBench adlı bir test takımı tanıtıyor. Bu test takımı, beş test takımından ve dört bilimsel alandan 200 görev içeriyor. Simüle edilmiş araştırmacılar, persona profillerine göre bağlam ve geri bildirim sağlıyor. Görev amaçları ve derecelendirme sabit kalıyor. On sekiz model yapılandırmasında görev performansı, gerçek kurtarma ve kendini tekrarlama farklı güçlü yönler sergiliyor.

Neden önemli?

Canlı kurumsal veriler üzerinde çalışan konuşma ajanslarının tekrar edilebilir bir şekilde değerlendirilmesi zor olabiliyor. PersonaScienceBench ise bilimsel ajanların farklı araştırmacılarla iş birliği yeteneklerini değerlendirmeye yardımcı oluyor.

Kaynak: arXiv — Artificial Intelligence, arXiv — Artificial Intelligence

Temsili görsel: Tara Winstead / Pexels