arXiv'de üç yeni yapay zeka ve makine öğrenmesi makalesi yayımlanmış

arXiv platformunda 2 Kasım 2026 tarihinde yayımlanan üç yeni makale, yapay zeka ve makine öğrenmesi alanlarında test çerçeveleri tanıtıyor. Çalışmalar, tahmin ajanlarını, kişisel bağlam anlayışını ve zaman serisi tahmin araştırmasını değerlendirmek üzere hazırlanmış.

Tahmin ajanları için FABench

Yuxuan Wang'ın yazdığı ilk makale, tahmin ajanlarını test etmek için FABench adlı bir ortam sunuyor. FABench'in ilk sürümü, dokuz farklı alanda 287 soru içeriyor. Dosya boyutu 347 KB olan bu sistem, otomatik iş hattı sayesinde herhangi bir geçmiş tahmin tarihi için olayları keşfedebiliyor, sorular üretebiliyor ve sonuçları çözebiliyor. Çevrimdışı arşivi ve zaman sızıntısını önlemek için filtrelenen canlı web aramasını birleştiriyor. Sekiz farklı model üzerine kurulu ajanların değerlendirilmesinde, arama tüm modelde Brier skorunu iyileştirirken, en iyi üç ajan Polymarket pazar ortaklaşa görüşünün üzerinden puan almış. FABench ile ilişkilendirilen 54 soru Polymarket ile bağlantılı.

Kişisel bağlam anlayışı için P-ContextBench

İkinci makalenin yazarı Isabel Song Dr. olarak belirtiliyor. P-ContextBench, kişisel bağlam anlayışını değerlendirmek için gerçekçi, doğrulanabilir ve ölçeklenebilir bir test çerçevesi sunuyor. ABD nüfusunu yansıtan demografik tohumlardan türetilen dijital insanlardan oluşuyor ve özellikleri parçalı, gelişen sentetik mobil uygulama kayıtları içinde gizli. 165 KB boyutundaki bu çerçeve, tek kaynaktan gerçek bilgi geri kazanımı, çoklu kaynaklı gerçek bilgi geri kazanımı, zamansal durum takibi, üst düzey kişisel kalıp çıkarma ve kısıtlama çakışmalarının güvenli işlenme gibi beş yeteneği değerlendiriyor. Örnekte 100 persona, 10.088 gizli gerçek, 18.261 uygulama izi parçası ve 4.810 doğrulanmış test case bulunuyor. SOTA modeller üç yetenekte yüzde 60'nın altında başarı oranı gösterirken, üç tekrarlı çalıştırmada doğru cevaplanan test case oranı yüzde 10'dan az.

Zaman serisi tahmin araştırması için TSFLab

Üçüncü makalenin yazarı ChengAo Shen. TSFLab, zaman serisi tahmin araştırması için kendini iyileştiren, ajan-agnostik bir çalışma ortamı sunuyor. Kod paylaşmayan yayınların analiziyle mevcut kodun bakım yükünü gidermeyi hedefliyor. 1.137 KB boyutunda olan TSFLab, reproduksiyon ve karşılaştırma deneylerinde görev tamamlama oranını yüzde 20-163 aralığında artırırken, tamamlanan görev başına taze token kullanımını yüzde 11-66 oranında azaltıyor. Pilot çalışmasında ise diğer ayarlara göre yüzde 32.8-73.6 daha az taze token ve yüzde 9.2-68.8 daha az geliştirme süresi kullanılmış.

Tüm üç makale 29 Ekim 2026 tarihinde arXiv'e gönderilmiş ve 2 Kasım 2026 tarihinde yayımlanmış. Makaleler arXiv üzerinden erişime açıkken, kod, veri ve ortamlar toplumsal araştırma için paylaşılıyor.

Neden önemli?

Mevcut tahmin testleri ya canlı testler ya da sınırlı sabit-korpus değerlendirmelerine dayanıyor ve bu yetenekleri ölçmek için uygun değil. Kişisel bağlamların özel, parçalı ve dinamik yapısı dil modellerinin değerlendirilmesini zorlaştırıyor. Zaman serisi tahmin alanında ise yaklaşık yüzde 20'nin arXiv'de kod bağlantısı bulunmuyor ve yayınlanan kodlar manuel bakım gerektiriyor.

Kaynak: arXiv — Artificial Intelligence, arXiv — Artificial Intelligence, arXiv — Machine Learning

Temsili görsel: Sururi Ballıdağ Director / Pexels