İşaret — 2026-07-06

Bu sayı, yapay zeka araştırmalarının giderek olgunlaşan bir boyutuna odaklanıyor: teorik sağlamlıkla pratik verimliliği aynı anda hedefleyen somut mühendislik kararları. Veri kümeleri ölçeklendirmekten donanım optimizasyonuna, robot kontrolünden dil modellerinin eğitim dinamiklerine uzanan bu makaleler, birlikte okunduğunda modern makine öğrenmesi sistemlerinin neden hâlâ ham zeka değil, dikkatli sistem tasarımı gerektirdiğini net biçimde ortaya koyuyor. Alandan takip edilmesi gereken metodolojik derinlikte bir sayı.

1. Araştırma

SkillOpt: Ajan Becerilerini Eğitilebilir Parametreye Dönüştürüyor

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

Microsoft Research'ün geliştirdiği SkillOpt, yapay zeka ajanlarının talimat dosyalarını (skill) model ağırlıklarını değiştirmeden eğitilebilir bir parametre olarak ele alan yeni bir optimizasyon çerçevesi sunuyor. Geleneksel yaklaşımlarda ajan becerileri uzmanlar tarafından elle yazılıyor ya da bir sınır modeli tarafından üretiliyor; ancak bu süreç sistematik bir iyileştirme garantisi sunmuyor ve tutarsız sonuçlara yol açabiliyor. SkillOpt ise beceri düzenlemeyi kontrollü bir eğitim sürecine dönüştürüyor: sınırlı metin düzenlemeleri, doğrulama kapıları, reddedilen düzenleme geri bildirimi ve yavaş ile meta güncellemeler sayesinde prompt sürüklenmesini etkili biçimde engelliyor. Çerçeve, beceri güncellemelerini küçük adımlarla gerçekleştirerek her aşamada performans doğrulaması yapıyor; bu sayede kötüye giden güncellemeler sistem geneline yayılmadan geri alınabiliyor. Altı benchmark, yedi hedef model ve üç çalıştırma modu üzerinde yapılan kapsamlı değerlendirmelerde SkillOpt, 52 hücrenin tamamında en iyi ya da eşit-en iyi sonucu elde etti. Optimize edilen beceriler farklı model ölçeklerine ve çeşitli ajan mimarilerine sorunsuz biçimde aktarılabiliyor; bu durum yöntemin benchmark'a özgü talimatlar yerine gerçek anlamda yeniden kullanılabilir iş akışı bilgisi öğrendiğine işaret ediyor. Ağırlık güncellemesi gerektirmeyen bu yaklaşım, LLM tabanlı ajanların üretim ortamlarında güvenilirliğini ve tutarlılığını artırmak isteyen geliştirici ekipler için pratik ve doğrudan uygulanabilir bir alternatif sunuyor.

Microsoft Research Blog →

2. Endüstri

BEVPoolV3 ile GPU'da 42 Kat Hız Artışı

NVIDIA'nın yeni BEVPoolV3 yaklaşımı, otonom araç ve robotik algı boru hatlarındaki kritik BEV havuzlama darboğazını 42 kata kadar hızlandırıyor.

Otonom araçlar ve robotik sistemlerde yaygın kullanılan kuş bakışı görünüm (BEV) algısı, çok kameralı görüntü özelliklerini ortak bir üstten bakış ızgarasına yansıtır; bu sürecin kalbindeki BEV havuzlama işlemi ise düzensiz bellek erişimi ve scatter-reduce davranışı nedeniyle ciddi bir gecikme darboğazı oluşturabiliyor. NVIDIA'nın geliştirdiği BEVPoolV3, bu sorunu dört algoritmik yeniliyle ele alıyor: yinelenen derinlik yüklemelerini azaltma, beş dizili INT32 scatter haritası kullanımı, çalışma zamanı tamsayı bölümünü tamamen ortadan kaldıran önceden hesaplanmış indeksler ve aralık sahipli çıktı yazımı. Yöntem, GPU bellek rejimine göre iki ayrı optimizasyon yolu izliyor: DRAM'e bağlı yolda FP16 ile yaklaşık 22 kat, L2 önbellekte kalan yolda ise FP8 ile yaklaşık 42 kat hız artışı sağlıyor. Bu performans kazanımları, NVIDIA RTX A6000 (Ampere) ve RTX PRO 6000 Blackwell Max-Q donanımları üzerinde doğrulandı. Söz konusu iyileştirmeler yalnızca yüksek uçlu araştırma ekipmanlarıyla sınırlı kalmıyor; farklı GPU mimarilerinde de tutarlı kazanımlar elde edilmesi, yöntemin geniş bir donanım yelpazesinde uygulanabilirliğini ortaya koyuyor. Fiziksel yapay zeka uygulamalarında gecikme bütçesi son derece kısıtlı olan geliştirici ekipleri için BEVPoolV3, algoritmik bir yenilik olmanın ötesinde doğrudan üretime alınabilir düzeyde somut ve ölçülebilir bir performans iyileştirmesi sunuyor.

NVIDIA Developer Blog →

3. Araştırma

DCVLM: Görsel-Dil Modelleri için 160 Dataset, 6T Token

DataComp-VLM, görsel-dil modeli eğitiminde veri karıştırmanın filtrelemeden çok daha etkili olduğunu 160 veri kümesiyle kanıtlıyor.

Araştırmacılar, görsel-dil modellerinin (VLM) eğitim veri kümeleri için sistematik bir kıyaslama platformu olan DataComp for VLMs'i (DCVLM) tanıttı. Platform; görüntü-açıklama çiftleri, multimodal belgeler, yalnızca metin ve instruction-tuning verisi olmak üzere dört farklı veri tipini kapsayan 160 dataset'i 6 trilyon multimodal token'lık devasa bir korpusta bir araya getiriyor. DCVLM, 1B ile 8B parametre aralığındaki modellerde ve 6,25B ile 200B token bütçelerinde filtreleme, karıştırma, biçimlendirme ve örnekleme stratejilerini sistematik biçimde test etmeye olanak tanıyor; değerlendirme ise 9 alanda toplam 52 downstream benchmark üzerinde gerçekleştiriliyor. Platformun sunduğu kapsamlı deneyler, veri karıştırmanın (mixing) tek başına filtrelemeye kıyasla çok daha belirleyici bir etken olduğunu açıkça ortaya koydu. Özellikle instruction ağırlıklı karışımların, açıklama ağırlıklı olanlara göre model ölçeği büyüdükçe daha iyi performans sergilediği gözlemlendi; bu bulgu, büyük ölçekli VLM eğitiminde veri bileşiminin kritik önemini vurguluyor. Deneyler sonucunda elde edilen DCVLM-Baseline dataset'i, 8B parametreli bir VLM'yi 200B token ile eğiterek 33 görevlik temel süitte yüzde 63,6 doğruluğa ulaştırıyor ve mevcut açık kaynaklı en iyi dataset olan FineVision'ı 5,4 puan geride bırakıyor. Tüm araçlar, kodlar ve veriler kamuya açık olarak paylaşılacak; bu da VLM araştırmacıları için tekrarlanabilir ve üzerine inşa edilebilir bir temel oluşturuyor.

Hugging Face Daily Papers →

4. Araştırma

GACR: Semantik Bütünlüğü Koruyan Bulut Giderme Modeli

GACR, uzaktan algılama görüntülerinden bulut gidermeyi semantik bozulmayı önleyecek şekilde yeniden tasarlıyor.

Optik uzaktan algılamada bulut giderme, segmentasyon ve değişim tespiti gibi aşağı akış görevleri için zorunlu bir ön işlem adımıdır; ancak mevcut yöntemlerin çoğu görsel gerçekçiliği önceliklendirirken anlamsal tutarlılığı göz ardı ediyor ve bu durum semantik kaymalara yol açıyor. Hong Kong Çin Üniversitesi (Shenzhen) araştırmacılarının önerdiği Geo-Anchored Cloud Removal (GACR) çerçevesi bu sorunu iki temel bileşenle ele alıyor. İlk bileşen olan Observation-Anchored Residual Flow (OAR-Flow), bulut gidermeyi fiziksel temelli bir artık ters çevirme süreci olarak yeniden tanımlıyor: üretim yörüngesini saf gürültü yerine bulutlu gözleme sabitleyerek hızlı ve kararlı bir yeniden yapılandırma sağlıyor. İkinci bileşen olan Geo-Contextual Prior Alignment (GCPA) ise bir Vision Foundation Model'den türetilen semantik manifold kısıtlamasıyla uzamsal-anlamsal bütünlüğü koruyor. Altı bulut giderme dataset'i ve on iki downstream görev üzerindeki kapsamlı deneyler, GACR'ın hem yeniden yapılandırma kalitesini hem de aşağı akış görev başarımını aynı anda iyileştirdiğini gösteriyor. Bu yaklaşım, ECCV 2026'da kabul edilen çalışma ile jeneratif modellerin yalnızca görsel çıktı değil yorumlanabilir temsil üretmesi gerektiği fikrine somut bir katkı sunuyor.

Hugging Face Daily Papers →

5. Araştırma

OrbitQuant: Difüzyon Transformerları için Kalibrasyon Gerektirmeyen Kuantizasyon

OrbitQuant, görüntü ve video difüzyon modellerini kalibrasyon verisi olmadan kuantize ederek çıkarım maliyetini W2A4 seviyesine indiriyor.

Difüzyon transformerları (DiT) görüntü ve video üretiminde son teknoloji performans gösterse de çok adımlı örnekleme ve artan parametre sayısı çıkarımı pahalı kılıyor. Post-training quantization (PTQ) bu soruna doğal bir çözüm sunarken, DiT aktivasyonlarının zaman adımları, istemler ve yönlendirme dalları arasında kayması önceki yöntemleri her yeni checkpoint veya modalite için kalibrasyon verisi yeniden hazırlamaya zorluyor. OrbitQuant, bu kısıtlamayı normalleştirilmiş ve döndürülmüş bir baz üzerinde kuantizasyon yaparak aşıyor: rassal permütasyonlu blok-Hadamard (RPBH) rotasyonu her koordinatı girişten bağımsız olarak sabit ve bilinen bir marjinal etrafında yoğunlaştırıyor; böylece tek bir Lloyd-Max kod kitabı tüm zaman adımları, istemler ve katmanlar için geçerli oluyor. Rotasyon ağırlıklara çevrimdışı absorbe ediliyor; çalışma zamanında yalnızca aktivasyonlara ileriye yönelik ucuz bir döndürme uygulanıyor. FLUX.1, Z-Image-Turbo, Wan 2.1 ve CogVideoX üzerindeki değerlendirmelerde OrbitQuant, birden fazla düşük-bit ayarında PTQ için yeni bir taban çizgisi belirliyor ve görüntü difüzyon transformerlarını kullanılabilir üretim kalitesiyle W2A4 seviyesine taşıyor. Büyük üretken modelleri sınırlı donanımda çalıştırmak isteyen geliştiriciler için anlamlı bir adım.

Hugging Face Daily Papers →

6. Araştırma

VLA-Corrector: Robot Politikalarına Kapalı Döngü Düzeltme Getiriyor

VLA-Corrector, VLA modellerindeki kör eylem yürütme sorununu hafif bir latent uzay monitörüyle gerçek zamanlı düzeltiyor.

Vision-Language-Action (VLA) temel modelleri, çoklu gelecek eylemlerini açık döngü biçimde yürüten action chunk mekanizmasıyla politika çağrı sıklığını azaltıyor; ancak bu "tahmin et, körce yürüt" paradigması kapalı döngü reaktivitesini feda ediyor. Temas yoğun görevlerde ise küçük sapmalar zamanla büyüyerek telafi edilemez görev başarısızlıklarına yol açabiliyor. VLA-Corrector, bu sınırlamayı VLA omurgasını yeniden eğitmeye gerek duymadan gideriyor. Yöntemin merkezinde hafif bir Latent-space Vision Monitor (LVM) yer alıyor: bu bileşen, tahmin edilen ve gerçekleşen görsel özellik evrimini sürekli olarak karşılaştırarak sapmaları çevrimiçi biçimde tespit ediyor. Kalıcı bir sapma algılandığında sistem bir kesme olayı tetikliyor, yürütülen eski eylemleri devre dışı bırakıyor ve Online Gradient Guidance (OGG) mekanizması aracılığıyla düzeltici bir yeniden planlama süreci başlatıyor. Bu tespit-ve-düzelt döngüsü adaptif bir eylem ufku oluşturuyor: mevcut chunk güvenilir olduğunda uzun ufuklu yürütme korunuyor, sapma başladığında ise sistem otomatik olarak kısa ufuklu planlamaya geçiyor. Böylece etkinlik ile güvenilirlik arasındaki denge dinamik olarak yönetiliyor. Farklı VLA modellerine kolayca entegre edilebilen bu yaklaşım, uzun ufuklu ve temas yoğun manipülasyon görevlerinde sağlamlığı kayda değer ölçüde artırıyor; embodied AI sistemleri için mimari esneklik ile operasyonel güvenilirliği aynı anda sunuyor.

Hugging Face Daily Papers →

7. Araştırma

AGE: Grafik RAG için Adaptif Maskeleme Tabanlı Gömme

AGE, dondurulmuş LLM'lerle grafik tabanlı RAG arasındaki özellik hizalama sorununu öğrenilebilir düğüm örneklemesiyle çözüyor.

GraphRAG, büyük dil modellerini grafik yapılı dış bilgiyle destekleyen güçlü bir yaklaşım; ancak grafik tabanlı ve metin tabanlı gizli özellikler arasındaki hizalama uyumsuzluğu, özellikle dondurulmuş LLM'lerde performansı belirgin biçimde kısıtlıyor. OMRON SINIC X Corp. araştırmacıları bu sorunu çözmek için Adaptive-masking for Graph Embedding (AGE) yöntemini geliştirdi. AGE, metin gömme kodlayıcılarına benzer bir Transformer mimarisini maske tabanlı öz-denetimli öğrenme (SSL) çerçevesinde kullanıyor. Yöntemin temel yeniliği öğrenilebilir bir düğüm örnekleyicisinde yatıyor: grafikler metne kıyasla özlü temsiller olduğundan, bağlamsal bilginin büyük bölümünü taşıyan "anahtar düğümler" bulunuyor. Geleneksel SSL yaklaşımlarında bu kritik düğümlerin rastgele maskelenmesi öğrenme sürecini verimsizleştiriyor. AGE ise anahtar düğümleri maskelemek yerine çevresindeki komşu düğümleri tahmin etmeye odaklanarak modelin gerçekten anlamlı yapısal örüntüler öğrenmesini sağlıyor. Bu strateji, hesaplama maliyetini artırmadan öğrenme sürecini belirgin biçimde daha verimli hale getiriyor. Dört farklı benchmark dataset üzerindeki kapsamlı deneyler, AGE'nin GraphQA görevlerinde parametrik olmayan arama bileşeni kullanan yaklaşımları tutarlı biçimde geride bıraktığını ve ek hesaplama yükü olmaksızın doğruluk kazanımları sağladığını ortaya koyuyor. Bilgi grafiklerinden daha etkin yararlanmak isteyen RAG sistemleri için doğrudan ve pratik biçimde uygulanabilir bir katkı niteliği taşıyor.

Hugging Face Daily Papers →

8. Araştırma

LLM Pekiştirmeli Öğrenmede Eğitim-Çıkarım Uyumsuzluğunu Çözmek

MIPU, LLM'lerde RL eğitimini çıkarım tarafındaki iyileşmeyle doğrudan ilişkilendirerek eğitim kararsızlığını gideriyor.

Büyük dil modellerinin pekiştirmeli öğrenme (RL) ile eğitimi, kritik bir motor uyumsuzluğu sorunuyla karşı karşıya: mevcut yöntemler eğitim motorunu optimize ederken dağıtımdaki çıkarım motorunu göz ardı ediyor. FP8 kuantizasyonu veya arka uç farklılıkları gibi motor düzeyindeki tutarsızlıklar, model parametreleri tam olarak senkronize edilse bile aynı yörünge için eğitim ve çıkarım tarafında farklı olasılıklar üretiyor. Bu durum kalıcı bir off-policy sorunu yaratıyor ve eğitim sırasında hesaplanan gradyanların gerçek dağıtım davranışını yanlış temsil etmesine yol açıyor. Araştırmacılar bu temel problemi ele alarak Monotonic Inference Policy Improvement (MIPI) adlı yeni bir politika optimizasyon hedefi ve bunun somutlaşması olan MIPU çerçevesini geliştirdi. MIPU iki aşamalı bir mekanizma izliyor: önce eğitim tarafında aday güncellemeler oluşturuyor, ardından çıkarım tarafı boşluk göstergesiyle bu adayları seçici biçimde kabul ya da reddediyor. Böylece yalnızca çıkarım performansını gerçekten iyileştiren güncellemeler modele yansıtılıyor. Yüksek motor uyumsuzluğu koşullarında iki farklı model ölçeği üzerinde yürütülen deneyler, MIPU'nun hem ortalama muhakeme performansını hem de eğitim kararlılığını anlamlı düzeyde artırdığını gösteriyor. LLM post-training süreçlerinin üretim ortamlarında öngörülemeyen davranışlar sergilediği göz önünde bulundurulduğunda, bu çerçeve hem teorik bütünlük hem de pratik uygulanabilirlik açısından önemli bir katkı sunuyor.

Hugging Face Daily Papers →