İşaret

2026-11-19 Yapay Zeka · Bilgisayarlı Görü · Doğal Dil İşleme · Robotik

Bugünkü sayıda ortak iplik şu: yapay zekanın hesaplama maliyetini düşürürken fiziksel dünyayla bağını güçlendirmesi. İki kollu robotlardan insansız hava araçlarına, çok kipli damıtmadan spekülatif kod çözmeye uzanan çalışmalar, daha küçük ve akıllı modellerin sahada da işe yarayabileceğini gösteriyor. Bunları birlikte okumak, algıdan eyleme ve verimliliğe uzanan hattı tek bakışta görmenizi sağlıyor.

M3OPD-Reasoner: Çok Öğretmenli Damıtmayla Çok Kipli Akıl Yürütme

Tek bir görü-dil modeli, alan öğretmenlerinin becerilerini kendi ürettiği yanıtlardan öğreniyor.

Araştırmacılar, görü-dil modellerini (VLM) sonradan eğitmek için tamamen açık bir tarif olan M3OPD-Reasoner'ı sundu. Yöntem, Çok Öğretmenli Politika İçi Damıtma (MOPD) ile tek bir öğrencinin birden fazla alan öğretmeninin becerilerini, kendi ürettiği yanıtlar üzerinden öğrenmesini sağlıyor. Çalışma üç akıl yürütme alanını kapsıyor: görsel STEM, görsel algı ve video. Ekip, gözetimli ince ayar için 1,35 milyonluk M3OPD-SFT, doğrulanabilir ödüllü pekiştirmeli öğrenme için ise 193 bin örneklik M3OPD-RL veri kümesini derledi. Qwen3.5-9B'den başlayarak iki yaklaşım karşılaştırıldı: tüm alanların karışık verisiyle tek model eğitmek ve her alan için GSPO ile ayrı öğretmen eğitip bunları MOPD ile tek öğrenciye damıtmak. 21 benchmark'ta, eğitim verisinden arındırma yapıldıktan sonra yapılan değerlendirmede, doğrudan GSPO ile eğitilmiş öğretmenlerin MOPD ile damıtılması en iyi tarif çıktı. Öğrenci, her öğretmene kendi alanında yaklaşırken ortalamada karışık eğitim taban çizgilerini geride bıraktı. Üstelik MOPD alan yeteneklerini zaten birleştirdiği için öğrenci, sonraki pekiştirmeli öğrenme aşaması için daha güçlü bir başlangıç noktası sunuyor. Bu, çok kipli akıl yürütme modellerini yeniden üretilebilir şekilde eğitmek isteyen ekipler için somut bir yol haritası anlamına geliyor.

Hugging Face Daily Papers →

NVIDIA Nemotron'u Bilimsel Alanınız İçin Sonradan Eğitin

NVIDIA, Nemotron'u bilimsel görevlere uyarlayan RL tarifini yayımladı; RL ile doğruluk %17 daha arttı.

NVIDIA, bilimsel iş akışlarını hızlandırmak için model, veri kümesi, araç ve tariflerden oluşan Nemotron for Science koleksiyonunu duyurdu. Koleksiyonun merkezinde açık ve özelleştirilebilir çok kipli model Nemotron 3.5 Super VL ile moleküler özellikler üzerinde LLM ve ajan modellerini eğitmek ve değerlendirmek için tasarlanan Litmus-Bench V2.0 yer alıyor. Blog yazısı, modelin deneysel verilerden NeMo Gym ile özel bir pekiştirmeli öğrenme ortamı kurarak ve NeMo RL ile RL uygulayarak bilimsel kullanım senaryolarına nasıl uyarlanacağını adım adım anlatıyor. İlaç metabolizması tahmini örneğinde gözetimli ince ayar doğruluğu %12 artırdı; 16.384 token çıktı bütçesinde RL ile sonradan eğitim ise %17 daha iyileştirme sağladı. İsteğe bağlı bir damıtma adımında Claude Sonnet 5.5 gibi güçlü bir öğretmen modelin ürettiği yüksek kaliteli akıl yürütme izleri, öğrenci modeli RL öncesinde ısıtarak yakınsamayı hızlandırıyor. Ajan tabanlı bilimsel iş akışlarında hatalar adım adım birikebildiği için doğruluk ve çıkarım verimliliği kritik. Bu tarif, kendi alanında özel bir ortam ve benchmark kurmak isteyen araştırma ekipleri için uygulanabilir bir şablon sunuyor.

NVIDIA Developer Blog →

vLLM v0.34.0: 10 Yeni Model, Varsayılan Genişletilebilir KV Önbellek

vLLM v0.34.0 yeni modeller ve Blackwell/MI355X hızlanmalarıyla geldi; birkaç kırıcı değişiklik içeriyor.

vLLM v0.34.0, 412 katkıcıdan (120'si ilk kez katkı veren isim) gelen 1.061 commit ile çıktı. Sürümle birlikte 10 yeni model destekleniyor: Mistral Large 4 (toplam 1T, aktif 52B parametre), MiniMax-M3.1-Flash ve Nemotron-3.5-Transcribe bunlardan bazıları. Genişletilebilir KV önbellek artık varsayılan olarak açık. vLLM, önbellek boyutunu ısınma sonrasında gerçekten boş kalan belleğe göre belirliyor. Böylece çoğu model daha büyük önbellek ve daha yüksek verim elde ediyor; birçok durumda yapılandırmadaki gpu_memory_utilization ayarı da kaldırılabiliyor. Model Runner V1 tamamen kaldırıldı ve Model Runner V2 tek GPU çalıştırıcısı haline geldi. Blackwell ve MI355X donanımlarında belirgin hızlanmalar var: Step5'te GB200 üzerinde 1,95 kata kadar daha hızlı kod çözme, GLM-5.3-Flash'ta 1,6 kat daha yüksek verim ve GLM-5.3'te uzun istemlerde ilk token süresinde 1,24–1,40 kat iyileşme ölçüldü. Yükseltmeden önce dikkat edilmesi gereken kırıcı değişiklikler de var: varsayılan blok boyutu 16'dan 64'e çıkarıldı, ROCm 7.2 imajları kaldırıldı ve artık huggingface_hub >= 2.0.0 sürümü gerekiyor. Üretimde vLLM çalıştıran ekipler için asıl önemli nokta şu: bellek yönetimi ve çalıştırıcı mimarisindeki bu değişiklikler hem performansı hem de operasyonel davranışı etkiliyor. Eski davranışı korumak isteyen ekipler, gerekli bayrakları sürüm notlarına bakarak ayarlamalı ve yükseltmeyi önce test ortamında denemeli.

vLLM Releases →

BiCAT: İki Kollu Robotlar İçin Koordinasyon Odaklı Eylem Belirteçleme

BiCAT, iki kolun hareketlerini paylaşılan bir temsille birleştirip RoboTwin'de başarıyı 17,6 puan artırdı.

Otoregresif görü-dil-eylem (VLA) modelleri ayrık eylem belirteçleri tahmin ediyor; dolayısıyla eylem belirteçleyici, politika ile robot arasındaki arayüzü tanımlıyor. İki kollu manipülasyonda kollar ortak bir hareket repertuvarını paylaşsa da tamamlayıcı rollerle koordine oluyor. Mevcut belirteçleyicilerin çoğu iki kolu tek bir birleştirilmiş vektör olarak kodluyor; bu yüzden ortak hareket örüntüleri paylaşılmıyor ve kollar arası bağımlılıklar belirteçlerin içinde iç içe kalıyor. BiCAT, kollar arasında tek bir hareket temsilini paylaştırıyor ve her kolun belirteçlerini simetrik kollar arası dikkat ile ortak bir kod çözücü üzerinden partnerine koşullandırıyor. Politika her kolun tüm belirteçlerini paralel tahmin ediyor; önce sol kol, ardından ona koşullu olarak sağ kol üretiliyor. RoboTwin 2.0'daki on görevde ve üç gövdede altı gerçek dünya görevinde BiCAT, karşılaştırılan belirteçleyiciler arasında en yüksek başarıyı elde etti. Simülasyonda en güçlü sekiz taban çizgisine göre ortalama başarı 17,6 puan arttı; kazanç kollar arası yakın koordinasyon gerektiren görevlerde en büyük oldu. Eylem öbeği başına gecikme yalnızca 40,5 ms. Sonuçlar, iki kollu koordinasyonu modellemek için belirteçleyicinin doğal bir yer olduğunu gösteriyor.

Arxiv CS.RO →

Autoregressive View Model: 3B Temsil Olmadan Sahne Üretimi

AVM, açık 3B temsil kurmadan bir sahneyi kamera yoluna göre görüntü akışı olarak üretiyor.

Autoregressive View Model (AVM), bir sahneyi açık bir 3B temsil oluşturmadan, görüntü akışı olarak üretiyor. Birleşik bir bağlam içi arayüz sayesinde model, görüntü veya videolara koşullanarak istenen kamera yolu boyunca kısa klipler üretebiliyor. Görsel bağlam, yeniden yapılandırma ve ara değerlemeyi zemine oturturken, öğrenilmiş bir önsel, görülmemiş bölgelere dışdeğerleme yapmayı mümkün kılıyor. AVM, girdilerden ve üretilmiş geçmişten ilgili görüntüleri getirerek sınırlı bir aktif bağlam oluşturuyor; böylece uzun üretimlerde bile hesaplama yükü kontrol altında kalıyor. Ekip, önceden eğitilmiş çift yönlü bir video difüzyon dönüştürücüsünü flow matching ile N-girdi-1-çıktı formülasyonunda ince ayardan geçirdi. Ardından nedensel bir modeli kendi rollout'ları üzerinde ayarlayarak fotogerçekçiliği artırdı, gürültü giderme adımı sayısını azalttı ve uzun ufuklu sürüklenmeyi sınırladı. Eğitim, yaklaşık 8 milyon sahne ve video klibe ölçeklendi. Değerlendirmeler kamera kontrolü, metin kontrolü, görsel kalite, dinamikler, seyrek ve 4B yeniden yapılandırma ile uzun ufuklu tutarlılığı kapsıyor. Sonuçlar, tek bir bağlam içi arayüzün farklı girdi-çıktı kurulumlarına uyum sağlayabildiğini gösteriyor. Bu da açık 3B temsile ihtiyaç duymayan, esnek ve ölçeklenebilir bir sahne üretimi yaklaşımının mümkün olduğuna işaret ediyor.

Arxiv CS.CV →

GRID-UAV: İHA'larda Geometri ve Işın-Derinlik Bütünleşik Karar Verme

GRID, açık 3B yükseltme ile örtük hizalamayı birleştirerek TravelUAV'da en iyi başarı oranlarını elde etti.

Görü-dil-eylem modelleri görüntüleri 3B yapıyı az yakalayan 2B kodlayıcılarla işliyor. Tahmini derinliği politikaya doğrudan eklemek uzun hava rotalarında anlamlı kazanç getirmedi (başarı %42,5'e karşı %42,6). İHA kendi irtifasını seçtiği, onlarca metre ötedeki mesafeleri yargıladığı ve ileri ile aşağı görüşleri ilişkilendirdiği için tek gözlü derinlik güvenilmez kalıyor. Hata analizinde iki 3B temellendirme biçiminin zıt şekillerde başarısız olduğu görüldü: açık 3B yükseltme çarpışmayı azaltıyor ama hedefte bitirmeyi zorlaştırıyor; 3B geometri modeliyle örtük hizalama daha sık bitiriyor ama daha çok çarpıyor. GRID bu ikisini birleştiriyor: tek gözlü derinliği iki kamera için İHA çerçevesinde ışın düzeltmeli 3B konumlara yükseltiyor ve yalnızca eğitim sırasında görsel özellikleri dondurulmuş çok görüşlü bir geometri modeliyle hizalıyor; çıkarım maliyeti eklemiyor. Örtük hizalamaya açık yükseltme eklemek hedefe ulaşma oranını %61,5'ten %69,5'e çıkardı. TravelUAV'ın 3.005 test bölümünde GRID her ayrımda en iyi başarı oranını elde etti; en iyi yönteme göre göreli kazanç görülen ortamda %9,5, görülmeyen nesnelerde %17,1 ve görülmeyen haritada %25,4 oldu.

Arxiv CS.CV →

NarrowSpec: Taslak Model Hedef Kadar Geniş Olmak Zorunda Değil

Taslak modelin gizli genişliğini yarıya veya çeyreğe indirmek, spekülatif kod çözmeyi 1,44 kata kadar hızlandırdı.

Spekülatif kod çözmede küçük bir taslak model token önerir, hedef model ise tek bir ileri geçişte bunları doğrular. DFlash ve EAGLE-3 gibi hedefin gizli durumlarını okuyan taslak modeller genellikle hedefin gizli genişliğini miras alır. Bu çalışma, taslağın tüm artık akışının hedefin yarısı veya çeyreği genişlikte çalışabildiğini ve kabul oranının büyük ölçüde korunduğunu gösteriyor. Hedefin kelime dağarcığı projeksiyonunu ödünç alan DFlash'te eğitilmiş çıktı adaptörü bu projeksiyona katlanıyor; sonuçta kayan nokta yuvarlaması dışında logit'leri değişmeyen tek bir daha dar projeksiyon elde ediliyor. Deneyler iki taslak ailesi (DFlash ve EAGLE-3) ile iki hedefte (Qwen3-8B NVFP4 ve GPT-OSS-20B MXFP4) SGLang üzerinde, B200 ve DGX Spark (GB10) GPU'larında yapıldı. Batch boyutu 1 ve sıcaklık 0'da taslağı yarım veya çeyrek genişliğe daraltmak uçtan uca kod çözmeyi B200'de 1,06–1,12 kat, GB10'da 1,13–1,44 kat hızlandırdı. Kazanım daha büyük batch'lerde de sürüyor: batch 32'den GPU'nun taşıyabildiği en büyük batch'e kadar her iki GPU'da 1,21 kata varan hızlanma görüldü ve hiçbir dar taslak tam genişlikten yavaş çıkmadı. Bu bulgu, taslak model boyutlandırmada yeni bir verimlilik kolu açıyor.

Arxiv CS.CL →

HINT-WAM: Dünya Eylem Modelleri İçin Geriye Dönük Bilgiyle Eğitim

HINT-WAM, eylem uzmanını kendi örnekleme yörüngelerinde, demonstrasyonun gelecek videosuyla denetliyor.

Dünya eylem modelleri (WAM), eylem üretimini gelecekteki görsel dinamiklerin tahminiyle eşleştirerek robot manipülasyonunda umut verici genelleme ve veri verimliliği gösteriyor. Ancak mevcut sonradan eğitim yöntemleri bu yetenekleri güvenilir görev yürütmeye çevirmekte zorlanıyor. Çevrimdışı gözetimli ince ayar uzman yörüngelerde yoğun denetim sağlıyor, fakat flow-matching eylem uzmanı yalnızca gürültülü demonstrasyon eylemleriyle eğitildiği için kendi örnekleyicisinin ürettiği ara durumları hiç görmüyor. Politika içi pekiştirmeli öğrenme ise seyrek ödüllerle keşif ve kredi atamada zorlanıyor. HINT-WAM, eylem uzmanını kendi örnekleme yörüngelerinde denetleyen ilk politika içi öz-damıtma çerçevesi; bunu yaparken ayrıcalıklı bilgi olarak demonstrasyon videosunun ilerleyen karelerinden yararlanıyor. Öğrenci eylemini kendi gürültü giderme yörüngesinden üretiyor; bu yörüngedeki durumlarda aynı model, demonstrasyonun bu ilerleyen karelerini de gören bir öğretmen gibi davranıp yoğun bir eğitim hedefi sağlıyor. Öğrenci yalnızca dağıtım zamanı girdilerini görüyor; çevresel ödüle veya simülatör etkileşimine ihtiyaç duymuyor. Yöntem, flow-matching eylem uzmanlarında ödül tasarımına gerek bırakmadan yoğun hedef sağlayarak WAM sonradan eğitimine yeni bir yol açıyor.

Hugging Face Daily Papers →