Apple, yapay zekânın birden fazla olasılığı aynı anda denemesi için yeni bir sistem geliştirdi.
Apple araştırmacıları, büyük dil modellerinin yanıt kalitesini artırmak için LaDiR adını verdikleri yeni bir yöntem geliştirdi. Bu yaklaşım, modelin bir soruya yanıt vermeden önce birden fazla olası çözüm yolunu aynı anda değerlendirmesine imkan tanıyor. Kaliforniya Üniversitesi San Diego kampüsünden araştırmacıların katkı sağladığı çalışma, matematiksel akıl yürütme, kod üretimi ve planlama gibi alanlarda daha isabetli sonuçlar elde edilebilmesini sağlıyor.
Geleneksel büyük dil modelleri genellikle “otokorelasyon” adı verilen bir yöntemle çalışarak yanıtları kelime kelime oluşturur. Bunun aksine, difüzyon modelleri metni bir bütün olarak değil, birçok olasılığı paralel şekilde değerlendirerek aşamalı olarak üretir. Apple’ın önerdiği LaDiR çerçevesi ise iki yaklaşımın birleşimini sunuyor; burada akıl yürütme sürecinde difüzyon mantığı kullanılırken, nihai yanıt klasik yöntemle adım adım oluşturulmaktadır.
Dikkat çeken özelliklerinden biri, birden fazla akıl yürütme yolunun paralel olarak işlenmesidir. Her yol, başlangıçta rastgele bir yapıdan yola çıkar ve zamanla daha anlamlı bir çözüm haline gelir. Model, bu süreçte farklı olasılıkları keşfetmeye teşvik edilerek tüm yolların erken aşamada aynı sonuca yönelmesini engeller. Bu çeşitlilik, özellikle karmaşık problemlerde daha doğru ve güvenilir yanıtlar elde edilmesini sağlar.
İLGİNİZİ ÇEKEBİLİR
Apple, Final Cut Pro ve Pixelmator Pro’ya yeni yapay zekâ araçları ekledi
Apple’ın Vision Pro lideri OpenAI’a transfer oluyor
Google Gmail için sesle çalışan yeni yapay zekâ özelliğini test ediyor
Final Cut Pro, Pixelmator Pro ve Logic Pro aynı pakette güçlendi
Apple Watch’un kordon sistemi tamamen değişebilir
LaDiR yaklaşımı farklı görevlerde nasıl performans gösteriyor?
Araştırma kapsamındaki LaDiR yöntemi, Meta’nın LLaMA 3.1 8B modeli üzerinde matematik ve bulmaca çözme görevlerinde test edildi. Ayrıca Qwen3-8B-Base modeliyle kod üretimi senaryoları da değerlendirildi. Elde edilen bulgular, yöntemin mevcut tekniklere kıyasla daha yüksek bir doğruluk sağladığını ortaya koyuyor. Özellikle alışılmadık veri dağılımının söz konusu olduğu zor problemler için bu performans farkı daha belirgin hale geliyor.
Kod üretimi alanında, HumanEval gibi karşılaştırmalı testlerde LaDiR’ın daha tutarlı ve güvenilir sonuçlar ürettiği gözlemleniyor. Standart ince ayar yöntemlerine göre daha iyi sonuçlar elde edilirken, zor problemler için bu farkın daha da açıldığı kaydediliyor. Ayrıca, bulmaca tabanlı planlama görevlerinde, Countdown oyunu örneğinde olduğu gibi, modelin daha geniş bir çözüm yelpazesi oluşturabildiği ve doğru sonuca ulaşma ihtimalinin arttığı ifade ediliyor. Ancak, tek denemelik başarı oranında belirli görevlere özel optimize edilmiş modellerin gerisinde kaldığı not ediliyor.
Günün Öne Çıkan Fırsatları
Tüm Fırsatları Gör
Teknoblog’un satış ortaklıkları vardır. Bunlar, editoryal içeriği etkilemez, ancak Teknoblog, satış ortaklığı bağlantıları üzerinden satın alınan ürünler için komisyon kazanabilir.
LaDiR, tamamen yeni bir model değil; mevcut büyük dil modellerinin üzerine eklenen bir çerçeve olarak tasarlanmış. Bu özellikleriyle altyapıyı değiştirmek yerine, modelin problem çözme sürecini yeniden yapılandırmaktadır. Bununla birlikte, yöntem bazı ek hesaplama maliyetleri ve karmaşıklıkları getirebilir, çünkü aynı anda birden fazla akıl yürütme süreci yürütülmektedir.
Ayrıca, bu çalışma büyük dil modellerinin düşünme biçimlerini geliştirmeye yönelik alternatif yaklaşımların giderek çeşitlendiğini göstermektedir. LaDiR’ın sunduğu paralel akıl yürütme fikri, daha güvenilir ve açıklanabilir yapay zeka sistemleri geliştirme çabalarında dikkate değer bir örnek olarak öne çıkıyor. Ancak, yöntemlerin gerçek dünya uygulamalarında yaygınlaşma potansiyeli, sağlanan performans kazanımlarının maliyetle dengelenip dengelenemeyeceğine bağlı görünüyor.
