AraştırmaHaberler
Claude, 123 açık kaynak kütüphane için biçimsel ispat yazdı
Anthropic ve Theorem, Claude'a 239 giriş noktasının RISC-V ikilisinde çökmediğini ispatlattı. Ne ispatlandı, hangi varsayımlara dayanıyor, nerede eksik.
Canberk / Arşiv
Araştırma
Makaleler, deneyler ve yeni yöntemler.Bu konuya ait haberler ve analizler burada bir arada.
18 içerik
Ana sayfa ↗
AraştırmaHaberler
Anthropic: Claude yayımlanmış kuantum devre tasarımlarını geçti
Anthropic, Claude'un kapalı döngü tasarımlarının yayımlanmış kuantum devrelerini geçtiğini söylüyor: nokta toplamada 17 kat az kapı. İddialar, sınırlar.
AraştırmaHaberler
Claude, NIST'in ECDSA eğri tohumlarını zaman damgalarına bağladı
Anthropic, Claude'un NIST'in ECDSA tohumlarını 30 dakikadan kısa sürede lrand48 ve Unix zaman damgasına bağladığını söylüyor. Ne çözüldü, ne çözülmedi?
AraştırmaHaberler
Yapay zeka modelleri datacenter olmadan kendini kopyalayabilir mi?
Anthropic, 9B bir modelin 9 donanım türünün 8'inde çıkarım kurduğunu söylüyor. Kırmızı takımın testleri, botnet tahmini ve çalışmanın sınırları.
AraştırmaHaberler
Anthropic distillation savunmaları: %90–99 iddiası ne anlama geliyor?
Anthropic, yeni önlemlerin distiller'ların topladığı veriyi %90–99 azalttığını söylüyor. Sınıflandırıcı, korunan düşünme ve yasaklar nasıl işliyor?
AraştırmaHaberler
Yapay zekâ kodu insansız inceleyebilir mi? CRBugBench, en iyi ajanın bilinen hataların %71,9'unu yakaladığını gösteriyor
1.800 kod inceleme görevinden oluşan bir benchmark: en iyi ajan ilk beş bulgusunda bilinen hataların %71,9'unu yakalıyor; özel kodda daha azını.
AraştırmaHaberler
METR'in zaman ufku grafiği yeniden uyduruldu: Berkeley makalesi 2 ile 30 dakika arasında düz bir bölge buluyor
İki Berkeley istatistikçisi METR'in 228 görevlik verisini yeniden uydurdu: tahminler iyileşiyor, 2-30 dakikada insan süresi zorluğu zayıf izliyor.
AraştırmaHaberler
Kodlama benchmark skorlarına güvenilir mi? TestJack, geçen denemelerin üçte birini çürüttü
Bir ön baskı, benchmark testlerini geçen 4.487 kodlama denemesini yeniden denetledi, %34,4'ünü çürüttü: çözüm oranı %50,6'dan %33,2'ye düştü.
AraştırmaHaberler
Alt ajanlar kodlama ajanlarına yardım ediyor mu? Codex, Claude Code ve Kimi Code'da 2.124 çalıştırma
Bir ön baskı, alt ajanlar açık ve kapalıyken 2.124 kodlama görevi çalıştırdı: Claude Code SWE-bench Verified'da 24 puan kaybetti, token 1,4-3,3 kat arttı.
AraştırmaHaberler
Otomatik onay güvenli mi? Üç yeni makale kodlama ajanı güvenliği hakkında ne diyor
Bir ön baskıya göre otomatik onay, tek modelle saldırı başarısını %29,2'den %95,6'ya çıkardı. Diğer ikisi model ve araç adının skoru oynattığını gösteriyor.
AraştırmaHaberler
EPFL ve Apple çalışması: minimal bir kodlama ajanı karmaşık ML harness'lerine denk
EPFL ve Apple araştırmacılarına göre sade bir kodlama ajanı dört karmaşık ML harness'ine denk geldi, ama içlerinden birinden yaklaşık altı kat pahalıya.
AraştırmaHaberler
Red Hat: Jev guardrail referanslarına göre rekabetçi, ama net üstün değil
Red Hat, Jev, Laya ve DiffusionGemma'yı sınıflandırıcılar ve LLM hakemlerle iki guardrail görevinde test etti. Jev birinde ilk, diğerinde dördüncü oldu.
AraştırmaHaberler
Mythos, Rejetto HFS'de giriş atlatma açığı buldu; saldırılar bir günde geldi
Horizon3'e göre Anthropic'in Mythos modeli, zayıf bir rastgele sayı üretecini Rejetto HFS'de yönetici girişini atlatan bir zincire çevirdi (CVE-2026-61500).
AraştırmaHaberler
Anthropic'in GLM-5.3 siber raporu: testler ne gösteriyor, neyi göstermiyor?
Anthropic, GLM-5.3'ün exploit geliştirmede kısıtlı erişimli Mythos Preview'a yaklaştığını ve güvenlik önlemlerinin simülasyonlarda %64 ile %100 arasında aşıldığını söylüyor. Rakamlar, NIST'in görüşü, Z.ai'nin iddiaları ve sınırlar.
AraştırmaHaberler
Sakana AI SAIL: Robot önce simülasyonda deniyor, sonra hareket ediyor
SAIL, hareketleri simülasyonda sınayarak robot planlarını iyileştiriyor. Resmî videolar, %25–%73 sonucunun anlamı ve gerçek robot testinin sınırları.
AraştırmaHaberler
Google'ın tutarlı uzun videolar için dört parçalı araştırma yolu
Co-Director, CANVAS, A²RD ve VQQA yapay zekâ ile video anlatısındaki farklı hataları hedefliyor. On dakikalık demo ve araştırma ölçümleri ne gösteriyor?
AraştırmaHaberler
Claude ve ART enzim bulgusu: Araştırmada yeni bir iz, yanıt bekleyen sorular
Anthropic'in ART duyurusunda Claude ajanları ne buldu, araştırmacılar nasıl takip etti ve biyolojik işlev neden hâlâ açık bir soru?
AraştırmaHaberler
Google, AI ile üretilen STEM öğrenme etkinlikleri kütüphanesini paylaştı
Google'ın öğrenme etkinlikleri, AI üretimini öğretmen incelemesiyle birleştiriyor. Örnek kütüphane ve özel üretim pilotunun erişim koşulları farklı.
Bu konudaki diğer içerikleri görmek için Tümü’nü seç.