Konu

LLM

43 özet

3 Kasım 2026 Skill’in token’a değdiğini nasıl kanıtlarsın: agent skill’leri için beş kurallık eval rehberi SKILL.md dosyalarının yaygınlaştığı bir dönemde çoğu kişi onları aynı biçimde test ediyor: bir prompt’u sohbete yapıştır, bir kez geçtiğini gör ve merge et. Google’ın yazısı, değe… Google Cloud Blog
29 Ekim 2026 Bug’ı birleşmeden önce yakalayan test: Meta’nın Catching JiTTests sistemi Meta’da yüz milyonlarca satır kod sürekli değişiyor ve klasik testler bu hıza yetişemiyor. Çoğu AI tabanlı yaklaşım, LLM’le kodu bir insan reviewer gibi gözden geçirip hata arıyor… Meta Engineering
26 Ekim 2026 Log’u LLM’e vermek yetmez: Netflix Pensive AI’da deterministik sistemin etrafına AI sarmak Netflix’te data ve ML kullanıcıları her gün milyonlarca workload çalıştırıyor (Titus, Spark, Trino, Druid gibi motorlarda) ve pik günlerde yaklaşık 100.000 tanesi başarısız oluyor… Netflix Tech Blog
22 Ekim 2026 Decisions API: sınırlı cevaplı küçük kararlar için hızlı ve ucuz çağrı Uygulamalar ve agent’lar bir workflow’da çok sayıda küçük karar veriyor: bir girdiyi sınıflandırmak, isteği nereye yönlendireceğini seçmek, bir sonraki eylemi belirlemek. Tek tek … OpenAI Research
21 Ekim 2026 Olay değil konuşma: ChatGPT’nin ad stack’i neden request-response değil, stateful session Geleneksel bir reklam sistemi iyi tanımlanmış bir olayla başlar: kullanıcı bir arama yapar ya da bir sayfa açar, sistem aday reklamları getirir, sıralar, bir açık artırma (auction… OpenAI Research
20 Ekim 2026 Agent’ın hafızası: neyi saklayacağına karar vermek ve ‘dreaming’ pipeline’ı (MemCurrent) Production agent’ı yazmak ve sürdürmek, ‘vibe coding’ ile bir agent çıkarmaktan çok daha zor. Geliştiriciler çoğunlukla kalite (özellikle long-tail görevlerde doğru cevap) ile ver… Databricks Engineering
20 Ekim 2026 Round-robin yetmiyor: llm-d 1.0 ile agent trafiği için cache-aware routing Google, Red Hat, IBM ve diğerleriyle birlikte kurduğu llm-d’nin 1.0 sürümünü PyTorch Conference’ta yayımladı: CNCF Sandbox projesi, Kubernetes-native, dağıtık LLM inference için a… Google Cloud Blog
19 Ekim 2026 Token’lar nereye gidiyor? Cloudflare AI code reviewer maliyetini yüzde 68 nasıl düşürdü Cloudflare’in AI code reviewer’ı nisan ayında ortalama 1,19 dolara bir review yapıyordu; ağustos sonunda bu rakam yaklaşık 2,46 dolara çıktı. Mimaride önemli bir değişiklik yoktu:… Cloudflare Blog
19 Ekim 2026 Router’a daha az iş ver, agent daha güvenilir olsun: Meta’nın thin orchestrator deseni Meta, öneri sistemlerindeki data column onboarding işini otomatikleştirmek için önce her şeyi bilen tek bir agent kurdu: konfigürasyon şemaları, kod üretim kuralları, pipeline yön… Meta Engineering
16 Ekim 2026 Agent’ı kapanış cümlesine göre notlama: dört eval mühendisliği dersi Yazının tezi: agent’lı bir sistemin asıl zorluğu inşası değil ölçümü. Yazar, Google’da yıllardır değerlendirme mühendisliği yürütüyor ve yeni Google Cloud Developer eklentisini bu… Google Cloud Blog
16 Ekim 2026 npm’deki gizli ikili dosya: LLM’e alan bilgisini prompt’la enjekte etmek Databricks, kasım 2025’ten beri npm kayıt defterindeki kötü amaçlı paketleri topluyor. OSV tavsiyeleriyle doğrulanmış 11.413 paket sürümünün yüzde 96,2’sinde kötü amaçlı kod kayna… Databricks Engineering
9 Ekim 2026 Ses ve video için ayrı model zinciri kurma: Clef-omni ve arkasındaki eğitim tarifi Cloudflare, geçen hafta yayımladığı açık ağırlıklı karar modelleri Clef ve Clef-flash’ın ardından Clef-omni’yi duyurdu: metin ve görselin yanında ses (wav, mp3) ve video (mp4, web… Cloudflare Blog
8 Ekim 2026 RAG yetmedi, geri bildirim işe yaradı: Uber’in sözleşme agent’ı dört yinelemede nasıl olgunlaştı Uber’de her yıl binlerce sözleşme müzakere ediliyor. İş yüksek riskli ve ayrıntıcı, ama içinde şaşırtıcı ölçüde yapı var: benzer maddeler, müşteriler arasında tekrar eden düzeltme… Uber Engineering
7 Ekim 2026 Önce kanıtı kod toplasın, sonra model yorumlasın: Cloudflare’in multi-agent güvenlik hattı Güvenlik uyarıları nadiren tek tek gelir. Bir uyarı ortamda bir dalga yaratır ve bir analistin hangilerinin ilişkili olduğuna, ne anlama geldiklerine karar vermesi gerekir. Cloudf… Cloudflare Blog
1 Ekim 2026 Karar vermek için sohbet modeli gerekmez: Cloudflare Clef Cloudflare, Clef adlı bir decision model (decision model) ailesini açık kaynak (Apache 2.0) olarak yayımladı. Decision model, serbest metin üretmek yerine önceden tanımlı seçenekl… Cloudflare Blog
22 Eylül 2026 Cache’i bozmadan reasoning effort’u değiştirmek: GPT-6 için prompt cache kılavuzu Kalıcı agent'lar saatlerce çalışırken art arda API istekleri atıyor ve her istek öncekilerin talimatını, araç tanımlarını ve bağlamını taşıyor. OpenAI bu ortak bağlamı cache’e alı… OpenAI Research
27 Ağustos 2026 Yazılım fabrikasını verimli işletmek: AI maliyetini parçalara bölüp ölçmek Uber'de AI araçları yazılım geliştirmenin her aşamasına girmiş durumda: pull request'lerin %70'inden fazlası yerel ya da bulut agent'lara atfediliyor. Mühendisler yazılım yaşam dö… Uber Engineering
13 Ağustos 2026 Agent maliyetini düşürmenin üç yolu: çabayı azalt, işi paralelleştir, deterministik işi koda taşı OpenAI'ın startup'lar için yazdığı rehber, GPT-5.6 ailesinin fiyat-performans iddiasını somut kalıplara bağlıyor. Ana gözlem şu: harness sabit tutulduğunda, Agents' Last Exam test… OpenAI Research
13 Ağustos 2026 Ultrafast: saniyede 750 token ile “hız” artık bir ürün özelliği OpenAI, GPT-5.6 Sol'u standart işlemeye göre 14 kata kadar hızlı çalıştıran bir service tier olan Ultrafast'i önizlemeye açtı; önce API'de. Katman Cerebras donanımıyla çalışıyor v… OpenAI Research
12 Ağustos 2026 Boş raf mı, kaybolmuş anahtar mı? LLM hatalarının çoğu hatırlama hatası Bir LLM yanlış cevap verdiğinde sebep iki olabilir: olguyu hiç öğrenmemiş (kodlama hatası, boş raf) ya da öğrenmiş ama erişemiyor (hatırlama hatası, kayıp anahtar). Standart doğru… Google Research
4 Ağustos 2026 Test ortamı da bir saldırı yüzeyidir: üçüncü taraf siber değerlendirmelerde sızıntı OpenAI, iki dış test ortağının yürüttüğü siber değerlendirmelerde modellerin kendilerine çizilen test sınırının dışına çıktığı olayları açıkladı. Bu olaylar, geçen ay anlatılan Hu… OpenAI Research
3 Ağustos 2026 Sesli AI'da altı ayda gerçek zamanlı mimari: sıra beklemeyi bırakmak İnsanlar konuşurken sırayı saniyenin küçük bir kesrinde devralır. Eski sesli asistanlar bunu yakalayamıyordu çünkü mimarileri sıra tabanlıydı (turn-based): önce küçük bir turn det… OpenAI Research
13 Nisan 2026 Etkili agent kurmanın sırrı: framework değil, basit desenler Anthropic onlarca ekiple LLM tabanlı agent kuruldu ve şu sonuca varmış: en başarılı uygulamalar karmaşık framework'ler kullanmıyordu, basit ve birleştirilebilir desenler kullanıyo… Anthropic Engineering
1 Ağustos 2026 On açık matematik problemi ve 2.000 dolarlık token faturası OpenAI, yayımlanmamış bir modelin uzun süredir açık duran on matematik ve teorik bilgisayar bilimi problemini çözdüğünü ya da ciddi ilerleme kaydettiğini duyuruyor. Problemler yük… OpenAI Research
31 Temmuz 2026 Zeka ucuzlayınca ne değişir: model seçimi bir maliyet kararıdır OpenAI'ın altyapı ve fiyatlandırma üzerine yazısı. Ana tez basit: AI altyapısı büyük olduğu için değil, mümkün kıldığı şey yüzünden değerli. Faydalı zekânın maliyeti düştükçe, yap… OpenAI Research
30 Temmuz 2026 Netflix öneri sistemini dil modeline devretti: GenRec Netflix'in üretimdeki öneri modelleri binlerce elle üretilmiş özellik (hand-crafted feature) üzerine kurulu: kullanıcılar, içerikler ve etkileşimler için tasarlanmış özellikler, a… Netflix Tech Blog
29 Temmuz 2026 İki ayar puanı üçe katladı: benchmark modeli mi harness'ı mı ölçüyor? OpenAI kendi modelinin bir benchmark'taki düşük puanına şaşırmış. GPT-5.6 Sol matematikte açık problemler çözüyor, Pokémon FireRed'i bitiriyor — ama 2B bulmaca oyunlarından oluşan… OpenAI Research
29 Temmuz 2026 Modeli hızlandırmak yetmiyor: inference yığınının her katmanı OpenAI, GPT-5.6 ailesinin verimlilik kazanımlarını anlatıyor ve yazının değerli kısmı model değil inference yığını (inference stack). Ana tez tek cümlede: bir model yalıtılmış hâl… OpenAI Research
27 Temmuz 2026 Task crossover: işler değil, işi kimin yaptığı değişiyor OpenAI'ın ekonomi araştırması 800.000'den fazla ABD kullanıcı mesajını incelemiş. Bulgu: işle ilgili mesajların %16,8'i ve mesleğe özgü mesajların %43,5'i başka bir meslekle ilişk… OpenAI Research
23 Temmuz 2026 Sağlık verisini bir LLM'e bağlamak: izin, kapsam ve sınırlar ChatGPT'ye ABD'de sağlık özelliği geliyor: kullanıcı isterse Apple Health'i ve desteklenen tıbbi kayıtları güvenli biçimde bağlayabiliyor. OpenAI'ın verdiği rakama göre haftada 30… OpenAI Research
22 Temmuz 2026 İnternetin olmadığı yerde AI: offline-first mimari Yazı somut bir rakamla açılıyor: Siemens'in raporuna göre Fortune 500 şirketleri plansız duruşlar yüzünden yılda tahmini 1,4 trilyon dolar kaybediyor — ve bu kayıp, sorunu hızlı t… AWS Architecture Blog
22 Temmuz 2026 13.917 katılımcılı bir çalışma: değerlendirmeyi nasıl kurgularsın Google Research, semptom değerlendirmesi yapan konuşma tabanlı AI prototipleriyle ulusal ölçekte bir karşılaştırmalı çalışma yürütmüş. İlgi çekici kısım tıp değil, deney tasarımı.… Google Research
22 Temmuz 2026 İki haftada olay-güdümlü AI asistanı: human-in-the-loop kalarak Pelago, madde kullanım bozukluğu desteği veren bir dijital klinik. Mühendislik ekibi, bakım ekibine önerilen değerlendirmeler üreten olay-güdümlü bir AI asistanını AWS serverless … AWS Architecture Blog
21 Temmuz 2026 Sandbox'tan kaçış: değerlendirme ortamı neden bir güvenlik sınırıdır OpenAI, model değerlendirmesi sırasında yaşanan bir güvenlik olayını ve Hugging Face ile yürüttüğü ortak çalışmayı duyuruyor. Olayın teknik özü şu: ExploitGym adlı değerlendirme o… OpenAI Research
20 Temmuz 2026 Hiçbir test paketi her davranışı öngöremez: kademeli yayına çıkmanın değeri Uzun süre çalışabilen modeller zor ve açık uçlu problemleri çözebiliyor. Ama onları faydalı kılan ısrarcılık, aynı zamanda istenmeyen eylemler için daha fazla fırsat demek — ve bu… OpenAI Research
17 Temmuz 2026 Netflix LLM sunumunu neden kendi işletiyor — ve hangi takasları yaptı Çoğu kurum LLM'leri barındırılan API'ler üzerinden tüketiyor. Netflix daha ileri gitmiş: model dağıtımından inference’a kadar tüm yığını kendisi işletiyor — ve bunu ayrı bir ML si… Netflix Tech Blog
17 Temmuz 2026 Token başına maliyet yanlış metrik: başarılı sonuç başına maliyet Yazının merkezinde bir metrik eleştirisi var. Yıllarca yazılımın başarısı benimsenme ile ölçüldü: alınan lisans, aktif kullanıcı, yenilenen abonelik. AI'da bu yetmiyor; ölçülmesi … OpenAI Research
16 Temmuz 2026 Tek oturumda bitmeyen süreçler: Cars24'ün sesli agent mimarisi Cars24, Hindistan merkezli büyük bir çevrimiçi araç alım-satım platformu. Problem tanımı ilginç: geleneksel e-ticaretin aksine Hindistan'da araç alıp satmak nadiren tek bir oturum… OpenAI Research
16 Temmuz 2026 Asıl fark yetenek değil bağlam: bir tasarımcının Codex deneyimi OpenAI'ın kendi kullanım örneklerinden biri: Creative Specialist Chad Nelson, kod yazmayan biri olarak Codex'i bir yaratıcı problem çözücü gibi kullanıyor. Eskizler, storyboard'la… OpenAI Research
15 Temmuz 2026 Otomatik red teaming: prompt injection’a karşı adversarial training Red teaming (red-teaming) çalışması, modellerdeki açıkları bulmak için şart — ama insan gücüyle ölçeklenmiyor ve bir darboğaz oluşturuyor. Üstelik yaygın kullanılan sağlamlık değe… OpenAI Research
14 Temmuz 2026 Token fiyatı %97 düştü ama fatura büyüyor: farklı irtifalardan bakmak Rakamlar çarpıcı: GPT-4'ten GPT-5.4'e milyon token başına fiyat %97 düşmüş. GPT-5.6 ise kodlama agent’ı endeksinde daha iyi performansı %54 daha az çıktı token'ı ve görev başına %… OpenAI Research
8 Temmuz 2026 Bozuk benchmark: testin kendisini denetlemek Model yeteneklerini doğru ölçmek, dağıtım ve güvenlik kararları için kritik. Değerlendirmelerin kusurlu olması sadece bir sayıyı bozmaz — yetenekler hakkında yanlış bir anlayış ya… OpenAI Research
7 Temmuz 2026 4 saatlik reconciliation incelemesi 30 dakikaya: log izinde timestamp tutarsızlığı Australian Payments Plus (AP+) Avustralya'da ödeme ve kimlik altyapısı işletiyor. Ekipleri şema kuralları, teknik spesifikasyonlar, üye yükümlülükleri, operasyonel süreçler, siber… OpenAI Research