Şevval Alper
Araştırma İlgi Alanları
Şevval, yapay zeka kodlama araçları, yapay zeka ajanları ve kuantum teknolojilerine odaklanmaktadır.Kendisi, AIMultiple benchmark ekibinin bir parçası olup okuyucuların çeşitli gelişen teknolojileri ve uygulamalarını anlamalarına yardımcı olmak için değerlendirmeler yapmakta ve içgörüler sağlamaktadır.
Mesleki Deneyim
Türkiye'de düzenlenen üç “CERN International Masterclasses - hands-on particle physics” etkinliğinde katılımcıların organize edilmesine ve yönlendirilmesine katkıda bulundu; öğrenmeyi kolaylaştırmak için öğretim üyeleriyle birlikte çalıştı.Eğitim
Şevval, Middle East Technical University'den Fizik alanında lisans derecesine sahiptir.Şevval Tarafından Son Makaleler
Kuantum Tavlama: Pratik Kuantum Hesaplama
Kuantum tavlama, geleneksel bilgisayarların hızlı bir şekilde çözemediği acil optimizasyon problemleri olan şirketler için umut verici bir kuantum teknolojisidir. Optimizasyon problemlerini geleneksel bilgisayarlardan daha etkili bir şekilde çözmek için kullanılabilir. Ancak hâlâ çoğunlukla akademide kullanılmaktadır ve ticari kuantum tavlayıcılar geliştirmek için daha fazla Ar-Ge gereklidir. Kuantum hesaplama donanımı oluşturmak için evrensel geçit modelli kuantum bilgisayarlar…
HALC-Bench: LLM Uzun Bağlamlı Getirme Kıyaslamasında Halüsinasyon
HALC-Bench (LLM Hallucination on Long-Context Retrieval Benchmark), hedef belgede bulunmayan bir metrik için kanıt uydurmaya karşı büyük bir dil modelinin direncini, modelin bağlam penceresinin başına, ortasına ve sonuna yerleştirilen 3 saman yığını kullanarak 204 soruyla ölçer. claude-fable-5, her saman yığını konumundaki 204 tuzağın tamamını doğru yanıtladı. Kalan modeller arasında en az halüsinasyonu gpt-5.5 üretti. Saman…
Yapay Zeka Kodlama Benchmark: Claude Code vs Cursor
Yapay zeka kodlamada pazar iki kategoriye ayrılmıştır: Ajanik CLI araçları ve IDE'lere gömülü yapay zeka kod düzenleyicileri. Her biri geliştirmeyi otomatikleştirdiğini iddia ediyor. Aynı iş yükleri altında nasıl farklılaştıklarını gösteren az sayıda karşılaştırma var. Her ajanı 10 tam yığın web geliştirme görevi üzerinde kıyasladık; ajan başına ~600 atomik doğrulama kontrolü ve toplam 9.600'den fazla otomatik…
MCP ile Kod Yürütme: Yapay Zeka Ajanı Verimliliğine Yeni Bir Yaklaşım
Anthropic yapay zeka ajanlarının araçlara doğrudan çağrı yapmak yerine yürütülebilir kod yazarak Model Context Protocol (MCP) sunucularıyla etkileşime girdiği bir yöntem tanıttı. Ajan, araçları bilgisayardaki dosyalar gibi ele alır, ihtiyacı olanı bulur ve bunları doğrudan kodla kullanır; böylece ara verilerin modelin belleğinden geçmesi gerekmez. Aynı başarı oranını korurken token maliyetini azaltıp azaltmadığını görmek için bu…
VELC-Bench: Uzun Bağlam Benchmark'ında Doğrulama
Modelin bağlam içinde belirli bir metriği bulma, değerini bir iddiayla karşılaştırma ve onaylama veya reddetme yeteneği. Bu, uzun bağlam koşullarında ince taneli değer eşleştirmeyi test eder. Model hem değeri almalı hem de hassas bir karşılaştırma yapmalıdır. Modeller aşağıdaki bağlam pencerelerinde test edilmiştir: claude-fable-5 EVET'i doğrulamada %90,0 ve HAYIR'ı doğrulamada %94,0 puan alır. Bu fark, aşağıda…
AIM-Code Bench: Ajan Tabanlı Kodlama Kıyaslaması
LLM'leri kodlama ajanı altyapıları olmadan değerlendirmek, pratikte nasıl kullanıldıklarını tam olarak yansıtmaz. Gerçek geliştirme aynı zamanda mevcut işi genişletmeyi, yabancı kodu devralmayı ve başkalarının üzerine inşa edebileceği uygulamalar bırakmayı da içerir. Modelleri, gelişen yazılım görevlerinde kodlama ajanı altyapılarıyla birlikte değerlendirmek için AIM-Code Bench'i sunuyoruz. Doğruluğun ötesinde kıyaslama; çalışma zamanı performansını, değişen gereksinimlere uyumu ve ajanların…
Yapay Zeka Kod İnceleme Araçları Karşılaştırması
Yapay zeka kodlama araçlarının kullanımının artmasıyla kod tabanları güvenlik açıklarına daha yatkın hale geldi ve bu da etkili kod incelemelerine olan ihtiyacı artırdı. Bunu ele almak için, en iyi dört yapay zeka kod inceleme aracını farklı boyutlardaki depolardan gelen 309 çekme isteği üzerinde karşılaştıran ve 10 geliştiricinin girdisini ve bir LLM-as-a-judge kullanarak performanslarını değerlendiren RevEval…
Ajan benchmark'ları
Ajan benchmark'ı
Agentic IT: Yapay Zeka Ajanları Bir Benchmark Tasarlayabilir mi?
16 model'i text-to-SQL ve araç çağırma alanında bir benchmark tasarımında test ettik. Her model konu başına bir benchmark oluşturdu; toplam 32 gönderim oldu. Hiçbir gönderim tüm rubrik ölçütlerini geçemedi. Ajanlar testleri oluşturup çalıştırabildi ancak hiçbiri kendi puanlayıcısına ait hem boş-yanıt testini hem de doğru-yanıt testini gösteremedi. Text-to-SQL, sade bir dille yazılmış soruyu bir veritabanı sorgusuna…
RELC-Bench: Uzun Bağlamda Erişim Benchmark'ı
RELC-Bench (RELC-Bench: Uzun Bağlamda Erişim Benchmark'ı), bir model'in bağlamındaki bir veya daha fazla belgeden belirli bir sayısal değeri bulma ve çıkarma becerisini ölçmeyi amaçlar. Modelin, girdide az önce gördüğü belirli bir olguyu hatırlayıp getirip getiremediğini test eder. claude-fable-5 %97,0 puan alır ve 100 doğrudan hatırlama maddesinde saman yığını konumlarına göre değişmez (başlangıçta %97,0, ortada %97,1,…
AIMultiple Bülteni
Haftada 1 ücretsiz e-posta ile en son B2B teknoloji haberleri ve uzman içgörüler ile işletmenizi hızlandırın.