403 kayıt tarandı
Önce bunlar
CECL Banka Kredilerini Nasıl Etkiledi?
Ranish ile Vojtech, ABD'de 2020'de zorunlu hale gelen CECL yöntemini inceliyor; bu yöntem bankaların kredi zararı karşılıklarını gerçekleşmiş zarar yerine beklenen zarara göre ayırmasını istiyor. Firma ve kredi türleri arasında CECL'e geçiş zamanlamasındaki farktan yararlanan bir kimlik stratejisi kullanıyorlar. ABD'de CECL'e geçen bankalarda yıllık kredi büyümesinin geçiş sonrası yıllarda ortalama 77 baz puan daha düşük kaldığını, bu etkinin büyüklük olarak sermaye yeterliliği gerekliliklerinin etkisine yakın olduğunu buluyorlar. Sermaye dağıtımlarında anlamlı bir değişiklik saptamıyorlar.
| CECL sonrası yıllık kredi büyümesi düşüşü | 77 baz puan | ABD |
Çok değişkenli belirsizlik ve dağılımsal aktarım
Schröder, rejim geçişli karma VAR modeliyle euro alanı ve ABD için makroekonomik risklerin tüm olasılık dağılımını izliyor; yöntem jeopolitik şokların yalnızca ortalama enflasyon ve üretim beklentisini değil durgunluk veya stagflasyon gibi kötü senaryoların olasılığını da nasıl değiştirdiğini ölçüyor. Rusya'nın Ukrayna'yı işgalinden önce Ocak 2022'de gözlenen büyüklükte bir jeopolitik şoku hem 2022 başlangıç koşullarına hem Aralık 2025 koşullarına uyguluyor. Aynı büyüklükteki şokun Aralık 2025 ortamında euro alanında ve ABD'de daha düşük stagflasyon riski ürettiğini buluyor; stagflasyonu yıllık enflasyonun yüzde 2'yi aşması ve sanayi üretiminin gerilemesi olarak tanımlıyor.
Federal Araziler: Bir Ekonomik Mülkiyet Hakları Bakışı
Libecap, ABD federal hükümetinin alt 48 eyalette 472.892.659 dönüm araziyi elinde tuttuğunu, bunun eyaletlerin toplam arazisinin yüzde 21'ine denk geldiğini ve bu arazinin Çoklu Kullanım ilkesiyle bürokratik biçimde yönetildiğini yazıyor. 1870 ile 1957 arasında büyük bölümü özel mülkiyete geçmiş arazilerde piyasa başarısızlığı ya da kaynak kıtlığına dair bulgu olmadığını, arazinin taşınmaz niteliği nedeniyle özel mülkiyet haklarının uygulanabilir kaldığını belirtiyor. Rant kollama çerçevesine dayanarak, kamu görevlilerinin yönetiminin özel mülkiyete kıyasla ekonomik maliyet ve fayda değişimlerine daha az duyarlı kaldığını savunuyor.
| ABD federal arazi mülkiyeti | 472.892.659 dönüm | ABD |
| Federal arazinin alt 48 eyalet içindeki payı | %21 | ABD |
Büyük Dil Modelinizin Eğri Bir Paragraf Uzayı Var
Xiang, büyük dil modellerinde paragraf sınırının dikkat mekanizmasını etkileyip etkilemediğini test ediyor. Paragraf, cümle ve metin parçacığı konumlarını ayrı kanallara ayıran hRoPE adlı konumsal kodlama yöntemini rastgele etiketli ve düzenli aralıklı iki kontrol modeliyle karşılaştırıyor. Gerçek paragraf sınırını kaldırdığında paragraflar arası dikkatin azaldığını, sahte bir sınır eklediğinde arttığını buluyor. WikiText-2, OpenWebText ve Python kodundan oluşan üç veri kümesinde ölçülen bastırma derinliği hRoPE modelinde negatif 0,31 ile negatif 0,77 arasında değişirken kontrol modelinde negatif 0,22 ile negatif 0,33 arasında kalıyor. Paragraf sırasını karıştırma testiyle bu farkın nedensel olduğunu gösteriyor.
| hRoPE modelinde bastırma derinliği aralığı | -0,31 ile -0,77 | model karşılaştırması |
| Kontrol modelinde bastırma derinliği aralığı | -0,22 ile -0,33 | model karşılaştırması |
Yapay Zekâ Çöpü Eğitim Verinizde Zaten Var. Onu Yakalamanın Üç Yolunu Sınadım.
Dattijo, IMDb film yorumlarında yapay zekâ tarafından üretilmiş metni ayıklamak için üç yöntemi karşılaştırıyor: bir metnin ne kadar öngörülebilir olduğunu ölçen şaşkınlık puanı, yakın kopya benzerliği ve metnin gömme uzayındaki yoğunluğu. 200 gerçek yoruma 400 üretilmiş yorum ekleyip oluşturduğu 600 yorumluk sette, üretilmiş yorumların yüzde 80'ini yakalayan eşikte gömme yoğunluğu yöntemi gerçek yorumların yüzde 47'sini, şaşkınlık puanı ise yüzde 96,5'ini yanlışlıkla üretilmiş diye işaretliyor. Bileşik puanla filtrelemenin, ayrı bir duygu sınıflandırıcısının doğruluğunu yüzde 67,5'ten yüzde 57,5'e düşürdüğünü, 1.000 yorumluk bir arşivde bileşik puanın 444 yorumu işaretlediğini yazıyor. Kodunu ve verisini GitHub'da paylaşıyor.
| Hedeflenen üretilmiş yorum yakalama oranı | %80 | test seti |
| Aynı eşikte yanlış işaretlenen gerçek yorum (gömme yoğunluğu) | %47 | test seti |
| Filtre sonrası duygu sınıflandırıcısı doğruluğu | %67,5'ten %57,5'e | test seti |
RAG Bir Ajan Değil: Erişim ile Eylem Arasındaki Katmanı Kurdum
Alexander, erişim yapan RAG ile eylem alma yeteneğinin farklı sistemler olduğunu göstermek için üç ayrı Python sistemi kuruyor: yalnızca erişim yapan RAG, kural tabanlı eylem planlayıcısı ve ikisini birbirine bağlayan melez sistem. Aynı dokuz görevi üç sisteme de çalıştırıp sonuçları geçti ya da kaldı olarak raporluyor. Erişim bileşeni 22 makaleden alınan 334 parçalık, 59.406 kelimelik bir gövdeyi terim sıklığı yöntemiyle tarıyor, ortalama sorgu süresi 1,4 milisaniye. Geliştirme sırasında ayrıştırıcıda bulduğu iki hatayı terminal çıktısıyla birlikte gösteriyor. Kod GitHub'da açık, dış modele ya da vektör veritabanına bağlı değil.
| Test edilen görev sayısı | 9 | - |
| Erişim gövdesi boyutu | 334 parça, 59.406 kelime | 22 makale |
| Ortalama sorgu süresi | 1,4 milisaniye | - |
Jev ile Büyük Dil Modelleri: Yapay Zekâ Üretimden Karar Almaya Geçtiğinde
Hoang, TypeSafe AI'nin Jev modelini 3.080 banka mesajını sınıflandırma görevinde Qwen3-Coder-Next-80B-A3B modeliyle karşılaştırıyor. Jev yüzde 81,1, Qwen yüzde 76,4 doğruluk alıyor, aradaki fark yüzde 95 güven aralığında 3,7 ile 5,7 puan arasında kalıyor. Qwen yanıtlarının yüzde 1,72'si izin verilen etiket dışına çıkarken Jev çıktısı yapı gereği kısıtlı kalıyor. Medyan yanıt süresi Jev'de 245, Qwen'de 249 milisaniye. Jev'in güven skoru 1,00 iken doğruluğu yüzde 97,1'e çıkarken, güven skoru 0,7 ile 0,9 arasında kaldığında ortalama güven 0,81'e karşılık doğruluk yüzde 53'e düşüyor, yani model bu aralıkta aşırı özgüvenli kalıyor.
| Jev doğruluğu (3.080 banka mesajı) | %81,1 | test seti |
| Qwen doğruluğu (aynı mesajlar) | %76,4 | test seti |
| Medyan yanıt süresi (Jev / Qwen) | 245 ms / 249 ms | test seti |
Kodlama Becerinizi Yükseltecek 7 İleri Düzey Python Tekniği
Davies, Python standart kütüphanesinden yedi ileri düzey tekniği kod örnekleriyle anlatıyor: iter() fonksiyonunun bitiş değerli ikinci biçimiyle iterator kurma, ExitStack ile değişken sayıda kaynağı yönetme, memoryview ile kopyasız ikili dilimleme, Python 3.11'in except* söz dizimiyle çoklu hata yakalama, ChainMap ile katmanlı yapılandırma kurma, MappingProxyType ile salt okunur sözlük görünümü oluşturma ve Python 3.14'te gelecek functools.Placeholder özelliğiyle kısmi uygulamada orta konum ayırma. Her teknik somut kod parçasıyla gösteriliyor.
Küçük Dil Modeli Eniyilemesinde Tek Tek Döngü Yerine Uzunluğa Göre Toplu İşleme
Mayo, küçük dil modeli eniyileme dizisinin üçüncü yazısında, destek taleplerini sınıflandıran Qwen2.5-0.5B-Instruct modelini bir M2 MacBook Air üzerinde teker teker işlemek yerine uzunluğa göre gruplayarak toplu işlemeyi test ediyor. Kayıtları metin parçacığı uzunluğuna göre sıralayıp yerel en uzun değere göre dolgulama uyguluyor. 600 taleplik veri kümesinde istem uzunlukları 48 ile 449 metin parçacığı arasında, medyanı 94; küresel en uzun değere göre dolgulamak gerekli metin parçacığı sayısının 3,7 katını işleyecekti. Uzunluğa göre gruplama teker teker işlemeye göre yaklaşık 1,8 kat hızlanma sağlıyor, dolgu işlenen metin parçacıklarının yalnızca yüzde 7,6'sını oluşturuyor.
| Hızlanma (uzunluğa göre gruplama) | yaklaşık 1,8 kat | 600 talep |
| Dolgu payı | %7,6 | 600 talep |
| İstem uzunluğu aralığı | 48-449 metin parçacığı | medyan 94 |
5 Dakikada MCP Açıklaması
Awan, Model Bağlam Protokolü'nün (MCP) sunucu, istemci, araç, kaynak ve istem şablonu bileşenleriyle nasıl çalıştığını anlatıp Claude Code üzerinden üç MCP sunucusu kurma adımlarını gösteriyor: web araması için bir uzak sunucuyu komut satırından ekleme, GitHub deposu iş akışlarını bağlama ve tarayıcı otomasyonu kurma. MCP'nin akıl yürütmeyi kendisi yapmadığını, yalnızca standart bağlantıyı sağladığını, kararın modele ait kaldığını vurguluyor. Eylül 2026'daki protokol güncellemesinin durumsuz bir mimari getirdiğini belirtiyor.
Yapay Zekâda En Önemli Pazar Ortadaki Segment
Tunguz, büyük dil modeli fiyatlarındaki düşüşün en sert yaşandığı orta segmenti ele alıyor. OpenAI'ın Luna modelinin fiyatını önce yüzde 80, ardından yüzde 50 daha indirdiğini, açık kaynaklı modellerin kapalı modellere kıyasla işlem hacminin büyük bölümünü yüzde 86 daha ucuza taşıdığını aktarıyor. En yetenekli modelin ağ geçidi harcamasındaki payının ilk 12 günde yüzde 3,7'de kaldığını, buna karşılık orta seviye modellerin harcamanın yüzde 40'ını, metin parçacığı hacminin yüzde 30'unu aldığını yazıyor. Talebin fiyat performans ekseninde ortada yığıldığını, en pahalı ve en ucuz uçların pazar payının küçük kaldığını savunuyor.
| OpenAI Luna ilk fiyat indirimi | %80 | - |
| OpenAI Luna ek fiyat indirimi | %50 | - |
| Açık kaynak modellerin fiyat farkı | %86 daha ucuz | - |
| Orta kademe modellerin harcama payı | %40 | ilk 12 gün |
Ölçülemeyecek Kadar Ucuzlaşan Metin Parçacıkları
Jyn, büyük dil modeli çalıştırma maliyetinin hızla düştüğünü teknik ölçütlerle anlatıyor. GPU verimliliğinin yaklaşık iki yılda bir katlandığını, çıkarım motorlarının yılda yüzde 40'a varan verimlilik kazandığını, Mamba mimarisinin bellek ihtiyacını beş kata kadar düşürdüğünü aktarıyor. TypeSafe AI'nin Jev modelinin milyon metin parçacığı başına 0,042 dolara, GPT-5.6 Luna'nın ise milyon metin parçacığı başına 30 sente indiğini yazıyor. Son bir yılda toplam metin parçacığı maliyetinin yaklaşık 2,5 basamak, yani 300 kata yakın gerilediğini, bu eğilimin sürmesi durumunda maliyetin ölçülemeyecek kadar küçüleceğini savunuyor.
| TypeSafe AI Jev model fiyatı | milyon metin parçacığı başına 0,042 dolar | - |
| GPT-5.6 Luna model fiyatı | milyon metin parçacığı başına 30 sent | - |
| Mamba mimarisi bellek tasarrufu | 5 kat | - |
| Son bir yılda metin parçacığı maliyet düşüşü | ~2,5 basamak (300 kata yakın) | - |
Artık Hendek Yok. Zaten Hiç Olmadı.
Hoffman, yazılım şirketlerinin geleneksel rekabet kalkanlarının (müşteri kilitlenmesi, uzun sözleşme, veri) yapay zekâ çağında eridiğini savunuyor. Brüt gelir tutma oranının dört yılda yüzde 88'den yüzde 84'e, 75. yüzdelik dilimde yüzde 95'ten yüzde 91'e gerilediğini aktarıyor. Kullanım bazlı fiyatlandıran şirketlerin net gelir tutma oranını yüzde 108, koltuk bazlı fiyatlandıranların ise yüzde 98 olarak veriyor. Moğol İmparatorluğu'nun 25 yılda kurulmasıyla Roma'nın 400 yıllık savunma hattını karşılaştırarak, kalıcı savunma yerine sürekli en iyi ürünü çıkarmanın tek kalan rekabet avantajı olduğunu ileri sürüyor.
| Brüt gelir tutma oranı (dört yıllık değişim) | %88'den %84'e | - |
| 75. yüzdelik brüt gelir tutma oranı | %95'ten %91'e | - |
| Kullanım bazlı şirketlerin net gelir tutma oranı | %108 | - |
| Koltuk bazlı şirketlerin net gelir tutma oranı | %98 | - |
Yani Dünyanın Değişmek Üzere Olduğunu mu Düşünüyorsunuz?
Chalmers ile Law, 1832'de Ménilmontant'ta bir komüne taşınan 40 kişilik Saint-Simoncu reformcularla, bugünün yapay zekâ güvenliği savunucularının kurduğu paralel araştırma kurumlarını karşılaştırıyor: 2000'de Singularity Institute, 2005'te Future of Humanity Institute, ardından Bostrom'un 2014 tarihli Superintelligence kitabı ve 80.000 Hours'un kariyer yönlendirmesini yapay zekâya çevirmesi. Dönüştürücü teknolojik değişimi erken fark etmenin tek başına yetmediğini, buna kurum kurma, pragmatizm ve alan uzmanlığının eşlik etmesi gerektiğini savunuyor. Thomas Paine'in devrimci saflığı ile John Adams'ın kurumsal pragmatizmini karşılaştırarak, uzlaşmayı reddetmenin etkiyi kaybetme riski taşıdığını gösteriyor.
| Ménilmontant topluluğu üye sayısı (1832) | 40 kişi | Fransa |
Habermas'ın Doğruluk Kuramı Fikrini Değiştirmesini Gerektirdi
Prattico, Habermas'ın 1973'ten 1999'a kadar doğruluğu adil koşullar altında insanların üzerinde anlaşacağı şey olarak tanımladığını, 1999'dan sonra bu görüşünü değiştirip doğruluk ile haklı çıkarılabilirlik arasında ayrım yaptığını anlatıyor. Yeni görüşe göre doğruluk, anlaşma standartları değişse bile sabit kalıyor çünkü dünyanın kendisi olgusal iddialara cevap veriyor; ahlaki iddialar ise yalnızca adil söyleşim koşuluna bağlı kalıyor. Prattico bu dönüşümü Cristina Lafont ile Richard Rorty'nin eleştirilerine bağlıyor ve Habermas örneğini felsefede fikir değiştirmenin nasıl işlediğine dair bir vaka incelemesi olarak kullanıyor.
Kütleçekimi Holografik Görünüyor. Bu Gerçeklik İçin Ne Anlama Geliyor?
Wood, bir uzay bölgesinin tüm içeriğinin yalnızca sınır yüzeyindeki ölçümlerle anlaşılabileceğini öne süren holografik ilkeyi anlatıyor. Kütleçekimin diğer kuvvetlerden farklı olduğunu, çünkü kütlenin her zaman pozitif olduğunu, bunun da iç yapının yüzeyden matematiksel olarak çıkarılmasını mümkün kıldığını aktarıyor. AdS/CFT yazışması, iç hacim ile yüzey alanı arasındaki bu denkliği kanıtlanmış biçimde gösteriyor; yazıya göre kütleçekim ile kuantum mekaniği aynı olguyu farklı dillerde tarif ediyor. Makale, fizikçiler arasındaki üç rakip yorumu sıralıyor: yüzeydeki kuantum bilginin gerçek olduğu görüş, içerideki kütleçekim hacminin gerçek olduğu görüş ve ikisinin de temel düzeyde gerçek olmadığı görüş.
Gerçek mi?
Chinn, 27 Şubat 2026'dan bu yana ABD 10 yıllık hazine tahvili getirisindeki artışın büyük ölçüde reel faizlerden kaynaklandığını, bunu enflasyona karşı korumalı tahvil getirisiyle karşılaştırarak gösteriyor.