# Tasaract — Davut Emre Taşar > Pilih sebuah pertanyaan, lalu ikuti tautannya ke proyek terkait, bukti pendukung, dan sumber aslinya. ## Teserak Emre Selamat datang. Kadang yang membuat saya penasaran adalah nada sebuah kalimat bahasa Turki, kadang hasil pengukuran kuantum. Di sini Anda bisa melihat ke mana rasa ingin tahu itu membawa saya. ### [Langkah program berikutnya](https://tasaract.com/id/?scene=project%3Ameaning-native-computing#journey) Dalam Meaning-Native Computing, saya meneliti apakah aturan suatu program membantu model meramalkan instruksi berikutnya. Pemeriksaan terpisah menentukan apakah instruksi itu boleh dijalankan. [Sumber asli](https://tasaract.com/en/#meaning-native-computing) ### [Membaca nada ulasan berbahasa Turki](https://tasaract.com/id/?scene=repository%3Aturkish-binary-reviews#journey) · 2021 Saya melatih model BERT untuk membedakan ulasan positif dan negatif dalam bahasa Turki. Pada 2022 saya merilis model lain yang juga bisa mengenali ulasan netral. [Sumber asli](https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews) ### [Mendengarkan bahasa Turki](https://tasaract.com/id/?scene=work%3Aturkish-asr#journey) · 2024 Dengan rekaman Common Voice, kami mengajari model wicara yang sebelumnya dilatih dalam 53 bahasa untuk menyalin tuturan bahasa Turki. Pada rekaman khusus untuk pengujian, tingkat kesalahan katanya 23%. [Sumber asli](https://dergipark.org.tr/en/pub/acin/article/1338604) ### [Seberapa lebar rentang prediksi?](https://tasaract.com/id/?scene=repository%3Aregression-atlas#journey) · 2026 Rentang yang sangat lebar mudah mencakup nilai sebenarnya. Pada 67 himpunan data, saya membandingkan seberapa sering tiap metode mencakup nilai itu dan seberapa lebar rentang yang dibutuhkannya. [Sumber asli](https://github.com/detasar/regression-conformal-prediction-research-atlas) ### [Kasus siapa yang diperiksa lagi?](https://tasaract.com/id/?scene=work%3Acoverage-deferral#journey) · 2025 Dalam simulasi saya dengan data Adult, kalibrasi terpisah untuk tiap kelompok memperkecil selisih tingkat cakupan. Namun, selisih frekuensi kasus yang diteruskan ke pemeriksa manusia justru bertambah. [Sumber asli](https://www.preprints.org/manuscript/202512.2631) ### [Dua kubit, empat kemungkinan](https://tasaract.com/id/?scene=work%3Aquantum-conformal#journey) · 2025 Pengukuran dua kubit bisa menghasilkan empat kemungkinan. Saya menggunakan contoh terdahulu untuk memperkirakan ketidakpastian keempat probabilitas itu secara bersamaan, lalu menguji perkiraannya pada data baru. [Sumber asli](https://journals.gen.tr/index.php/jqtair/article/view/2702) ### [Mengelompokkan nasabah di tengah derau](https://tasaract.com/id/?scene=patent%3A2026-004441#journey) · 2026 Seberapa stabil kelompok yang kita temukan dalam data keuangan? Dalam permohonan paten TR 2026/004441, kami mengusulkan pengelompokan kuantum untuk membentuk kelompok dan prediksi konformal untuk mengukur ketidakpastian. [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) ### [Celah selebar jari](https://tasaract.com/id/?scene=patent%3A2023-011901#journey) · 2023 Dalam permohonan paten di Turki, kami menggambarkan robot mikro bersendi yang bisa membawa kamera dan kabel penghubung ke sela-sela reruntuhan. Permohonan internasional untuk invensi yang sama terbit pada 2025. [Sumber asli](https://patents.google.com/patent/TR2023011901A2/en) ### [Saat agen mengatakan “selesai”](https://tasaract.com/id/?scene=work%3Aagent-chronicle#journey) · 2026 Saya membuat Agent Chronicle agar bisa menelusuri kembali sesi pemrograman. Dari suatu keputusan, saya bisa melihat berkas yang berubah dan membuka hasil pemeriksaan yang mendukungnya. [Sumber asli](https://github.com/detasar/agent-chronicle-community) ### [Bisakah satu model memperbaiki model lain?](https://tasaract.com/id/?scene=work%3Aweight-editing#journey) · 2026 Ketika model bahasa saya minta mengubah pengklasifikasi yang rusak, dalam satu percobaan akurasi berimbang naik sedikit sementara akurasi keseluruhan turun. Pada SmolLM2 yang utuh, pencarian memilih bobot aslinya. [Sumber asli](https://github.com/detasar/llm-weight-editing-study) ## Mulai dari mana? - [Jika komputer mengetahui aturan suatu program, bisakah ia memperkirakan dengan lebih tepat instruksi mana yang akan dijalankan berikutnya?](https://tasaract.com/id/#meaning-native-computing) — Meaning-Native Computing - [Kasus siapa yang diperiksa lagi?](https://tasaract.com/id/work/coverage-deferral/) — Cakupan dan rujukan ke manusia (Pracetak) - [Seberapa banyak informasi yang diberikan sejumlah pengukuran terbatas?](https://tasaract.com/id/work/quantum-conformal/) — Metode konformal untuk pengukuran kuantum (Artikel jurnal) - [Agen pemrograman sudah selesai. Apa yang berubah?](https://tasaract.com/id/work/agent-chronicle/) — Jejak kerja agen (Repositori) ## Dalam edisi ini - [Panduan teks](https://tasaract.com/id/guide/) - [Graf pengetahuan](https://tasaract.com/id/graph/) - [Profil](https://tasaract.com/id/profile/) ## Tentang saya Saya bekerja sebagai data scientist di tim AI Innovation BBVA di Madrid. Dalam studi doktoral saya di Universitas Navarra, saya meneliti apakah mengukur ketidakpastian pada prediksi AI bisa membantu bank mengambil keputusan yang lebih adil. Saya berasal dari İzmir, kota di pesisir Laut Aegea, Turki. Dulu saya insinyur sipil, sampai suatu hari lutut saya kena panah. Saya pun melepas helm proyek dan mengenakan jas lab. Sekarang saya bekerja sebagai data scientist di tim AI Innovation BBVA di Madrid. Saat bank mengandalkan prediksi AI, seberapa yakin kita pada hasilnya? Dalam riset doktoral saya di Universitas Navarra, saya ingin tahu apakah keputusan bank bisa lebih adil kalau kita bisa mengukur dan mengurangi ketidakpastian pada prediksi itu. Saat belajar manajemen strategis di Oxford, saya tertarik pada pertanyaan serupa. Apakah keputusan yang tampak tepat hari ini masih masuk akal ketika situasinya berubah? Saya suka matematika abstrak karena dua soal yang kelihatannya jauh berbeda kadang punya struktur yang sama. Saat membaca tentang fisika kuantum, saya kadang sampai ke filsafat gara-gara memikirkan apa yang sebenarnya kita ketahui dari sebuah pengukuran. Saya senang menemukan hubungan seperti itu. Saya masih menjelajahi Madrid sambil belajar bahasa Spanyol. Makin banyak yang saya pahami, makin dekat rasanya budaya Spanyol dan Amerika Latin. Saya juga suka melukis dan bermain catur. Di rumah saya sering menyeduh kopi. Saya punya darbuka kecil, kalimba, dan Zanpakuto ala Bleach yang saya pakai untuk latihan kendo. Kalau ada waktu, saya suka mengarang cerita lucu untuk putri kecil saya. [Mesin espreso favorit saya.](https://tasaract.com/id/#espresso) [Foto saat saya mempresentasikan riset doktoral di pertemuan ilmiah DATAI yang kelima, di Universitas Navarra.](https://tasaract.com/id/#scholar) Pada 2024 saya menerima penghargaan We Think Big dari BBVA atas pekerjaan saya di bidang paten dan kontribusi akademis saya. · [Lihat foto penghargaan](https://tasaract.com/id/#we-think-big) - [GitHub](https://github.com/detasar) - [Hugging Face](https://huggingface.co/emre) - [Scholar](https://scholar.google.com/citations?user=IZZM_JAAAAAJ) - [LinkedIn](https://www.linkedin.com/in/detasar/) - [X](https://x.com/mehanixs) - [ORCID](https://orcid.org/0000-0002-7788-0478) - [Universitas Navarra](https://www.unav.edu/web/instituto-de-ciencia-de-los-datos-e-inteligencia-artificial/equipo#:~:text=Enhancing%20Fairness%20in%20AI%20Systems) ## [Empat pertanyaan dari buku catatan saya](https://tasaract.com/id/#idea-notebook-title) ### Ontologi dan struktur data Apa yang berubah dalam graf ketika satu kereta terlambat? Stasiun adalah tempat, sedangkan keberangkatan adalah peristiwa. Jika masing-masing punya jenis simpul sendiri dan setiap waktu punya sumber, bisakah saya melacak perjalanan lanjutan mana yang terdampak satu keterlambatan? Bayangkan ada dua kereta yang dijadwalkan berangkat pukul sembilan dari stasiun yang sama. Dalam graf, saya cukup mencatat stasiun itu sekali lalu memberi setiap keberangkatan identitas tersendiri. Dengan begitu, memperbarui jam satu kereta tidak mengubah jam kereta lainnya. Saya akan menyimpan jadwal semula dan waktu keberangkatan terbaru beserta sumber masing-masing. Kalau keberangkatan mundur dari pukul sembilan ke sembilan lewat sepuluh, hubungan dalam graf bisa ditelusuri untuk melihat kereta sambungan mana yang perlu diperiksa. Jika seluruh stasiun hanya diberi satu penanda waktu, perbedaannya akan hilang. [RDF 1.1 · W3C](https://www.w3.org/TR/rdf11-concepts/) ### [Meaning-Native Computing](https://tasaract.com/id/#meaning-native-computing) Jika komputer mengetahui aturan suatu program, bisakah ia memperkirakan dengan lebih tepat instruksi mana yang akan dijalankan berikutnya? Meaning-Native Computing adalah proyek penelitian mandiri saya. Saya ingin membandingkan dua metode prediksi dengan program yang sama dan sumber daya komputasi yang sebanding. Salah satunya juga diberi penjelasan tertulis tentang aturan yang harus dipatuhi program. Apakah itu membantunya memperkirakan langkah berikutnya? Sebelum perubahan yang diperkirakan diterapkan, pemeriksaan independen harus memastikan bahwa perubahan itu sesuai dengan aturan. Dalam riset mandiri ini saya ingin membandingkan dua metode prediksi yang mengamati program yang sama saat berjalan dan mendapat sumber daya komputasi yang sebanding. Salah satunya juga mendapat ontologi yang dapat dijalankan, yaitu uraian aturan program dalam bentuk yang bisa diterapkan komputer. Apakah pengetahuan itu membantunya menebak instruksi mana yang akan berjalan berikutnya? Aturan bisa saja mengizinkan dua langkah berikutnya. Sebuah metode dapat memilih langkah yang keliru meski mematuhi seluruh aturan. Saya ingin membandingkan prediksinya dengan langkah yang benar-benar diambil program. Sebelum perubahan yang diusulkan diterapkan, pemeriksaan independen harus memastikan bahwa aturan mengizinkannya. ### Teori kategori Apa yang tetap terjaga ketika dua transformasi disusun? Satu proses mengubah jadwal menjadi graf. Proses lain mencari rute di dalamnya. Saat keduanya saya rangkai, bagaimana agar hubungan setiap waktu dengan stasiunnya tetap terjaga? Proses pertama mengubah jadwal kereta menjadi graf. Proses kedua mencari rute di dalam graf itu. Menjalankan keduanya berurutan merupakan contoh komposisi. Saya ingin tahu apakah setiap jam pada rute akhir masih bisa ditelusuri ke stasiun yang tepat. Misalnya, di dua stasiun ada kereta yang sama-sama berangkat pukul sembilan. Kalau proses pertama menyimpan jamnya saja dan membuang informasi stasiun, pencarian rute tidak bisa memulihkan kaitan itu dari jam saja. Contoh sederhana ini membuat saya berpikir tentang informasi yang harus diteruskan dari satu tahap ke tahap berikutnya. [Seven Sketches in Compositionality](https://arxiv.org/abs/1803.05316) ### Pengukuran kuantum Bagaimana jika saya mengajukan pertanyaan lain pada kubit yang sama? Saya menyiapkan keadaan “+”. Pengukuran dalam basis X selalu menghasilkan +. Dalam basis Z, peluang 0 dan 1 sama besar. Yang membuat saya tertarik adalah perubahan jawabannya ketika saya mengganti pengukuran tetapi menyiapkan keadaan dengan cara yang sama. Bayangkan sebelum setiap pengukuran saya menyiapkan kembali sebuah qubit dalam keadaan plus. Pada basis X, pengukuran ideal selalu menghasilkan plus. Dengan persiapan yang sama, pengukuran pada basis Z menghasilkan 0 atau 1 dengan peluang yang sama. Sepuluh pengukuran pada basis Z bisa saja menghasilkan tujuh angka nol dan tiga angka satu. Peluang munculnya nol adalah setengah pada setiap percobaan. Itu tidak menentukan berapa angka nol yang akan muncul dalam sepuluh kali pengukuran. Perbedaan ini mudah luput saat kita hanya melihat sedikit hasil. [Quantum Information · IBM](https://quantum.cloud.ibm.com/learning/en/courses/basics-of-quantum-information/single-systems/quantum-information) [Specify observables in the Pauli basis · IBM Quantum Documentation](https://quantum.cloud.ibm.com/docs/en/qiskit/specify-observables-pauli) ## Atlas riset ### [Ketidakpastian](https://tasaract.com/id/#topic-uncertainty) Bisakah model mengenali batasnya sendiri? Prediksi konformal dan kalibrasi menghasilkan himpunan jawaban yang masuk akal. Memilih tindakan adalah langkah berikutnya. - [Cakupan dan rujukan ke manusia](https://tasaract.com/id/work/coverage-deferral/) - [Metode konformal untuk pengukuran kuantum](https://tasaract.com/id/work/quantum-conformal/) - [Regression Conformal Prediction Research Atlas](https://tasaract.com/id/lab/regression-atlas/) ### [Keadilan](https://tasaract.com/id/#topic-fairness) Siapa yang menanggung ketidakpastian? Pengalihan kasus ke peninjau manusia dapat berdampak berbeda pada tiap kelompok, meski sistem keputusannya sama. - [Cakupan dan rujukan ke manusia](https://tasaract.com/id/work/coverage-deferral/) - [Fairness Metrics](https://tasaract.com/id/lab/fairness-metrics/) ### [Sistem agen](https://tasaract.com/id/#topic-agents) Bagaimana memeriksa apa yang dilakukan agen? Menghubungkan tindakan otomatis dengan catatan bukti memungkinkan orang menelusuri kemajuan dan perubahan. - [Jejak kerja agen](https://tasaract.com/id/work/agent-chronicle/) - [Asisten percakapan yang bertindak](https://tasaract.com/id/work/chat-assistant/) - [BIRD · Text-to-SQL experiments](https://tasaract.com/id/lab/bird-sql/) ### [Kuantum](https://tasaract.com/id/#topic-quantum) Apa yang bisa disimpulkan dari pengukuran? Kalibrasi statistik, deteksi anomali dan evaluasi dalam kondisi yang menantang pada pengukuran kuantum. - [Metode konformal untuk pengukuran kuantum](https://tasaract.com/id/work/quantum-conformal/) - [TARA dan uji peringkat adaptif](https://tasaract.com/id/work/tara/) - [Quantum Time Experiment](https://tasaract.com/id/lab/quantum-clocks/) ### [Invensi](https://tasaract.com/id/#topic-invention) Sekecil apa robot penyelamat harus dibuat? Permohonan mencakup robot penyelamat, antarmuka percakapan, graf pengetahuan pribadi dan metode kuantum. - [Asisten percakapan yang bertindak](https://tasaract.com/id/work/chat-assistant/) - [Robot mikro untuk penyelamatan](https://tasaract.com/id/work/micro-robot-rescue/) ### [Bahasa](https://tasaract.com/id/#topic-language) Bagaimana mesin memahami kita? Pengenalan tuturan bahasa Turki, adaptasi model bahasa dan kontribusi pada riset multibahasa terbuka. - [Asisten percakapan yang bertindak](https://tasaract.com/id/work/chat-assistant/) - [Terminal pembayaran dengan perintah bahasa](https://tasaract.com/id/work/ai-pos/) - [Turkish Sentiment Analysis · TSAM](https://tasaract.com/id/lab/turkish-sentiment/) ## Catatan riset — [Cakupan dan rujukan ke manusia](https://tasaract.com/id/work/coverage-deferral/) Kasus siapa yang diperiksa lagi? Tabel 4 · Poin persentase. 100 nilai awal untuk pembangkit bilangan acak. Target cakupan 90%. | Himpunan data | Selisih cakupan · Kalibrasi gabungan | Selisih cakupan · Per kelompok | Selisih tingkat rujukan · Kalibrasi gabungan | Selisih tingkat rujukan · Per kelompok | | --- | ---: | ---: | ---: | ---: | | Adult | 5,0 | 1,2 | 5,1 | 12,9 | | ACS Income | 0,8 | 0,8 | 3,4 | 5,4 | | Bank Marketing | 2,0 | 1,1 | 0,0 | 3,0 | | COMPAS | 1,8 | 3,3 | 5,7 | 10,8 | | German Credit | 3,5 | 5,7 | 6,1 | 24,7 | | Taiwan Credit | 1,1 | 1,3 | 3,4 | 7,7 | [Sumber asli](https://www.preprints.org/manuscript/202512.2631#:~:text=Table%204.%20Coverage-deferral%20trade-off%20across%20datasets) ## Riset dan publikasi ### [Cakupan dan rujukan ke manusia](https://tasaract.com/id/work/coverage-deferral/) Judul asli · The Coverage-Deferral Trade-Off: Fairness Implications of Conformal Prediction in Human-in-the-Loop Decision Systems 2025 · Pracetak · Penulis tunggal · Davut Emre Taşar · Preprints.org Kasus siapa yang diperiksa lagi? Saya membandingkan kalibrasi gabungan dengan kalibrasi per kelompok. Pada data pendapatan Adult, selisih cakupan turun dari 5,0 menjadi 1,2 poin persentase, sementara selisih rujukan naik dari 5,1 menjadi 12,9 dalam simulasi 100 benih acak. Saat dua jawaban sama-sama masuk akal bagi sebuah model, keputusan bisa diserahkan kepada manusia. Kelompok mana yang lebih sering harus menunggu pemeriksaan itu? Pracetak ini membandingkan dua cara kalibrasi pada enam himpunan data. Kalibrasi terpisah untuk tiap kelompok memperkecil perbedaan frekuensi munculnya jawaban benar di antara pilihan model. Pada saat yang sama, kesenjangan proporsi kasus yang diteruskan kepada pemeriksa justru membesar. [Keadilan](https://tasaract.com/id/#topic-fairness) · [Ketidakpastian](https://tasaract.com/id/#topic-uncertainty) [Sumber asli](https://www.preprints.org/manuscript/202512.2631) ### [Jejak kerja agen](https://tasaract.com/id/work/agent-chronicle/) Judul asli · Agent Chronicle 2026 · Repositori · Pengelola proyek · Agent Chronicle Community · GitHub Agen pemrograman sudah selesai. Apa yang berubah? Agent Chronicle menyusun keputusan, perubahan berkas dan hasil pemeriksaan dalam garis waktu yang terhubung ke bukti. Repositori publik menyediakan demo lokal dan panduan penggunaan. Saat kembali ke sesi pemrograman setelah beristirahat, pertanyaannya praktis. Berkas mana yang berubah? Adakah keputusan yang tertunda? Pemeriksaan mana yang lulus? Agent Chronicle menyusun aktivitas Codex atau Claude yang tercatat menjadi linimasa lokal. Tiap jawaban bisa ditelusuri sampai ke peristiwa yang melandasinya. Ringkasan AI dapat diminta untuk peristiwa terpilih. Anda dapat meninjau buktinya sebelum dikirim, lalu mengikuti tautan di ringkasan untuk kembali ke catatan asli. [Sistem agen](https://tasaract.com/id/#topic-agents) [Sumber asli](https://github.com/detasar/agent-chronicle-community) ### [Metode konformal untuk pengukuran kuantum](https://tasaract.com/id/work/quantum-conformal/) Judul asli · Quantum-Enhanced Conformal Methods for Multi-Output Uncertainty: A Holistic Exploration and Experimental Analysis 2025 · Artikel jurnal · Penulis tunggal · Davut Emre Taşar · Journal of Quantum Technologies and Informatics Research Seberapa banyak informasi yang diberikan sejumlah pengukuran terbatas? Saya memperkirakan beberapa probabilitas hasil pengukuran secara bersamaan, lalu menguji cakupan dan ukuran himpunan prediksi pada data terpisah. Artikel 2025 dan buku catatan eksperimennya mencakup simulasi serta pengukuran pada beberapa basis. Pengukuran dua qubit pada satu basis memiliki empat kemungkinan hasil. Jika pengukuran diulang pada tiga basis berbeda, ada dua belas probabilitas yang harus diperkirakan bersama. Studi ini memadukan model regresi dengan prediksi konformal untuk membentuk wilayah di sekitar seluruh perkiraan. Peneliti memeriksa seberapa sering wilayah itu memuat semua probabilitas sasaran sekaligus serta seberapa luas wilayah yang dibutuhkan untuk mencapai tingkat cakupan tersebut. [Ketidakpastian](https://tasaract.com/id/#topic-uncertainty) · [Kuantum](https://tasaract.com/id/#topic-quantum) [Sumber asli](https://journals.gen.tr/index.php/jqtair/article/view/2702) ### [TARA dan uji peringkat adaptif](https://tasaract.com/id/work/tara/) Judul asli · TARA Test-by-Adaptive-Ranks for Quantum Anomaly Detection with Conformal Prediction Guarantees 2025 · Pracetak · Penulis pertama · Davut Emre Taşar, Ceren Öcal Taşar · arXiv Kapan aliran pengukuran mulai menyimpang? Kami membandingkan kumpulan pengukuran kuantum dengan distribusi acuan dan menguji cara mengakumulasi bukti secara berurutan. Pracetak melaporkan eksperimen pada IBM Torino dan IonQ Forte Enterprise serta dampak pemilihan data kalibrasi. Kapan rangkaian pengukuran kuantum memberi cukup bukti untuk meragukan penjelasan klasik? Salah satu uji TARA membandingkan hasil pengukuran dengan acuan dari model klasik. Uji lainnya mengumpulkan bukti setiap kali ada hasil baru. Dengan asumsi yang dipakai dalam penelitian, risiko peringatan palsu tetap terkendali meski aliran data diperiksa berulang kali. Pracetak ini melaporkan pengujian pada dua prosesor kuantum berbeda, IBM Torino dan IonQ Forte Enterprise. [Kuantum](https://tasaract.com/id/#topic-quantum) · [Ketidakpastian](https://tasaract.com/id/#topic-uncertainty) [Sumber asli](https://arxiv.org/abs/2512.04016) ### [Asisten percakapan yang bertindak](https://tasaract.com/id/work/chat-assistant/) Judul asli · A chat assistant system 2025 · Permohonan paten (PCT) · Inventor bersama · WIPO · PCT Kapan percakapan berubah menjadi tindakan? Rancangan ini mencari informasi ketika pengguna bertanya dan menjalankan operasi ketika menerima perintah dalam percakapan yang sama. Permohonan internasional ini dipublikasikan pada 3 April 2025. Saat menerima pertanyaan lisan atau tertulis, asisten yang diusulkan menelusuri sumber eksternal, menilai hasil mana yang relevan, lalu menjawab di ruang percakapan. Asisten juga dapat menjalankan perintah. Permohonan ini menguraikan penyimpanan riwayat pencarian dan analisis untuk dipakai kembali serta pemeriksaan berkala terhadap sumber seperti umpan berita dan data keuangan. [Invensi](https://tasaract.com/id/#topic-invention) · [Sistem agen](https://tasaract.com/id/#topic-agents) · [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://patents.google.com/patent/WO2025071524A1/en) ### [Robot mikro untuk penyelamatan](https://tasaract.com/id/work/micro-robot-rescue/) Judul asli · A system for providing search and rescue operation via a micro-robot 2025 · Permohonan paten (PCT) · Inventor bersama · WIPO · PCT Apa yang bisa masuk melalui celah selebar jari? Kami mengusulkan robot beruas seukuran jari dengan kamera, sensor, serta kabel komunikasi dan dukungan. Permohonan Turki diajukan pada 2023 dan terbit secara internasional sebagai WO2025071525A1. Di bangunan runtuh atau tambang, celah sempit bisa menjadi satu-satunya jalan menuju korban. Permohonan ini menjabarkan robot kecil bersendi yang memakai kamera dan sensor untuk bernavigasi di ruang sempit. Jika menemukan penyintas, sebuah kabel menyediakan sambungan komunikasi sekaligus membawa saluran pasokan. Petugas dapat memakai hasil pengukuran untuk menentukan tempat menggali dan kebutuhan yang harus ditangani lebih dahulu. [Invensi](https://tasaract.com/id/#topic-invention) · [Sistem agen](https://tasaract.com/id/#topic-agents) [Sumber asli](https://patents.google.com/patent/WO2025071525A1/en) ### [Terminal pembayaran dengan perintah bahasa](https://tasaract.com/id/work/ai-pos/) Judul asli · An artificial intelligence-aided point of sale device management system 2024 · Permohonan paten (PCT) · Inventor bersama · WIPO · PCT Bisakah pedagang mengoperasikan terminal dengan berbicara? Permohonan ini menjelaskan pengendalian terminal jarak jauh melalui suara atau teks, keluaran berkode QR dan analisis indikasi penipuan. Permohonan internasional ini dipublikasikan pada 24 Oktober 2024. Pedagang dapat mengelola terminal penjualan dari jauh dengan mengucapkan atau mengetik permintaan dalam bahasa sehari-hari. Sistem yang diusulkan dapat membuat kode QR yang mewakili rincian setiap transaksi. Sistem juga menggunakan riwayat belanja dan preferensi pelanggan untuk menyarankan penawaran, serta dapat mengirim peringatan ke terminal jika analisisnya menemukan indikasi transaksi yang mungkin curang. [Invensi](https://tasaract.com/id/#topic-invention) · [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://patents.google.com/patent/WO2024220062A1/en) ### [Papan ketik dan tetikus virtual](https://tasaract.com/id/work/virtual-input/) Judul asli · A system for using a virtual keyboard and a mouse 2025 · Permohonan paten (PCT) · Inventor bersama · WIPO · PCT Di mana papan ketiknya bila layarnya virtual? Kamera mengamati gerakan tangan yang ditafsirkan sebagai masukan papan ketik atau tetikus dalam realitas virtual dan tertambah. TR 2023/011601 dan WO2025063923A1 membahas invensi yang sama. Bagaimana cara mengetik atau menunjuk ketika tidak ada papan ketik atau tetikus fisik di depan kita? Sistem dalam permohonan ini mengenali gerakan tangan dari gambar kamera, lalu mengubahnya menjadi masukan papan ketik dan tetikus dalam realitas virtual atau berimbuh. Pengguna dapat menyesuaikan tata letak virtual dan pengaturan pengenalan gestur dengan gerak tangan mereka. [Invensi](https://tasaract.com/id/#topic-invention) [Sumber asli](https://patents.google.com/patent/WO2025063923A1/en) ### [Saran personal di tempat kerja](https://tasaract.com/id/work/personalized-suggestions/) Judul asli · A system for increasing employee productivity by providing personalized suggestions 2025 · Permohonan paten (PCT) · Inventor bersama · WIPO · PCT Bagaimana asisten menyesuaikan sarannya? Rancangan menggunakan informasi harian tentang suasana hati dan kesehatan seorang pekerja untuk menyusun saran. Dokumen internasional WO2025063924A1 berkaitan dengan pengajuan TR 2023/011830. Saran untuk berjalan kaki mungkin terasa pas menjelang sore meski satu jam sebelumnya belum tentu cocok. Aplikasi untuk lingkungan kerja ini memadukan suasana hati yang dilaporkan pegawai, hasil pembacaan jam tangan pintar, dan waktu. Aplikasi menyarankan istirahat, berjalan kaki, atau mendengarkan musik, lalu menyesuaikan saran berikutnya berdasarkan tanggapan pegawai dan hasil pengukuran terbaru. [Invensi](https://tasaract.com/id/#topic-invention) [Sumber asli](https://patents.google.com/patent/WO2025063924A1/en) ### [Batas sertifikasi kuantum](https://tasaract.com/id/work/adversarial-quantum/) Judul asli · Adversarial Limits of Quantum Certification: When Eve Defeats Detection 2025 · Pracetak · Penulis tunggal · Davut Emre Taşar · arXiv Apakah hasil uji tetap berlaku ketika kondisinya berubah? Saya menguji bagaimana pilihan data kalibrasi dan evaluasi memengaruhi kesimpulan tentang korelasi kuantum. Pracetak Desember 2025 membandingkan simulasi dengan pengukuran IBM Quantum dan menjelaskan asumsi uji. Skor tinggi dalam uji sertifikasi kuantum sebagian bergantung pada contoh yang dijadikan tolok ukur. Pracetak ini membandingkan korelasi dari pengukuran kuantum dengan korelasi yang dihasilkan oleh model klasik. Ketika data acuan untuk kalibrasi diganti, kinerja detektor yang terukur ikut berubah. Dalam salah satu kondisi percobaan, tidak satu pun metode yang diuji bisa membedakan kedua sumber lebih baik daripada tebakan acak. [Kuantum](https://tasaract.com/id/#topic-quantum) · [Ketidakpastian](https://tasaract.com/id/#topic-uncertainty) [Sumber asli](https://arxiv.org/abs/2512.04391) ### [Pengenalan tuturan bahasa Turki](https://tasaract.com/id/work/turkish-asr/) Judul asli · Transformer-Based Turkish Automatic Speech Recognition 2024 · Artikel jurnal · Penulis pertama · Davut Emre Taşar, Kutan Koruyan, Cihan Çılgın · Acta Infologica Apa yang dapat ditransfer ke pengenal tuturan bahasa Turki? Kami menyesuaikan Wav2Vec 2.0 yang semula dilatih pada tuturan 53 bahasa dengan rekaman serta transkrip Common Voice bahasa Turki. Tingkat kesalahan kata pada bagian uji mencapai 23%. Sistem ini mengubah rekaman percakapan berbahasa Turki menjadi teks. Studi ini memakai XLSR-Wav2Vec 2.0 yang telah dilatih pada rekaman ujaran dalam 53 bahasa. Model lalu dilatih lebih lanjut dengan rekaman dan transkrip bahasa Turki dari Mozilla Common Voice. Pada bagian koleksi yang disisihkan untuk pengujian, tingkat kesalahan kata mencapai 23%. Ukuran ini menghitung kata yang ditambah, terlewat, atau terganti dibandingkan dengan transkrip acuan. [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://dergipark.org.tr/en/pub/acin/article/1338604) ### [Qwen kecil untuk soal matematika](https://tasaract.com/id/work/qwen-grpo/) Judul asli · Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner 2025 · Model · Pengembang · Davut Emre Taşar · Hugging Face Models Bisakah model kecil menata jawaban matematika? Saya melatih lanjut Qwen2.5-0.5B-Instruct dengan GRPO pada soal GSM8K. Ketepatan angka dan kepatuhan pada format dinilai terpisah; kartu model mencantumkan pelatihan satu epoch dan contoh inferensi. Bisakah model kecil belajar memecahkan soal cerita matematika sekaligus menyajikan jawabannya dengan rapi? Model Qwen dengan setengah miliar parameter ini berlatih satu putaran pada GSM8K. Model menulis penyelesaian dan menaruh jawaban akhir di bagian tersendiri. Saat pelatihan GRPO, fungsi imbalan khusus memeriksa hasil angka dan format jawaban secara terpisah. Penyelesaian yang rapi tetap bisa mengandung kesalahan hitung. [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://huggingface.co/emre/Qwen-0.5B-GRPO) ### [TARA untuk penalaran bahasa Turki](https://tasaract.com/id/work/turkish-reasoning-benchmark/) Judul asli · TARA: Turkish Advanced Reasoning Assessment Dataset 2025 · Himpunan data · Kurator bersama himpunan data · Davut Emre Taşar, Ceren Öcal Taşar · Hugging Face Datasets Bagaimana menguji penalaran dalam bahasa Turki? Kami menyusun 100 contoh sintetis dalam sepuluh kategori, termasuk logika, perencanaan, Python dan SQL. Kartu data menerangkan dampak ukuran sampel kecil dan penggunaan satu generator terhadap penafsiran skor. TARA v1 memuat 100 pasangan tanya-jawab sintetis dalam bahasa Turki, satu untuk setiap kombinasi dari sepuluh bidang dan sepuluh tingkat kesulitan. Tiap soal memberi model pertanyaan dan bacaan pendukung. Jawaban acuan dan kriteria penilaian yang jelas memperlihatkan apa yang dihitung sebagai keberhasilan, misalnya menulis kueri SQL untuk skema tertentu atau membuat cerita yang memenuhi ketentuan yang diberikan. [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://huggingface.co/datasets/emre/TARA_Turkish_LLM_Benchmark) ### [Satu model bahasa untuk beberapa chatbot](https://tasaract.com/id/work/multilingual-chatbots/) Judul asli · Performance Trade-Off for Bert Based Multi-Domain Multilingual Chatbot Architectures 2021 · Artikel jurnal · Penulis pertama · Davut Emre Taşar, Şükrü Ozan, Seçilay Kutal, Oğuzhan Ölmez, Semih Gülüm, Fatih Akca, Ceren Belhan · Journal of Artificial Intelligence and Data Science Apakah tiga belas tugas memerlukan tiga belas model? Pengklasifikasi berbagi model bahasa dan mempersempit respons menurut chatbot yang aktif. Dari 13 tugas dan 333 kelas dalam tiga bahasa, perbandingan lima model menunjukkan kebutuhan memori turun dari 10 GB menjadi 2 GB dengan sedikit penurunan akurasi. Saat pengunjung mengajukan pertanyaan, sebuah pengklasifikasi memilih jawaban dari kumpulan respons situs. Studi ini menguji apakah beberapa situs dapat berbagi satu pengklasifikasi BERT multibahasa sementara setiap chatbot tetap memakai kumpulan jawabannya sendiri. Perbandingan mencakup 13 tugas klasifikasi dengan total 333 kategori dalam bahasa Turki, Inggris, dan Jerman. Ketepatan pemilihan jawaban, kebutuhan memori server, dan ruang penyimpanan dibandingkan dengan penggunaan model yang dilatih terpisah untuk setiap bot. [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://dergipark.org.tr/en/pub/jaida/article/1060221) ### [Menemukan label iklan yang keliru](https://tasaract.com/id/work/ad-text-classification/) Judul asli · BERT Modeli’nin Sınıflandırma Doğruluğunun Sıfır-Atış Öğrenmesi ile Artırılması 2021 · Artikel jurnal · Penulis bersama · Şükrü Ozan, Umut Özdil, Davut Emre Taşar, Büşra Arslan, Gökçe Polat · Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi Bagaimana jika label iklannya yang salah? Kami memakai model tanpa contoh untuk memeriksa kecocokan iklan dengan sektor berlabel, membersihkan data, lalu melatih BERT kembali. Pada korpus sekitar 101.000 iklan dari 44 industri, penelitian melaporkan perbaikan klasifikasi. Label sektor pada iklan daring kadang tidak sesuai dengan isi iklannya. Para peneliti melatih BERT untuk mengenali bidang usaha dari sekitar 101.000 iklan berlabel yang mencakup 44 sektor. Ketika beberapa sektor sulit dikenali, mereka menggunakan model zero-shot untuk menilai kembali kecocokan antara teks dan labelnya. Setelah contoh yang tidak cocok disaring dan BERT dilatih ulang, akurasi klasifikasi pada percobaan itu meningkat. [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://dergipark.org.tr/tr/pub/tbbmd/article/1004781) ### [Menyunting jaringan saraf dengan model bahasa](https://tasaract.com/id/work/weight-editing/) Judul asli · Editing Neural Networks with Language Models 2026 · Repositori · Penulis tunggal · Davut Emre Taşar · GitHub Bisakah satu model menyunting bobot model lain? Saya menguji perubahan bobot pada model klasifikasi yang mengalami kerusakan permanen dengan himpunan data UCI Adult. Perubahan dari Sol meningkatkan akurasi berimbang, tetapi akurasi keseluruhan turun dan probabilitas yang diprediksi menjadi kurang andal. Pada model bahasa SmolLM2 yang utuh, semua proses pemilihan di ARC-Easy dan PIQA mempertahankan bobot asli. Bisakah model bahasa memperbaiki pengklasifikasi dengan menyunting bobotnya? Pada tugas klasifikasi pendapatan UCI Adult, bobot pengklasifikasi sengaja dirusak sejak awal. Salah satu usulan perubahan menaikkan akurasi berimbang, yang memberi bobot sama pada kedua kelas pendapatan, sebesar 0,43 poin persentase. Akurasi keseluruhan dan mutu perkiraan probabilitas justru turun. Percobaan terpisah dimulai dengan SmolLM2-1.7B yang utuh. Setelah kandidat diuji dengan soal sains dan penalaran fisik sehari-hari, pencarian memilih model semula. [Sistem agen](https://tasaract.com/id/#topic-agents) · [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://github.com/detasar/llm-weight-editing-study) ### [BLOOM](https://tasaract.com/id/work/bloom/) Judul asli · BLOOM: A 176B-Parameter Open-Access Multilingual Language Model 2022 · Pracetak · Penulis bersama · BigScience Workshop · BigScience Workshop · arXiv Bagaimana tim internasional membangun model multibahasa secara terbuka? Saya ikut menulis makalah kolaborasi BigScience tentang BLOOM. Makalah itu mencantumkan daftar penulis, arsitektur model, data dan proses pelatihannya. BLOOM memperkirakan bagaimana suatu teks bisa berlanjut. Kolaborasi BigScience melatih model dengan 176 miliar parameter ini pada koleksi ROOTS, yang menghimpun materi dalam 46 bahasa manusia dan 13 bahasa pemrograman. Makalahnya menelusuri pengembangan model dari pemilihan data latih hingga pengujian kemampuan multibahasanya. Bobot model dan kode yang dirilis memungkinkan peneliti lain menjalankan pengujian tersebut atau membandingkan respons model dalam berbagai bahasa. [Bahasa](https://tasaract.com/id/#topic-language) [Sumber asli](https://arxiv.org/abs/2211.05100) ## Paten dan model utilitas Saya tercantum sebagai inventor dalam 30 permohonan di Turki, terdiri dari 28 permohonan paten dan dua permohonan model utilitas. Pemohonnya adalah Türkiye Garanti Bankası A.Ş. Beberapa publikasi internasional merujuk pada permohonan yang sama di Turki. Jumlah keseluruhan dihitung dari permohonan yang diajukan di Turki. Daftar resmi menjadi rujukan untuk status hukum terkini. Pemohon · TÜRKİYE GARANTİ BANKASI ANONİM ŞİRKETİ Rekaman daftar per tanggal · 2026-08-31 · [Daftar resmi TÜRKPATENT](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) ### [2026/007909 · Penghilangan derau berdasarkan suara pengguna](https://tasaract.com/id/patents/2026-007909/) Permohonan paten · Tanggal pengajuan 2026-05-18 Sistem memisahkan suara penutur dari latar, menyalinnya dan menyesuaikan susunan kata menurut preferensi atau situasi. Tuturan dapat dibangkitkan kembali dengan karakter suara penutur. Proses dimulai dari rekaman dengan suara latar. Sistem memisahkan suara orang yang berbicara, menyalinnya menjadi teks, lalu dapat menyesuaikan pilihan kata dengan situasi atau preferensi orang tersebut. Setelah itu, teks dibacakan kembali dengan ciri suara pembicara semula. Tanggal publikasi · 2026-07-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/007909 ### [2026/007907 · AI berbasis inferensi logis](https://tasaract.com/id/patents/2026-007907/) Permohonan paten · Tanggal pengajuan 2026-05-18 Riwayat transaksi, catatan pengguna dan hubungan jaringan dibentuk menjadi model pengetahuan logis. Model tersebut memungkinkan penarikan kesimpulan dalam bidang seperti keuangan, kesehatan dan logistik. Satu transaksi, satu catatan pengguna, dan satu koneksi jaringan merekam fakta yang berbeda. Usulan ini menyatakan fakta serta hubungan di antaranya dalam satu model logika agar kesimpulan dapat ditarik dari beberapa catatan sekaligus. Bidang yang dicontohkan meliputi keuangan, kesehatan, dan logistik. Tanggal publikasi · 2026-06-22 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/007907 ### [2026/006294 · Pengalaman menunggu yang dipersonalisasi](https://tasaract.com/id/patents/2026-006294/) Permohonan paten · Tanggal pengajuan 2026-04-24 Sistem menilai keadaan emosional seseorang saat menunggu, lalu memilih konten berdasarkan penilaian itu. Dua orang yang menunggu layanan yang sama mungkin ingin menonton atau mendengarkan hal yang berbeda. Sistem menilai keadaan emosional masing-masing selama menunggu dan menggunakan penilaian itu untuk memilih konten yang ditawarkan kepada mereka pada saat tersebut. Tanggal publikasi · 2026-05-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/006294 ### [2026/006289 · Perencanaan pensiun dengan ontologi pribadi](https://tasaract.com/id/patents/2026-006289/) Permohonan paten · Tanggal pengajuan 2026-04-24 Ontologi pribadi dan graf pengetahuan yang berkembang dipadukan untuk perencanaan pensiun serta bantuan proaktif dalam kehidupan sehari-hari. Perencanaan pensiun dan bantuan sehari-hari dapat bertolak dari gambaran yang sama tentang kehidupan seseorang. Ontologi pribadi menjelaskan konsep yang penting baginya, sedangkan graf pengetahuan menghubungkan konsep-konsep itu. Gambaran yang terus berkembang ini dapat mendukung rencana jangka panjang dan membantu mengantisipasi kebutuhan sehari-hari. Tanggal publikasi · 2026-06-22 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/006289 ### [2026/004444 · Pengindraan lingkungan yang menjaga privasi](https://tasaract.com/id/patents/2026-004444/) Permohonan paten · Tanggal pengajuan 2026-03-26 Sistem memperkirakan keberadaan dan aktivitas orang di ruang yang kurang cocok untuk kamera. Informasi itu digunakan untuk menyesuaikan pemakaian energi. Di tempat yang kurang cocok untuk kamera atau yang membatasi penggunaannya, pengelola bangunan mungkin tetap perlu mengetahui apakah suatu area sedang dipakai. Usulan ini menjadikan keberadaan dan aktivitas orang sebagai dasar untuk menyesuaikan penggunaan energi, dengan privasi sebagai tujuan desain yang dinyatakan secara jelas. Tanggal publikasi · 2026-05-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/004444 ### [2026/004441 · Segmentasi nasabah berbasis kuantum dan prediksi konformal](https://tasaract.com/id/patents/2026-004441/) Permohonan paten · Tanggal pengajuan 2026-03-26 Rancangan menggabungkan keterikatan kuantum untuk mewakili pola, pengelompokan kuantum variasional dan prediksi konformal untuk menjamin sifat statistik segmentasi di tengah data berderau. Kelompok nasabah bisa berubah dan data keuangan bisa mengandung derau. Dalam usulan ini, keterikatan kuantum merepresentasikan hubungan dalam data, pengelompokan kuantum variasional membentuk kelompok, dan prediksi konformal menambahkan ukuran statistik atas ketidakpastian pengelompokan itu. Tanggal publikasi · 2026-04-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/004441 ### [2026/002909 · Ukuran keyakinan untuk prediksi AI](https://tasaract.com/id/patents/2026-002909/) Permohonan paten · Tanggal pengajuan 2026-02-26 Sistem memberi ukuran numerik bagi keyakinan terhadap prediksi, misalnya gagal bayar, untung-rugi transaksi, atau keterlambatan pekerjaan. Prediksi menyatakan apa yang mungkin terjadi. Permohonan ini mengusulkan angka tambahan untuk menyatakan seberapa besar sebuah prediksi AI dapat dipercaya. Abstraknya memberi tiga contoh hasil: gagal bayar pinjaman, laba atau rugi dari transaksi, dan keterlambatan penyelesaian suatu kegiatan. Tanggal publikasi · 2026-03-23 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/002909 ### [2026/001992 · Identifikasi dan estimasi antrean di cabang bank](https://tasaract.com/id/patents/2026-001992/) Permohonan paten · Tanggal pengajuan 2026-02-10 Algoritme visi komputer mengenali nasabah, mengukur durasi kunjungan dan memperkirakan waktu tunggu. Keberangkatan nasabah menjadi masukan untuk penyesuaian antrean. Berapa lama nasabah berada di kantor cabang, dan berapa lama lagi orang berikutnya harus mengantre? Usulan ini menggunakan visi komputer untuk mengenali nasabah, mengikuti kunjungan dan kepulangan mereka, serta memperkirakan waktu tunggu. Perkiraan itu dapat membantu penyesuaian antrean. Tanggal publikasi · 2026-03-23 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026/001992 ### [2025/019989 · Gamifikasi perbankan personal](https://tasaract.com/id/patents/2025-019989/) Permohonan paten · Tanggal pengajuan 2025-12-12 Aktivitas perbankan dianalisis untuk menghasilkan konten keuangan dan skenario permainan khusus pengguna. Aplikasi dapat mengumpulkan umpan balik atas skenario tersebut. Permainan perbankan ini mengambil bahan dari aktivitas keuangan nasabah. Model bahasa membantu mengolahnya menjadi skenario permainan dan materi pembelajaran keuangan yang sesuai dengan masing-masing nasabah. Nasabah dapat bermain di aplikasi bank dan memberi tanggapan atas permainan serta konten yang diterima. Tanggal publikasi · 2026-01-21 [Sumber asli](https://patents.google.com/patent/TR2025019989A2/en) · TR2025019989A2 ### [2025/011133 · Pengayaan kenangan audiovisual dengan pembelajaran terfederasi](https://tasaract.com/id/patents/2025-011133/) Permohonan paten · Tanggal pengajuan 2025-08-08 Permohonan menjelaskan personalisasi kenangan berupa gambar dan suara yang direkam di perangkat pengguna, dengan pembelajaran terfederasi sebagai bagian dari rancangan. Rekaman kenangan pribadi dapat memuat gambar dan suara. Permohonan ini mengusulkan penggunaan materi yang direkam dengan perangkat milik orang tersebut untuk membuat versi yang disesuaikan baginya. Pembelajaran terfederasi disebut sebagai pendekatan yang mendukung personalisasi itu. Tanggal publikasi · 2025-09-22 [Sumber asli](https://patents.google.com/patent/TR2025011133A2/en) · TR2025011133A2 ### [2025/008786 · Graf probabilistik untuk variasi konten](https://tasaract.com/id/patents/2025-008786/) Permohonan paten · Tanggal pengajuan 2025-06-30 Fitur audio, video atau gambar menjadi dasar graf variasi yang dapat diperluas. Cabangnya mewakili versi masa lalu, masa depan atau alur paralel. Apa lagi yang mungkin terjadi dalam suatu adegan? Sistem mengekstrak ciri dari audio, video, atau gambar diam, lalu menyusun graf kemungkinan yang bercabang. Cabang-cabangnya dapat mewakili masa lalu alternatif, masa depan yang mungkin, atau versi paralel. Cabang baru juga dapat ditambahkan. Tanggal publikasi · 2025-08-21 [Sumber asli](https://patents.google.com/patent/TR2025008786A2/en) · TR2025008786A2 ### [2025/008273 · Bilik layanan transaksi pribadi](https://tasaract.com/id/patents/2025-008273/) Permohonan paten · Tanggal pengajuan 2025-06-20 Bilik modular menyediakan tempat privat untuk menangani interaksi sensitif dengan beberapa penyedia layanan. Satu bilik pribadi dapat melayani seseorang yang perlu berurusan dengan sejumlah penyedia layanan. Rancangannya menyediakan ruang fisik khusus untuk transaksi dan percakapan sensitif. Struktur modularnya dimaksudkan agar berbagai layanan dapat diberikan di bilik yang sama. Tanggal publikasi · 2025-09-22 [Sumber asli](https://patents.google.com/patent/TR2025008273A2/en) · TR2025008273A2 ### [2025/008055 · Penilaian tabrakan dan bantuan perjalanan](https://tasaract.com/id/patents/2025-008055/) Permohonan paten · Tanggal pengajuan 2025-06-18 Sensor dan AI menilai tabrakan saat terjadi. Sistem dapat memberi tahu layanan terkait dan menawarkan opsi transportasi atau penginapan. Usulan ini mengikuti kecelakaan sejak benturan hingga kebutuhan praktis sesudahnya. Sensor dan AI menilai tabrakan saat terjadi agar layanan terkait dapat diberi tahu. Sistem juga mempertimbangkan kebutuhan orang yang terlibat setelahnya, seperti transportasi atau tempat menginap. Tanggal publikasi · 2025-08-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008055 ### [2025/008032 · Keputusan kolektif manusia dan AI](https://tasaract.com/id/patents/2025-008032/) Permohonan paten · Tanggal pengajuan 2025-06-17 Peserta manusia dan agen AI dilibatkan dalam keputusan bersama. Beberapa tingkat penilaian keandalan digunakan dalam sistem yang menyesuaikan diri dari waktu ke waktu. Manusia dan agen AI berkontribusi pada keputusan yang sama. Sistem yang diusulkan menilai keandalan kontribusi mereka pada beberapa tingkat sebelum menggabungkannya. Proses tersebut dirancang untuk menyesuaikan diri seiring kelompok mengambil keputusan selanjutnya. Tanggal publikasi · 2025-07-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008032 ### [2025/008028 · Koordinasi perangkat dan aplikasi](https://tasaract.com/id/patents/2025-008028/) Permohonan paten · Tanggal pengajuan 2025-06-17 AI mengoordinasikan perangkat dan aplikasi di dalam satu ekosistem agar pengalaman penggunaan dapat berkembang bersama interaksi pengguna. Seseorang dapat memakai beberapa perangkat dan aplikasi untuk satu kegiatan. Usulan ini memakai AI untuk mengoordinasikannya. Cara orang tersebut berinteraksi dengan kumpulan perangkat dan aplikasi itu dari waktu ke waktu menjadi dasar penyesuaian pengalamannya. Tanggal publikasi · 2025-07-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/008028 ### [2025/007997 · Penilaian properti dan perencanaan strategis](https://tasaract.com/id/patents/2025-007997/) Permohonan paten · Tanggal pengajuan 2025-06-17 Beragam sumber data digabungkan untuk penilaian properti. Ontologi dinamis, analisis jaringan dan AI generatif yang dapat dijelaskan mendukung analisis serta perencanaan. Penilaian properti memakai lebih dari satu sumber. Usulan ini menata informasi dalam ontologi yang dapat berkembang dan memeriksa hubungan dengan analisis jaringan. AI generatif yang dapat dijelaskan membantu menghubungkan hasil penilaian beserta alasannya dengan perencanaan strategis. Tanggal publikasi · 2025-07-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/007997 ### [2025/007995 · Lingkungan pengembangan bagi agen AI](https://tasaract.com/id/patents/2025-007995/) Permohonan paten · Tanggal pengajuan 2025-06-17 Arsitektur agen dan format data memungkinkan asisten berpindah platform serta beradaptasi sambil mempertahankan personalisasi. Ketika asisten pindah ke platform lain, bagaimana dengan penyesuaian yang sudah dibuat bagi penggunanya? Permohonan ini memasangkan arsitektur agen dengan format data agar asisten dapat berpindah platform, mempertahankan personalisasi, dan terus menyesuaikan diri di lingkungan baru. Tanggal publikasi · 2025-08-21 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2025/007995 ### [2024/003815 · Komunikasi nasabah melalui cabang virtual](https://tasaract.com/id/patents/2024-003815/) Permohonan paten · Tanggal pengajuan 2024-03-27 Perbankan seluler, realitas tertambah dan cabang virtual dihubungkan agar nasabah dapat membahas investasi, berbicara satu sama lain atau berinteraksi dengan model AI. Nasabah yang sedang mempertimbangkan pembelian saham dapat masuk ke cabang virtual melalui aplikasi bank untuk berdiskusi dengan nasabah lain atau model AI. Usulan ini menghubungkan percakapan di ponsel, realitas berimbuh, dan ruang virtual. Permohonan itu juga menjelaskan cara menganalisis ucapan, gambar, dan teks untuk memeriksa kesesuaian interaksi dengan aturan keuangan di negara nasabah. Tanggal publikasi · 2024-04-22 [PCT · WO2025207066A1](https://patents.google.com/patent/WO2025207066A1/en) [Sumber asli](https://patents.google.com/patent/TR2024003815A2/en) · TR2024003815A2 ### [2024/003813 · Saluran investasi dengan avatar AI](https://tasaract.com/id/patents/2024-003813/) Permohonan paten · Tanggal pengajuan 2024-03-27 Pakar atau tokoh publik dapat mengelola saluran investasi. Avatar AI berdasarkan profil tertentu menyampaikan panduan keuangan kepada pengguna. Usulan ini memungkinkan pakar atau tokoh publik membuat kanal investasi. Setiap kanal dapat memberikan panduan keuangan melalui avatar AI yang dikaitkan dengan profil tertentu. Artinya, pilihan kanal juga menentukan profil yang mendasari panduan bagi pengguna. Tanggal publikasi · 2024-04-22 [Sumber asli](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2024/003813 ### [2024/003592 · Bantuan transaksi dengan persetujuan kedua pihak](https://tasaract.com/id/patents/2024-003592/) Permohonan paten · Tanggal pengajuan 2024-03-25 Nasabah dapat melakukan transaksi bersama orang yang dipercaya. Keduanya harus memberikan persetujuan untuk bekerja sama. Nasabah dapat menentukan sejak awal lingkup bantuan yang dibutuhkan dalam transaksi bank. Aplikasi yang diusulkan memakai hubungan antarnasabah untuk menyarankan orang yang mereka kenal. Para pihak menyatakan jenis transaksi yang mereka sepakati. Ketika salah satu pihak meminta bantuan untuk transaksi tertentu, pihak lainnya mendapat pemberitahuan. Transaksi dijalankan setelah keduanya memberi persetujuan. Tanggal publikasi · 2024-05-21 [PCT · WO2025207061A1](https://patents.google.com/patent/WO2025207061A1/en) [Sumber asli](https://patents.google.com/patent/TR2024003592A2/en) · TR2024003592A2 ### [2023/011901 · Robot mikro untuk pencarian dan penyelamatan](https://tasaract.com/id/patents/2023-011901/) Permohonan paten · Tanggal pengajuan 2023-09-25 Robot kecil menjelajahi rongga bangunan runtuh atau tambang dan mengumpulkan informasi untuk menemukan korban. Kabel yang dibawanya dapat menyalurkan bantuan. Di bangunan runtuh atau tambang, celah sempit bisa menjadi satu-satunya jalan menuju korban. Permohonan ini menjabarkan robot kecil bersendi yang memakai kamera dan sensor untuk bernavigasi di ruang sempit. Jika menemukan penyintas, sebuah kabel menyediakan sambungan komunikasi sekaligus membawa saluran pasokan. Petugas dapat memakai hasil pengukuran untuk menentukan tempat menggali dan kebutuhan yang harus ditangani lebih dahulu. Tanggal publikasi · 2023-12-21 [Keputusan akhir pemberian paten Turki telah diumumkan](https://www.turkpatent.gov.tr/arastirma-yap?form=patent) · 2026-02-23 [PCT · WO2025071525A1](https://patents.google.com/patent/WO2025071525A1/en) [Sumber asli](https://patents.google.com/patent/TR2023011901A2/en) · TR2023011901A2 ### [2023/011870 · Asisten percakapan untuk pencarian dan tindakan](https://tasaract.com/id/patents/2023-011870/) Permohonan paten · Tanggal pengajuan 2023-09-25 Asisten dapat mencari informasi daring sebagai jawaban atas pertanyaan dan menjalankan operasi ketika menerima perintah, semuanya dalam satu percakapan. Saat menerima pertanyaan lisan atau tertulis, asisten yang diusulkan menelusuri sumber eksternal, menilai hasil mana yang relevan, lalu menjawab di ruang percakapan. Asisten juga dapat menjalankan perintah. Permohonan ini menguraikan penyimpanan riwayat pencarian dan analisis untuk dipakai kembali serta pemeriksaan berkala terhadap sumber seperti umpan berita dan data keuangan. Tanggal publikasi · 2023-12-21 [PCT · WO2025071524A1](https://patents.google.com/patent/WO2025071524A1/en) [Sumber asli](https://patents.google.com/patent/TR2023011870A2/en) · TR2023011870A2 ### [2023/011830 · Saran harian yang disesuaikan untuk pekerja](https://tasaract.com/id/patents/2023-011830/) Permohonan paten · Tanggal pengajuan 2023-09-22 Asisten mengolah informasi harian tentang suasana hati dan kesehatan pekerja untuk menyusun saran bagi hari kerjanya. Saran untuk berjalan kaki mungkin terasa pas menjelang sore meski satu jam sebelumnya belum tentu cocok. Aplikasi untuk lingkungan kerja ini memadukan suasana hati yang dilaporkan pegawai, hasil pembacaan jam tangan pintar, dan waktu. Aplikasi menyarankan istirahat, berjalan kaki, atau mendengarkan musik, lalu menyesuaikan saran berikutnya berdasarkan tanggapan pegawai dan hasil pengukuran terbaru. Tanggal publikasi · 2024-08-21 [PCT · WO2025063924A1](https://patents.google.com/patent/WO2025063924A1/en) [Sumber asli](https://patents.google.com/patent/TR2023011830A2/en) · TR2023011830A2 ### [2023/011601 · Papan ketik dan tetikus virtual berbasis gerakan](https://tasaract.com/id/patents/2023-011601/) Permohonan paten · Tanggal pengajuan 2023-09-18 Gerakan tangan ditangkap dan ditafsirkan sebagai masukan papan ketik atau tetikus dalam realitas virtual maupun tertambah. Bagaimana cara mengetik atau menunjuk ketika tidak ada papan ketik atau tetikus fisik di depan kita? Sistem dalam permohonan ini mengenali gerakan tangan dari gambar kamera, lalu mengubahnya menjadi masukan papan ketik dan tetikus dalam realitas virtual atau berimbuh. Pengguna dapat menyesuaikan tata letak virtual dan pengaturan pengenalan gestur dengan gerak tangan mereka. Tanggal publikasi · 2023-12-21 [PCT · WO2025063923A1](https://patents.google.com/patent/WO2025063923A1/en) [Sumber asli](https://patents.google.com/patent/TR2023011601A2/en) · TR2023011601A2 ### [2023/011600 · Peringatan barang tertinggal di ATM](https://tasaract.com/id/patents/2023-011600/) Permohonan model utilitas · Tanggal pengajuan 2023-09-18 Sistem memantau kartu, uang atau bukti transaksi yang tertinggal. Aplikasi perbankan dapat memberi tahu nasabah yang sudah pergi. Penarikan dapat tercatat selesai di sistem bank ketika uangnya masih berada di celah mesin. Permohonan model utilitas ini menjelaskan penggunaan data kamera ATM untuk mendeteksi orang yang pergi meninggalkan kartu, uang tunai, atau struk. Sistem dapat memberi tahu cabang terdekat dan menghubungi nasabah melalui aplikasi bank atau panggilan telepon otomatis. Tanggal publikasi · 2024-01-22 [PCT · WO2025063922A1](https://patents.google.com/patent/WO2025063922A1/en) [Sumber asli](https://patents.google.com/patent/TR2023011600A2/en) · TR2023011600A2 ### [2023/011599 · Pengoperasian ATM melalui realitas tertambah](https://tasaract.com/id/patents/2023-011599/) Permohonan paten · Tanggal pengajuan 2023-09-18 Ponsel atau tablet memindai kode ATM dan menampilkan kendalinya. Mesin menangani penerimaan atau penyerahan uang tunai dan pencetakan bukti. Dalam usulan ini, ponsel menjadi antarmuka ATM. Memindai kode pada mesin tertentu membuka antarmuka realitas berimbuh di perangkat nasabah. ATM fisik tetap menangani pekerjaan yang membutuhkan perangkat keras, seperti menerima setoran, mengeluarkan uang, dan mencetak struk. Permohonan ini juga menjelaskan cara mengakhiri sesi ketika kamera mendeteksi bahwa pengguna telah meninggalkan area ATM. Tanggal publikasi · 2024-01-22 [PCT · WO2025063920A1](https://patents.google.com/patent/WO2025063920A1/en) [Sumber asli](https://patents.google.com/patent/TR2023011599A2/en) · TR2023011599A2 ### [2023/004244 · Pengelolaan terminal penjualan berbantuan AI](https://tasaract.com/id/patents/2023-004244/) Permohonan paten · Tanggal pengajuan 2023-04-17 Pedagang dapat mengendalikan terminal pembayaran dari jauh melalui suara atau teks. Rancangan juga menghasilkan keluaran berkode QR dan memeriksa indikasi penipuan. Pedagang dapat mengelola terminal penjualan dari jauh dengan mengucapkan atau mengetik permintaan dalam bahasa sehari-hari. Sistem yang diusulkan dapat membuat kode QR yang mewakili rincian setiap transaksi. Sistem juga menggunakan riwayat belanja dan preferensi pelanggan untuk menyarankan penawaran, serta dapat mengirim peringatan ke terminal jika analisisnya menemukan indikasi transaksi yang mungkin curang. Tanggal publikasi · 2023-09-21 [PCT · WO2024220062A1](https://patents.google.com/patent/WO2024220062A1/en) [Sumber asli](https://patents.google.com/patent/TR2023004244A2/en) · TR2023004244A2 ### [2023/004047 · Belanja aman dengan kontrak tercatat](https://tasaract.com/id/patents/2023-004047/) Permohonan paten · Tanggal pengajuan 2023-04-12 Para pihak dalam transaksi kredit atau letter of credit dapat membuat atau bergabung dengan kontrak. Tahap dan dokumennya dicatat di blockchain, sedangkan AI menyarankan pasangan pihak. Dalam perdagangan yang dibiayai kredit atau surat kredit, para pihak dapat menyepakati apa yang harus terjadi pada tiap tahap dan bagaimana memeriksanya. Usulan ini mencatat syarat, tahapan, dan sertifikat verifikasi pada blockchain. Pengawas dapat ikut memeriksa pemenuhan syarat, dan sistem dapat mentransfer pembayaran digital suatu tahap setelah kriterianya terverifikasi. Tanggal publikasi · 2023-09-21 [PCT · WO2024215289A1](https://patents.google.com/patent/WO2024215289A1/en) [Sumber asli](https://patents.google.com/patent/TR2023004047A2/en) · TR2023004047A2 ### [2022/016679 · Rekomendasi produk dalam percakapan](https://tasaract.com/id/patents/2022-016679/) Permohonan model utilitas · Tanggal pengajuan 2022-11-03 Teks, gambar, suara atau gerakan digunakan untuk memberi saran produk. Riwayat masukan dan rekomendasi menjaga kesinambungan antarsesi. Salah satu contoh dalam permohonan model utilitas ini dimulai dengan foto mobil dan pertanyaan lisan tentang asuransinya. Sistem mengenali ciri kendaraan pada foto, mengubah ucapan menjadi teks, lalu memadukan keduanya untuk memberikan perkiraan penawaran. Secara umum, sistem dapat memproses teks, gambar, suara, atau gerakan dan menyimpan masukan serta saran terdahulu untuk percakapan berikutnya. Tanggal publikasi · 2022-12-21 [PCT · WO2024096828A1](https://patents.google.com/patent/WO2024096828A1/en) [Sumber asli](https://patents.google.com/patent/WO2024096828A1/en) · WO2024096828A1 ### [2022/016395 · Pengelolaan proses pemungutan suara](https://tasaract.com/id/patents/2022-016395/) Permohonan paten · Tanggal pengajuan 2022-10-31 Berbagai metode AI digunakan dalam keputusan bersama, termasuk untuk mengatur komunikasi antarpeserta selama pemungutan suara. Permohonan ini memandang pemungutan suara sebagai diskusi kelompok yang berkembang dari waktu ke waktu. Peserta membantu menempatkan pilihan dalam ruang bersama sehingga alternatif yang serupa berdekatan. Selama pemungutan suara, sistem menyalin percakapan menjadi teks dan menganalisis komentar. Sebuah kursor bersama memperlihatkan pergerakan kelompok di antara pilihan yang tersedia saat keputusan mulai terbentuk. Tanggal publikasi · 2022-12-21 [PCT · WO2024096827A1](https://patents.google.com/patent/WO2024096827A1/en) [Sumber asli](https://patents.google.com/patent/TR2022016395A2/en) · TR2022016395A2 ## Model dan kode ### [Turkish Sentiment Analysis · TSAM](https://tasaract.com/id/lab/turkish-sentiment/) Model Saya melatih model BERT ini untuk mengenali nada ulasan berbahasa Turki. Model memberi skor tersendiri untuk sentimen positif, netral, dan negatif. Ketika diberi sebuah kalimat berbahasa Turki, model ini memberi skor pada tiga kemungkinan nada kalimat tersebut. Dalam konfigurasi yang dipublikasikan, 0 berarti negatif, 1 netral, dan 2 positif. Label netral ditulis “Notr” pada keluarannya. Dengan pilihan ketiga ini, komentar netral bisa dihitung tersendiri saat menganalisis sekumpulan ulasan. Sebuah studi independen membandingkan empat model pada empat set data berbahasa Turki. Peneliti menyisihkan label netral dalam evaluasi biner. Skor F1 model ini mencapai 0,97 pada Humir dan 0,54 pada Twt. [A cross-validation study of Turkish sentiment analysis datasets and tools](https://doi.org/10.1007/s10579-025-09869-6) [Total unduhan di Hub](https://huggingface.co/api/models/emre/turkish-sentiment-analysis?expand=downloadsAllTime) · 12.053 · 2026-11-18 [Model klasifikasi ulasan yang saya buat sebelumnya](https://github.com/detasar/BERT-TR-Finetuned4-Pos-Neg-Reviews) Saya melatih lebih lanjut BERT untuk bahasa Turki agar bisa membedakan ulasan positif dan negatif. Pengaturan pelatihannya tersedia di GitHub. [Sumber asli](https://huggingface.co/emre/turkish-sentiment-analysis) ### [Whisper Medium TR](https://tasaract.com/id/lab/whisper-tr/) Model Mentranskripsikan tuturan bahasa Turki dengan Whisper yang disesuaikan. Versi Whisper Medium ini mengubah rekaman orang berbicara dalam bahasa Turki menjadi transkrip. Pelatihan memakai 10% pertama dari masing-masing bagian pelatihan dan validasi Mozilla Common Voice 11.0. Kartu model melaporkan tingkat kesalahan kata sebesar 18,51% pada data evaluasi. Angka itu memperhitungkan kata yang terganti, terlewat, atau ditambahkan jika dibandingkan dengan transkrip acuan. [OpenAI Whisper Medium](https://huggingface.co/openai/whisper-medium) [Sumber asli](https://huggingface.co/emre/whisper-medium-turkish-2) ### [Gemma 2 · Turkish Wikipedia](https://tasaract.com/id/lab/gemma-wiki-tr/) Model Menyesuaikan Gemma dengan teks Wikipedia berbahasa Turki. Berikan awal sebuah tulisan dalam bahasa Turki, dan versi Gemma 2 9B ini dapat melanjutkannya. Wikipedia bahasa Turki menjadi bahan bacaan untuk satu tahap prapelatihan tambahan. Dengan teknik LoRA, hanya sejumlah kecil parameter yang disesuaikan. Sebanyak 1.000 paragraf Wikipedia disisihkan untuk mengukur seberapa baik model memprediksi token berikutnya pada teks baru dari sumber yang sama. [Google Gemma 2 9B](https://huggingface.co/google/gemma-2-9b) [Sumber asli](https://huggingface.co/emre/gemma-2-9b-Turkish-Lora-Continue-Pre-Trained) ### [Java Methods · Doc2Vec](https://tasaract.com/id/lab/java-method-vectors/) Model Mengubah metode Java menjadi vektor Doc2Vec berdimensi 200 untuk menemukan potongan kode serupa. Setiap metode Java diwakili oleh vektor berisi 200 angka. Model mempelajari representasi itu dengan Doc2Vec dari Gensim pada kumpulan metode Java, setelah kode dipecah menjadi token berdasarkan karakter spasi putih. Contoh di kartu model menghitung vektor untuk cuplikan kode baru, lalu mengambil lima metode terdekat. Pengembang pun dapat mencari kode terkait meski teksnya tidak persis sama. [Gensim Doc2Vec](https://radimrehurek.com/gensim/models/doc2vec.html) [Sumber asli](https://huggingface.co/emre/java_8m_methods_doc2vec) ### [Gemma 3 27B · Turkish reasoning](https://tasaract.com/id/lab/gemma-reasoning-tr/) Model Adaptasi Gemma 4-bit untuk penalaran dalam bahasa Turki. Adaptasi dari model instruksi Gemma 3 27B empat bit ini menjawab soal penalaran dalam bahasa Turki. Kartu model membandingkannya dengan model awal pada TARA v1, termasuk untuk tugas perencanaan, SQL, dan Python. Dalam evaluasi awal itu, Gemini menilai jawabannya. Model hasil adaptasi mendapat skor lebih tinggi untuk penulisan kueri SQL dan sedikit lebih rendah untuk analisis kode Python. [Unsloth 4-bit Gemma 3 27B Instruct](https://huggingface.co/unsloth/gemma-3-27b-it-unsloth-bnb-4bit) [Sumber asli](https://huggingface.co/emre/gemma-3-27b-it-tr-reasoning40k-4bit) ### [arXiv Abstract-to-Title · mT5](https://tasaract.com/id/lab/abstract-title/) Model Menyarankan judul berdasarkan abstrak ilmiah. Saat diberi abstrak penelitian, model ini mengusulkan judul untuk makalah tersebut. Model mempelajari tugas itu melalui penyetelan mT5-small pada pasangan abstrak dan judul dari arXiv. Setiap masukan dibatasi hingga 256 token selama pelatihan. Skor ROUGE yang dipublikasikan mengukur kesamaan kata atau urutannya dengan judul asli. Jadi, usulan yang bagus dengan pilihan kata berbeda bisa mendapat skor rendah. [mT5-small](https://huggingface.co/google/mt5-small) [Sumber asli](https://huggingface.co/emre/arxiv27k-t5-abst-title-gen) ### [Wav2Vec2 XLS-R · Turkish](https://tasaract.com/id/lab/xlsr-tr/) Model Mengenali tuturan bahasa Turki menggunakan wav2vec 2.0. Model ini mengubah tuturan bahasa Turki menjadi teks dengan enkoder suara XLS-R berisi 300 juta parameter yang disetel pada rekaman bahasa Turki dari Mozilla Common Voice 8.0. Pada tahap dekode, CTC menggabungkan prediksi identik yang berurutan dan menghapus simbol kosong untuk menghasilkan transkrip. Kartu model melaporkan tingkat kesalahan kata sebesar 0,2869 pada data evaluasi, atau sekitar 28,7%. [Meta Wav2Vec2 XLS-R 300M](https://huggingface.co/facebook/wav2vec2-xls-r-300m) [Sumber asli](https://huggingface.co/emre/wav2vec2-large-xls-r-300m-tr) ### [Qwen 0.5B · GRPO maths](https://tasaract.com/id/lab/qwen-grpo/) Model Menghasilkan solusi matematika terstruktur melalui adaptasi Qwen dengan GRPO. Bisakah model kecil belajar memecahkan soal cerita matematika sekaligus menyajikan jawabannya dengan rapi? Model Qwen dengan setengah miliar parameter ini berlatih satu putaran pada GSM8K. Model menulis penyelesaian dan menaruh jawaban akhir di bagian tersendiri. Saat pelatihan GRPO, fungsi imbalan khusus memeriksa hasil angka dan format jawaban secara terpisah. Penyelesaian yang rapi tetap bisa mengandung kesalahan hitung. [Qwen2.5-0.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct) [Sumber asli](https://huggingface.co/emre/Qwen-0.5B-GRPO) ### [Regression Conformal Prediction Research Atlas](https://tasaract.com/id/lab/regression-atlas/) Repositori Membandingkan interval prediksi untuk hasil kontinu pada 67 himpunan data. Interval prediksi harus mencakup cukup banyak nilai pengamatan sekaligus cukup sempit untuk membantu pengambilan keputusan. Atlas ini membandingkan cara metode konformal menyeimbangkan keduanya pada 67 himpunan data regresi. Dari graf bukti, pembaca bisa menelusuri sebuah hasil hingga ke tabel perbandingannya. Salah satu percobaan mengganti model yang menaksir kuantil. Meski cara menyusun interval tetap sama, hasilnya unggul pada perbandingan yang berbeda. [Sumber asli](https://github.com/detasar/regression-conformal-prediction-research-atlas) ### [BIRD · Text-to-SQL experiments](https://tasaract.com/id/lab/bird-sql/) Repositori Menerjemahkan pertanyaan bahasa alami ke SQL dan menguji kuerinya pada basis data. Pertanyaan dalam bahasa sehari-hari menjadi masukan untuk membuat kueri SQL. Salah satu pendekatan membagi tugas menjadi keputusan kecil, mulai dari mengenali entitas yang disebut hingga memilih tabel dan nilai yang sesuai. Percobaan lain mengambil contoh kueri atau menandai pertanyaan yang perlu diperjelas. Pada basis data keuangan dalam tolok ukur BIRD, seluruh 106 kueri dari pendekatan pertama berhasil dijalankan. Sebanyak 79 di antaranya memberikan jawaban yang cocok dengan hasil acuan. [Sumber asli](https://github.com/detasar/bird-text2sql-experiments) ### [WebCLI](https://tasaract.com/id/lab/webcli/) Repositori Mengubah dokumentasi terbitan menjadi JSON atau JSONL yang bisa ditelusuri. Bayangkan sebuah agen membutuhkan lagi panduan yang ditemukannya kemarin. Dengan webcli, agen dapat mencari di indeks dokumentasi lokal, membuka entri lewat referensi yang tetap, lalu mengekspor hasilnya sebagai JSON atau JSONL untuk dibaca alat lain. Adaptor pertama mencakup dokumentasi pengembang OpenAI yang terbuka untuk umum. Sinkronisasi standar menyimpan metadata halaman. Pengambilan teks halaman merupakan pilihan tersendiri, sehingga pencarian berikutnya dapat memakai indeks lokal. [Sumber asli](https://github.com/detasar/webcli) ### [Fairness Metrics](https://tasaract.com/id/lab/fairness-metrics/) Repositori Dua kelompok bisa sama seringnya menerima keputusan positif, tetapi mengalami jenis kesalahan yang berbeda. Contoh Python ini menggabungkan prediksi, hasil pengamatan, dan keanggotaan kelompok berdasarkan ID pengguna. Dua kelompok bisa sama seringnya menerima keputusan positif, tetapi mengalami jenis kesalahan yang berbeda. Contoh Python ini menggabungkan prediksi, hasil pengamatan, dan keanggotaan kelompok berdasarkan ID pengguna. README menyandingkan tingkat seleksi, positif palsu, negatif palsu, dan sensitivitas. Ada perbedaan antara contoh dan kodenya. Saat menghitung proporsi kesalahan di antara keputusan negatif, fungsi yang diterbitkan memakai variabel kelompok yang belum didefinisikan. Proses pun berhenti sebelum tabel dikembalikan. [Sumber asli](https://github.com/detasar/fairness_metrics) ### [Quantum Time Experiment](https://tasaract.com/id/lab/quantum-clocks/) Repositori Menguji kandidat urutan waktu kuantum berdasarkan catatan pengukuran. Jika dua bagian sistem kuantum mencatat pembacaan jam yang sama, apa sebenarnya yang mereka sepakati? Percobaan dengan empat qubit menggambarkan bagaimana dua fragmen dapat merekam label yang sama secara terpisah. Pembacaan jam di sini adalah keadaan suatu subsistem kuantum. Bagian matematis mengajukan pertanyaan berikutnya. Untuk memulihkan urutan kejadian, catatan-catatan itu harus membentuk rantai yang bertahan. Menentukan ujung mana yang lebih awal memerlukan acuan fisik tambahan. [Sumber asli](https://github.com/detasar/quantum-time-experiment) ### [PaperBanana field test](https://tasaract.com/id/lab/paperbanana-test/) Repositori Menghasilkan kandidat ilustrasi dari metode suatu makalah, lalu mengevaluasi hasilnya secara terpisah. Apa yang tetap utuh ketika uraian metode diubah menjadi diagram? Dalam tiga uji coba, PaperBanana menerima uraian metode dan keterangan gambar. Dua percobaan membahas data kuantum, satu lagi pengenalan ucapan bahasa Turki. Masukan persis dan gambar hasil tanpa suntingan dapat dilihat bersama gambar asli jika tersedia. Salah satu diagram menambahkan angka cakupan yang tidak tercantum dalam sumber. Diagram lain menyisipkan tahap pendekodean ucapan yang tidak dijelaskan oleh metode tersebut. [Sumber asli](https://github.com/detasar/paperbanana-field-test) ### [World Cup 2026 Nowcast Lab](https://tasaract.com/id/lab/worldcup-nowcast/) Repositori Menyimulasikan hasil turnamen dari perkiraan pertandingan. Bagaimana satu kemungkinan skor pertandingan mengubah peluang tim menjuarai turnamen? Proyek ini memeriksa data sepak bola publik, menaksir peluang berbagai skor, dan menyimulasikan pertandingan yang tersisa. Perkiraan per pertandingan kemudian menjadi peluang juara. Kartu prakiraan bertanggal 17 Juli 2026 mencatat 150.000 simulasi dan peluang kedua tim yang masih bertanding. Rentang pada kartu mengukur ketidakpastian dari simulasi itu sendiri. Pilihan model dan ketersediaan data menambah sumber ketidakpastian lain. [Sumber asli](https://github.com/detasar/worldcup26-nowcast-lab) ### [Agent Chronicle](https://tasaract.com/id/lab/agent-chronicle/) Repositori Menyusun tindakan agen pemrograman dalam garis waktu yang bertaut ke bukti. Saat kembali ke sesi pemrograman setelah beristirahat, pertanyaannya praktis. Berkas mana yang berubah? Adakah keputusan yang tertunda? Pemeriksaan mana yang lulus? Agent Chronicle menyusun aktivitas Codex atau Claude yang tercatat menjadi linimasa lokal. Tiap jawaban bisa ditelusuri sampai ke peristiwa yang melandasinya. Ringkasan AI dapat diminta untuk peristiwa terpilih. Anda dapat meninjau buktinya sebelum dikirim, lalu mengikuti tautan di ringkasan untuk kembali ke catatan asli. [Sumber asli](https://github.com/detasar/agent-chronicle-community) ## Dokumen sumber - [Profil](https://tasaract.com/id/profile.json) - [Riset dan publikasi](https://tasaract.com/id/public-works.json) - [Paten dan model utilitas](https://tasaract.com/id/patent-portfolio.json) - [Model dan kode](https://tasaract.com/id/open-lab.json) - [Graf pengetahuan](https://tasaract.com/id/ontology.jsonld) - [Pilih jalur](https://tasaract.com/id/journey-data.json) - [JSON](https://tasaract.com/id/agent-index.json) ## API · MCP Tambahkan alamat server ke klien MCP Anda, lalu masuk dengan OAuth. Tautan data JSON publik juga bisa dibuka langsung di peramban. - [Terhubung melalui MCP](https://tasaract.com/id/guide/#mcp) - [MCP · OAuth · JSON-RPC · POST](https://tasaract.vecna.chatgpt.site/mcp) - [Profil](https://tasaract.com/api/profile?lang=id) - [Riset dan publikasi](https://tasaract.com/api/works?lang=id) - [Paten dan model utilitas](https://tasaract.com/api/patents?lang=id) - [Model dan kode](https://tasaract.com/api/lab?lang=id) - [Bahasa](https://tasaract.com/languages.json) ```json {"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"get_profile","arguments":{"lang":"id"}}} ```