# Sakana AI’nin yapay zekâsı iddia hatalarının %73’ünü yakaladı

> Şirketin Claude tabanlı üç ajanlı yeni inceleme sistemi, temel iddialardaki hataların %73,43’ünü buldu. Önceki en iyi sonuç %14,81’di.

Oossa · 2026-10-11 · https://oossa.com/tr/sakana-ai-s-review-ai-catches-73-of-claim-errors-in-test

Sakana AI, Transactions on Machine Learning Research’te (TMLR) büyük dil modelleri için geliştirdiği yeni bir hakem değerlendirme sistemini anlatan bir makale yayımladı. Sistem, araştırma iddialarındaki hataları bulmak için birlikte çalışan, Claude tabanlı üç ajan kullanıyor. Bilinen 1.164 çelişkinin yer aldığı bir kıyaslama testinde sistem, temel iddialardaki hataların %73,43’ünü işaretledi. Daha önceki en iyi sistem ise aynı hataların yalnızca %14,81’ini yakalamıştı.

## Test nasıl düzenlendi?

Contradiction Benchmark (Çelişki Kıyaslaması) adı verilen test, bir makalenin temel iddiasının kendi bulgularıyla çeliştiği 1.164 örnek içeriyor. Sakana AI, Multi-Layered Review (MLR) ajanlarını bu testte çalıştırdı ve her sistemin kaç hatayı tespit ettiğini kaydetti. Açıklanan rakamlar, Sakana AI’nin kendi değerlendirmesine dayanıyor.

## Gerçekler

- Sakana AI’nin Multi-Layered Review sistemi, Claude tabanlı üç hakem ajanı kullanıyor.
- Sistem, 1.164 hatadan oluşan Contradiction Benchmark üzerinde test edildi.
- MLR, temel iddialardaki hataların %73,43’ünü yakaladı.
- Önceki en iyi sistem, bu hataların yalnızca %14,81’ini yakalamıştı.
- Sonuçlar, 10 Ekim 2026’da TMLR’de yayımlanan bir makalede paylaşıldı.

## Neden önemli

Hakem değerlendirme araçları iddia hatalarının çoğunu bulabilirse, araştırmacılar yayımdan önce daha hızlı geri bildirim alabilir. Okurlar açısından bu, gizli çelişkiler içeren makalelerin azalması anlamına gelebilir. Sonuçların bağımsız olarak doğrulanması gerekiyor.

## Kaynaklar ve referanslar

1. [Sakana AI’s LLM Peer Review System Catches 73% of Core-Claim Errors](https://www.marktechpost.com/2026/10/10/sakana-ais-llm-peer-review-system-catches-73-of-core-claim-errors/) – MarkTechPost, 2026-10-10

Son güncelleme: 2026-10-11