MEVZU N° ETIKET / VOL. 088
4 blog · 1 haber · 50 wiki
Prompt Engineering tek mesaj kuruyor; Agentic Engineering ise hedefi olan, araç kullanan, kendi kendini düzelten bir sistem tasarlıyor. Üç aşamalı evrim, klasik yazılımla karşılaştırma, somut bir Türkçe örnek ve insan-denetimi prensipleri.
Andrej Karpathy ile popülerleşen Vibe Coding nedir, klasik kodlamadan farkı ne, hangi araçlarla yapılır, sınırları neler? Cursor, Claude Code, Copilot, Cline ve Windsurf ekosistemine tarafsız bir Türkçe rehber.
Vibe Coding ve Agentic Engineering ile sınırları aşın. Google Stitch ve Wordent Manager kullanarak, Supabase veri tabanlı ve AI chatbot destekli bir veteriner mobil uygulamasını (Wed Care) sıfırdan nasıl geliştirdiğimizi adım adım anlatıyoruz.
Görsel, ses veya video gibi modaliteleri de işleyen büyük dil modeli.
Geniş veri üzerinde önceden eğitilen ve çok sayıda alt göreve uyarlanabilen büyük ölçekli AI modeli.
Yetenek sınırını zorlayan ve genellikle yeni tür risk profillerini test eden en gelişmiş AI modelleri.
Model performansının parametre, veri ve hesaplama miktarına göre nasıl değiştiğini tanımlayan ampirik ilişkiler.
Eğitim kodunu veya veri setini değil, yalnızca model ağırlıklarını kamuya açan dağıtım modeli.
Ağırlıkları, kodu veya eğitim malzemesi kamuya açık şekilde dağıtılan büyük dil modelleri.
Modeller belirli bir ölçeğin üstüne çıktığında küçük modellerde görülmeyen yeni yeteneklerin ortaya çıkması.
Devasa metin verisiyle eğitilmiş, dili anlayıp üretebilen büyük ölçekli sinir ağı modeli.
Tek bir tüketici GPU'sunda 65B modelleri ince ayar yapmayı mümkün kılan, kuantizasyonla birleşmiş LoRA varyantı.
Her tokende sadece bir alt küme uzman alt-ağı aktive eden, devasa kapasiteyi düşük çıkarım maliyetiyle birleştiren mimari.
Modelin olasılık dağılımından sıradaki tokeni hangi yöntemle seçtiğini belirleyen genel terim.
Sıradaki tokeni önceki tokenlere bakarak adım adım üreten model türü.
İnsan tercihlerini ödül modeline dönüştürerek LLM'i bu ödüle göre optimize eden hizalama tekniği.
Tek bir düşünce zinciri yerine birden çok dalı paralel araştırıp en iyisini seçen reasoning yaklaşımı.
Modelin tüm ağırlıklarını değil, küçük düşük-mertebeli matrisleri eğitip bellek maliyetini düşüren ince ayar yöntemi.
RLHF'in karmaşık RL adımı olmadan, tercih verisinden doğrudan model güncellemesi yapan yöntem.
Modelin çok adımlı düşünerek bir cevap üretmesini sağlayan yetenek; LLM'lerin yeni rekabet ekseni.
Modelin trilyonlarca tokenlık genel amaçlı veriden temel dil yetisini kazandığı ilk eğitim fazı.
Eğitilmiş bir modelin verilen girdiye karşılık çıktı üretme süreci.
Cümlede bazı tokenleri maskeleyip modelin onları tahmin etmesini öğrettiği eğitim görevi.
Küçük taslak modelle birden çok tokeni öngörüp büyük modelle doğrulayarak hızlanma sağlayan teknik.
Büyük 'öğretmen' modelin davranışını daha küçük bir 'öğrenci' modele kopyalamayı öğreten teknik.
Model ağırlıklarını daha düşük hassasiyetli sayılarla temsil ederek bellek ve hız kazanma tekniği.
Üretim sırasında en iyi K aday yolu paralel takip ederek en olası diziyi bulan algoritma.
İnsan etiketçiler yerine başka bir LLM'i tercih sinyali kaynağı olarak kullanan hizalama yaklaşımı.
Ön eğitim sonrası modeli kullanışlı, güvenli ve talimat takip eden bir asistana dönüştüren faz.
Bir modelin verilerden örüntüleri öğrenmek için ağırlıklarını güncellediği süreç.
Önceden eğitilmiş bir modeli daha küçük, hedefli veriyle belirli bir göreve uyarlama.
Modelden cevaba ulaşmadan önce adım adım akıl yürütmesini istemek.
Modelin çok küçük etkili olan ağırlıklarını sıfırlayıp boyut ve hız kazanma tekniği.
LLM'lerin akıcı ama yanlış cevap üretmesini halüsinasyondan daha doğru biçimde tarif eden terim.
Olasılıkları toplandığında P eşiğini geçen en küçük aday kümesinden örnekleme yapma yöntemi.
Modelin çıktı dağılımını ne kadar 'yaratıcı' ya da 'kararlı' yapacağını ayarlayan parametre.
Ham metni model tarafından işlenebilir token dizisine dönüştürme süreci.
Tüm modern LLM'lerin temelinde yer alan, dikkat mekanizmasına dayanan sinir ağı mimarisi.
Girdiyi anlamlı bir iç temsile dönüştüren Transformer bileşeni.
Bir LLM'in akıcı ama gerçek olmayan, kendinden emin yanlış bilgi üretmesi.
Bir model çağrısındaki toplam token sayısı; bağlam penceresi sınırı içinde tüketilen alan.
Bir dizinin başka bir diziye dikkat ettiği, encoder ve decoder'ı birbirine bağlayan mekanizma.
Önceki tokenlerin üzerine sıradaki tokeni üreten Transformer bileşeni.
Modelin bir girdideki farklı parçalara ne kadar 'dikkat' edeceğini öğrenen mekanizma.
Bir LLM'in tek seferde işleyebileceği maksimum token sayısı.
Bir dizinin her elemanının aynı dizideki diğer elemanlara dikkat etmesi.
Yüz binlerce hatta milyonlarca tokenlık bağlamı işleyebilen yeni nesil LLM'ler.
Dikkat mekanizmasının paralel birden çok 'başla' aynı anda farklı ilişkileri öğrendiği versiyon.
Bir token ya da metni anlamını taşıyan yoğun sayısal vektörle temsil etme yöntemi.
Sıradaki tokeni seçerken sadece en olası K aday arasından örnekleme yapma yöntemi.
Bir metni LLM'in işleyebileceği parçalara ayırma birimi.
Anthropic'in 2025 sonunda yayınladığı, kod ve uzun-form analizde sektör lideri orta-büyüklük modeli.
Çin merkezli Z.AI / Zhipu'nun, açık-ağırlıklı (open-weights) olarak da yayınlanan büyük dil modeli ailesi.