Generative AI
Türkçe sondan eklemeli bir dil olduğu için tokenlaştırma aynı anlamı taşıyan bir İngilizce cümleden daha fazla token harcar; bu hem maliyeti hem bağlam penceresinin gerçek kapasitesini doğrudan etkiler. Değerlendirme tarafında ikinci bir sorun var: ölçütlerin çoğu İngilizceden makine çevirisiyle üretildiği için çeviri hataları ve kültürel uyumsuzluk Türkçe başarımını olduğundan farklı gösterebiliyor; TR-MMLU ve Cetvel gibi doğrudan Türkçe için kurulmuş kümeler bu boşluğu kapatmayı hedefliyor. Türkçe tokenlaştırma, Türkçe değerlendirme kümeleri, çeviri yerine yerelleştirme ve Türkçe veri kaynakları buraya bağlanır.
Aynı anlamı taşıyan bir metin Türkçe yazıldığında, İngilizce yazıldığından daha fazla token'a bölünüyor. Bu, doğrudan üç sonuç doğuruyor: aynı iş için daha yüksek fatura, aynı pencereye daha az içerik ve aynı çıktı için daha uzun süre. Etki modelden modele değişiyor ama yönü sabit ve hiçbir fiyat listesinde görünmüyor.
Semantik komşuluk: bu konuyu anlamak için gereken veya ondan türeyen kavramlar.
Öğrendiği veri dağılımından yeni metin, görsel, ses, video veya kod örnekleri üreten model ailesinin genel adıdır.
Metin, görsel, ses ve video gibi birden fazla veri türünü aynı model içinde birlikte işleyen yapay zekâ yaklaşımıdır.
Bir dil modelinden istenen davranışı almak üzere girdinin yapısını, bağlamını ve kısıtlarını sistematik biçimde tasarlama pratiğidir.
Aynı konunun öğretim ve ölçüm formatları.
