İçeriğe atla
SinaptikLabAI KNOWLEDGE PLATFORM

BÜYÜK DİL MODELLERİ · Orta

LLM Testi

Tokenization, bağlam bütçesi, mimari tercihleri, uyarlama kararları ve muhakeme maliyetini ölçen test.

Soru
7
Süre
12 dk
Ölçülen beceri
6
Seviye
Orta

Kimler çözmeli?

Dil modeliyle uygulama geliştiren mühendisler ve teknik ürün yöneticileri.

Ölçülen beceriler

  • Tokenization
  • Bağlam yönetimi
  • Mimari kararı
  • Retrieval
  • Mimari
  • Model davranışı
01ÇÖZ

Testi çöz

Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alan önerisi alırsın.

7 soruluk testi çözmeye hazır mısın?

Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alanlar için öneri alırsın.

Sonuç anonim olarak kaydedilir: yalnızca puan ve beceri kırılımı; kimlik bilgisi tutulmaz.
02HEDEFLER

Bu test neyi ölçüyor?

Test sonrası ne bildiğini değil, hangi beceride eksik olduğunu görürsün.

  • 01

    Bağlam bütçesini bilinçli yönetmek

  • 02

    RAG ile ince ayar arasında doğru seçimi yapmak

  • 03

    Türkçede token maliyetinin farkını hesaba katmak

03ÖRNEK SORULAR

Sorular sayfada görünür

Eğitim içeriği JavaScript arkasına gizlenmez. Aşağıdaki üç örnek soru, doğru cevapları ve açıklamalarıyla birlikte taranabilir durumdadır.

  1. Soru 01llm_003Tokenization · Orta · Tokenization

    Türkçe metinler aynı bilgi için neden genellikle daha fazla token harcar?

    • ATürkçe alfabede daha fazla harf olduğu için
    • BEklemeli yapı nedeniyle kelimeler alt parçalara daha çok bölündüğü için
    • CTürkçe metinler daha uzun yazıldığı için
    • DModeller Türkçeyi desteklemediği için

    Açıklama

    Tokenizer sözlükleri ağırlıklı olarak İngilizce metinle oluşturulur. Türkçenin eklemeli yapısı, kelimelerin daha fazla alt parçaya bölünmesine yol açar; bu da maliyet ve bağlam hesabını etkiler.

    Tokenization girdisini oku
  2. Soru 02llm_006Bağlam yönetimi · Orta · Bağlam yönetimi

    Bağlam penceresini tamamen doldurmak neden her zaman iyi bir fikir değildir?

    • AModel uzun girdileri reddeder
    • BMaliyet artar ve ortadaki bilgiyi gözden kaçırma eğilimi yükselir
    • CÇıktı her zaman kısalır
    • DTokenizer hata verir

    Açıklama

    Uzun bağlamda hem token maliyeti hem gecikme artar; ayrıca modeller pencerenin ortasındaki bilgiye daha az ağırlık verme eğilimi gösterir. Doğru soru "ne sığıyor" değil "hangi bilgiyi koymalıyım".

    Context Window girdisini oku
  3. Soru 03llm_009Mimari · İleri · Mimari

    Mixture of Experts mimarisinin temel kazancı nedir?

    • ABellek ihtiyacını düşürür
    • BToplam parametreyi büyütürken girdi başına işlem maliyetini sabit tutar
    • CEğitim verisi ihtiyacını ortadan kaldırır
    • DHalüsinasyonu engeller

    Açıklama

    Yönlendirici her girdiyi yalnızca birkaç uzman bloğa gönderir; böylece kapasite maliyetten ayrışır. Ancak tüm uzmanlar bellekte tutulmak zorunda olduğu için bellek ihtiyacı düşmez, aksine artar.

    Mixture of Experts girdisini oku
04SONUÇ

Skor nasıl okunur?

  • AI Curious

    0–35

    Kavramları duymuş, henüz haritası yok.

  • AI Explorer

    36–60

    Temelleri biliyor, uygulamada boşluklar var.

  • AI Practitioner

    61–80

    Uygulama kurabiliyor, değerlendirme eksik.

  • AI Builder

    81–100

    Üretim sistemi kurabiliyor ve ölçebiliyor.

LEARN

Eksik çıkan beceriyi kapat

Test sonucun beceri grafiğine işlenir; sistem hangi dersle devam etmen gerektiğini söyler.