eren 1. nesil yazar

bir veri parçasına ne anlattığını belirten bilgi ekleme işi. bir fotoğrafı kedi veya köpek diye işaretlemek, bir cümleyi olumlu veya olumsuz olarak sınıflandırmak buna örnektir. bu etiketler modelin neyi öğrenmesi gerektiğini anlamasına yardım eder.

bilgisayara her kuralı tek tek yazmak yerine, örnek verilerden sonuç çıkarmayı öğreten yöntem. model, eğitim sırasında gördüğü örüntüleri yeni veriler üzerinde kullanır; bu yüzden eğitim verisinin kalitesi sonucu doğrudan etkiler.

veriler arasındaki örüntüleri bulmayı öğrenen, insan beynindeki bağlantılardan esinlenmiş bir yapay zeka modeli. çok sayıda örnekle eğitildiğinde görsel tanıma, metin anlama ve tahmin yapma gibi işlerde kullanılabilir.

bir yapay zeka modelini eğitmek veya sınamak için bir araya getirilen örnekler bütünü. metin, görsel, ses ya da başka verilerden oluşabilir. veri seti ne kadar çeşitli ve doğru olursa modelin farklı durumlarda iyi çalışma ihtimali de o kadar artar.

yapay zekanin metni işlerken kullandığı küçük parçalara verilen ad. bir token bazen bir kelime, bazen kelimenin bir bölümü veya noktalama işareti olabilir. modellerin ne kadar metin okuyabildiği ve cevap üretebildiği çoğu zaman token sayısıyla ölçülür.

yapay zekaya ne yapmasını istediğimizi anlattığımız komut veya soru. iyi yazılmış bir prompt; amacı, gerekli bilgileri ve beklenen cevap biçimini açıkça belirtir. aynı modele farklı promptlar vererek çok farklı sonuçlar almak mümkündür.

yapay zeka sisteminin güvenlik açıklarını, zararlı çıktılara yatkınlığını ve kötüye kullanım yollarını bulmak için kontrollü saldırı senaryolarıyla test edilmesi. yalnızca model cevaplarını değil, veri akışını, araç kullanımını ve uygulama sınırlarını da kapsayabilir.

büyük ve yetenekli bir öğretmen modelin ürettiği çıktılarla daha küçük bir öğrenci modeli eğitme tekniği. amaç, daha az bellek ve işlem gücüyle benzer davranışı korumaktır; ancak öğrencinin öğretmenin tüm yeteneklerini eksiksiz taşıması beklenmez.

bir yapay zeka modelinin tek bir ağ gibi davranmak yerine, her biri belirli örüntülerde uzmanlaşan çok sayıda alt modelden oluşması. girişe göre yalnızca ilgili uzmanların etkinleştirilmesi hesaplama maliyetini azaltırken modelin farklı görevlerdeki esnekliğini artırabilir.

modelden bir problemi çözmeden önce ara adımları dikkate almasını isteyen yönlendirme tekniği. özellikle çok adımlı görevlerde doğruluğu artırabilir; ancak kullanıcıya ham iç muhakemeyi göstermek yerine kısa bir sonuç özeti ve doğrulanabilir ara çıktılar tercih edilir.

yapay zeka sisteminin istenmeyen, zararlı veya politika dışı çıktıları sınırlamak için kullanılan kurallar, filtreler ve doğrulama adımlarının genel adı. girişte, model cevabında veya araç çağrısında uygulanabilir; tek başına kusursuz güvenlik sağlamaz.

bir dil modelinin cevabın parçası olarak harici bir fonksiyonun veya apı'nin hangi argümanlarla çağrılacağını yapılandırılmış biçimde belirtmesi. model işlemi kendi başına gerçekleştirmez; uygulama bu çağrıyı çalıştırıp sonucu modele geri verir.

bir yapay zeka modelinin doğruluk, tutarlılık, güvenlik ve belirli görevlerdeki başarısını ölçmek için hazırlanan test ve ölçüm süreci. yalnızca tek bir örnek cevaba bakmak yerine, sabit veri kümeleri ve tekrar edilebilir ölçütler kullanmayı amaçlar.

bir yapay zeka modelinin sayısal ağırlıklarını daha düşük bit hassasiyetine indirerek model boyutunu ve bellek ihtiyacını azaltma tekniği. doğru uygulandığında daha az donanımla daha hızlı çalışır; ancak aşırı quantization cevap kalitesinde kayba yol açabilir.

modele örnek bir cevap göstermeden, yalnızca görev tanımını vererek istenen çıktıyı üretmesini isteme yöntemi. hızlı ve esnek olsa da görev karmaşıklaştıkça birkaç örnekle yönlendirilen yöntemlere göre daha fazla hata yapabilir.