B\u00fcy\u00fck dil modelleri (LLM’ler), dil anlama ve metin \u00fczerinde mant\u0131kl\u0131 \u00e7\u0131kar\u0131mlar yapma konusunda ola\u011fan\u00fcst\u00fc bir yetenek sergilerken, matematiksel i\u015flemler gibi hesaplama gerektiren g\u00f6revlerde s\u0131kl\u0131kla zorluklar ya\u015famaktad\u0131r. \u00d6zellikle basit matematiksel sorular\u0131 bile do\u011fru yan\u0131tlamakta g\u00fc\u00e7l\u00fck \u00e7eken bu modeller, hesaplama ve algoritmik i\u015flemleri metinsel ak\u0131l y\u00fcr\u00fctme ile \u00e7\u00f6zmeye \u00e7al\u0131\u015f\u0131rken genellikle verimsiz kalmaktad\u0131r. Bu durum, LLM’lerin \u00e7\u00f6z\u00fcm \u00fcretme s\u00fcre\u00e7lerinde bir eksiklik yaratmaktad\u0131r. Bunun yerine, sembolik i\u015flemleri (\u00f6rne\u011fin, matematiksel \u00e7arpma veya Sudoku \u00e7\u00f6z\u00fcm\u00fc gibi) ger\u00e7ekle\u015ftirmek i\u00e7in daha do\u011fru ve etkili bir yakla\u015f\u0131m gereklidir.<\/p>\n
MIT ara\u015ft\u0131rmac\u0131lar\u0131, bu sorunu \u00e7\u00f6zmek amac\u0131yla, b\u00fcy\u00fck dil modellerine rehberlik eden daha k\u00fc\u00e7\u00fck bir model olan CodeSteer<\/strong><\/a>‘\u0131 geli\u015ftirmi\u015ftir. CodeSteer, bir LLM’nin sorguyu do\u011fru bir \u015fekilde yan\u0131tlayana kadar, metinsel ak\u0131l y\u00fcr\u00fctme ile kod \u00fcretimi aras\u0131nda ge\u00e7i\u015f yaparak \u00e7\u00f6z\u00fcm s\u00fcrecine rehberlik eder. Bu sistem, her bir iterasyon sonras\u0131nda modelin mevcut ve \u00f6nceki yan\u0131tlar\u0131n\u0131 analiz eder ve do\u011fru sonuca ula\u015f\u0131lana kadar \u00e7\u00f6z\u00fcm\u00fc iyile\u015ftirmek i\u00e7in \u00f6nerilerde bulunur. CodeSteer’\u0131n etkili kullan\u0131m\u0131, sembolik hesaplamalar gerektiren g\u00f6revlerde do\u011fruluk oran\u0131n\u0131 \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131rm\u0131\u015ft\u0131r; \u00f6rne\u011fin, say\u0131lar\u0131 \u00e7arpma, Sudoku \u00e7\u00f6zme gibi i\u015flemlerde do\u011fruluk oran\u0131 %30’dan fazla iyile\u015fmi\u015ftir.<\/p>\n Daha ilgin\u00e7 bir bulgu ise, CodeSteer\u2019\u0131n daha geli\u015fmi\u015f modelin yeteneklerini s\u0131n\u0131rlamadan, daha k\u00fc\u00e7\u00fck modellerle yap\u0131lan ince ayarlar\u0131n b\u00fcy\u00fck dil modellerinin performans\u0131n\u0131 art\u0131rmada etkili oldu\u011funu g\u00f6stermesidir. Bu, \u00f6zellikle metinsel ak\u0131l y\u00fcr\u00fctme ile \u00e7\u00f6z\u00fclemeyen karma\u015f\u0131k sorunlar i\u00e7in b\u00fcy\u00fck dil modellerinin \u00e7\u00f6z\u00fcmleme yeteneklerini \u00f6nemli \u00f6l\u00e7\u00fcde geli\u015ftirebilir. \u00d6rne\u011fin, robotlar\u0131n belirsiz ortamlarda yol planlamas\u0131 yapmas\u0131 veya uluslararas\u0131 tedarik zincirlerinde sevkiyat planlamas\u0131 gibi karma\u015f\u0131k g\u00f6revlerde bu t\u00fcr iyile\u015ftirmeler b\u00fcy\u00fck bir fayda sa\u011flayabilir.<\/p>\n Ara\u015ft\u0131rmac\u0131lar, CodeSteer<\/strong>‘\u0131 geli\u015ftirirken, b\u00fcy\u00fck dil modellerinin potansiyelini tam olarak kullanabilmek i\u00e7in do\u011frudan yeniden e\u011fitim yerine, k\u00fc\u00e7\u00fck, uzmanla\u015fm\u0131\u015f bir modelle rehberlik edilmesini hedeflemi\u015flerdir. Bu sayede, b\u00fcy\u00fck modelin di\u011fer yetenekleri zarar g\u00f6rmeden, sembolik hesaplamalar gibi belirli g\u00f6revlerde do\u011fruluk oranlar\u0131 art\u0131r\u0131labilmi\u015ftir. \u00c7al\u0131\u015fman\u0131n ba\u015f yazar\u0131 Chuchu Fan, bu yakla\u015f\u0131m\u0131n, spor tak\u0131mlar\u0131ndaki antren\u00f6rlerin, oyuncular\u0131 daha verimli hale getirmek i\u00e7in rehberlik etmeleri gibi benzer bir \u015fekilde \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 belirtmektedir.<\/p>\n Ara\u015ft\u0131rmada kullan\u0131lan SymBench<\/strong> veri seti, \u00f6zellikle uzamsal ak\u0131l y\u00fcr\u00fctme, matematiksel i\u015flemler, s\u0131ralama ve optimizasyon gibi karma\u015f\u0131k sembolik g\u00f6revleri i\u00e7eren 37 farkl\u0131 g\u00f6revden olu\u015fmaktad\u0131r. Bu veri seti, CodeSteer\u2019\u0131n performans\u0131n\u0131 test etmek i\u00e7in kullan\u0131lm\u0131\u015f ve elde edilen sonu\u00e7lar, CodeSteer\u2019\u0131n di\u011fer y\u00f6ntemlerden %53,3 olan do\u011fruluk oran\u0131n\u0131 %86,4\u2019e \u00e7\u0131karmas\u0131na olanak sa\u011flam\u0131\u015ft\u0131r.<\/p>\n Sonu\u00e7lar, CodeSteer\u2019\u0131n k\u00fc\u00e7\u00fck, ancak etkili rehberli\u011fi sayesinde daha b\u00fcy\u00fck dil modellerinin \u00e7ok daha verimli hale gelebilece\u011fini g\u00f6stermektedir. Bu teknik, ayn\u0131 zamanda daha az hesaplama g\u00fcc\u00fc gerektiren ve daha h\u0131zl\u0131 \u00e7\u00f6z\u00fcmler sunan bir y\u00f6ntem sunmaktad\u0131r. Ara\u015ft\u0131rmac\u0131lar, gelecekte bu y\u00f6ntemleri daha da optimize etmeyi ve metinsel ak\u0131l y\u00fcr\u00fctme ile kod \u00fcretimi aras\u0131nda ge\u00e7i\u015f yapabilen birle\u015fik bir modeli nas\u0131l etkili bir \u015fekilde ince ayar yapabileceklerini ara\u015ft\u0131rmay\u0131 planlamaktad\u0131rlar.<\/p>\n Sonu\u00e7 olarak, CodeSteer\u2019\u0131n geli\u015ftirilmesi, b\u00fcy\u00fck dil modellerinin hesaplama g\u00fcc\u00fcn\u00fc daha verimli kullanabilmelerini sa\u011flayarak, pratikte uygulamal\u0131 yapay zeka \u00e7\u00f6z\u00fcmleri \u00fcretme potansiyelini art\u0131rmaktad\u0131r. Bu geli\u015fmeler, \u00f6zellikle karma\u015f\u0131k karar destek sistemlerinde ve dinamik problem \u00e7\u00f6zme senaryolar\u0131nda \u00f6nemli katk\u0131lar sa\u011flayabilir.<\/p>\n <\/p>\n <\/p>\n Kaynaklar :<\/p>\n Chen, Y., Hao, Y., Liu, Y., Zhang, Y., & Fan, C. (2025). CodeSteer: Symbolic-Augmented Language Models via Code\/Text Guidance<\/a>.\u00a0arXiv preprint arXiv:2502.04350<\/i>.<\/p>\n Duyuru Haberi MIT News (CodeSteer<\/a>) sayfas\u0131ndan takip edebilirsiniz.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" B\u00fcy\u00fck dil modelleri (LLM’ler), dil anlama ve metin \u00fczerinde mant\u0131kl\u0131 \u00e7\u0131kar\u0131mlar yapma konusunda ola\u011fan\u00fcst\u00fc bir yetenek sergilerken, matematiksel i\u015flemler gibi hesaplama gerektiren g\u00f6revlerde s\u0131kl\u0131kla zorluklar ya\u015famaktad\u0131r. \u00d6zellikle basit matematiksel sorular\u0131 bile do\u011fru yan\u0131tlamakta g\u00fc\u00e7l\u00fck \u00e7eken bu modeller, hesaplama ve algoritmik i\u015flemleri metinsel ak\u0131l y\u00fcr\u00fctme ile \u00e7\u00f6zmeye \u00e7al\u0131\u015f\u0131rken genellikle verimsiz kalmaktad\u0131r…. Continue reading