Araştırma kaydı
Araştırma hattına göre deneyler
Bunlar teknik araştırma raporlarıdır; hakemli yayın değildir. Her rapor kaynaklarını, ölçüm koşullarını ve sınırlarını belirtir. Kanıt bölümü, nelerin indirilebileceğini veya tekrar üretilebileceğini açıklar.
Zamanı anlama · kontrollü deney
Model, doğru zaman aralığını seçerken zaman bilgisini kullanıyor
Model, olaylar arasındaki doğru zaman aralığını gerçekten zaman bilgisinden mi buluyor, yoksa metindeki ipuçlarından mı tahmin ediyor?
Deney ölçütleri karşılandı · üç eğitim çalışması
Bu deney yalnızca verilen seçenekler arasından zaman aralığı seçmeyi değerlendiriyor. Her tür zaman sorusunu yanıtlayan, kullanıma hazır bir dil modeli gösterilmiş değil. Önceki bir deneyde, tekrarlanan zaman aralıklarını doğru olaylarla güvenilir biçimde eşleştirme sorunu da çözülmedi.
Raporu okuyun →Süre karşılaştırma · eğitim deneyi
Süre muhakemesi: karşılaştırmadan sayısal yanıta
Modele sürelerin birbirine oranını da öğretmek, hangi sürenin daha uzun olduğunu ve sürenin değerini daha doğru bulmasını sağlar mı?
Kısmi ilerleme · sayısal yanıt hedefi karşılanmadı
Bu sonuç, doğru süre yanıtları veren bir sistemin tamamlandığı anlamına gelmiyor. Sonraki çalışmaların, tahminleri gerçek sürelerle uyumlu hâle getirmesi ve modelin emin olmadığı durumlarda yanıtı sınırlaması gerekiyor.
Raporu okuyun →Pyrodit RM · R7 iyileştirme deneyi
Risk tespiti: eğitim devamlılığı ve bağlamsal hassasiyet
Modelin öğrendiklerini korumak ve daha geniş eğitim verisini geri getirmek, yanlış alarmları artırmadan ve mevcut becerileri kaybetmeden risk tespitini iyileştirir mi?
R7 değerlendirmesi tamamlandı · Kullanımdaki R5 korundu
Bunlar İngilizce geliştirme verisi sonuçlarıdır; her değerlendirme grubu için ayrı eşik seçilmiştir. Tek bir üretim eşiğinin doğrulandığını, Türkçe, Almanca veya diğer risk alanlarında başarıyı göstermez. Bağlam kümesi daha önce incelendiği için dokunulmamış bağımsız bir test değildir. R7’de uygun aday seçilemediğinden son bağlam testi çalıştırılmadı; bu rapordaki bağlam ölçümleri ayrı sözcüksel kontrole aittir.
Raporu okuyun →Açık kaynak · Vektör sıkıştırma
Semafold: daha küçük vektörler, ölçülebilir sonuçlar
Üst veriler de hesaba katıldığında, yapay zekâ vektörlerini saklamak için gereken alan ne kadar azaltılabilir?
Sentetik ölçüm · kaynak rapor 0.1.0, 31 Mart 2026 · incelenen kütüphane 0.2.0
Sıkıştırma kayıplıdır. Gerçek arama kalitesi ve modelin uçtan uca davranışı, kullanılacak veri üzerinde ayrıca değerlendirilmelidir. Çok küçük önbellek blokları, üst veri maliyeti nedeniyle 16 bit depolamadan büyük olabilir. Sıkıştırma ve önbellek API’leri önizleme aşamasındadır; hazır model sunum entegrasyonları bu raporun kapsamı dışındadır.
Raporu okuyun →