ModernBERT-TR
Özelleşmiş alt görev modellerinden oluşan bir aileyle birlikte, uzun bağlamlı (8.192 token) bir Türkçe kodlayıcı.
Sınıflandırma, DÇ (NLI) ve erişim kategorilerinde Türkçe kodlayıcıların önünde
Projeler, Modeller ve Veri Kümeleri
Geliştirdiğim veya birlikte geliştirdiğim modeller, veri kümeleri, demolar ve sistemler; çoğu açık kaynak.
Modeller
ChainFlow
vLLM'de kayıpsız spekülatif kod çözme için akış eşleştirmeli bir taslak üretici: Qwen3.5'te (4B-27B) 2,5 kata kadar hızlı; Türkçeye uyarlanmış kontrol noktalarıyla.
Matematikte İngilizce hızlanma 2,51x (Qwen3.5-27B)
Cosmos-LLaVA
Türkçe için ilk büyük ölçekli çok kipli veri setleri ve bir görsel-dil talimat izleme modeli.
Türkçe dil modelleri
Llama, Gemma, E5, BERT, GPT ve diğer mimariler üzerine kurulu çeşitli Türkçe dil modelleri. Daha fazlası COSMOS Hugging Face organizasyonunda.
Veri kümeleri
ABSA-TR
ModernBERT-TR ile birlikte yayımlanan, yönelim tabanlı duygu analizi veri seti. E-ticaret, takviye gıda ve film alanlarındaki özgün kaynaklardan oluşturuldu.
Guardrail-TR
Güvenli/güvensiz sınıflandırması için yaklaşık 405 bin Türkçe istem. 11 çok etiketli tehlike kategorisini kapsar.
~405 bin istem
Büyük ve temiz Türkçe web derlemi
CulturaX’ten derlenmiş, temizlenmiş 125 GB’lık Türkçe ön eğitim derlemi (ICMI 2025).
125 GB
Turkish-LLaVA-Pretrain
Cosmos-LLaVA’nın arkasındaki Türkçe çok kipli ön eğitim veri seti.
Turkish-LLaVA-Finetune
Türkçe görsel talimat ince ayar veri seti. Cosmos-LLaVA’nın arkasındaki veri setlerinden biridir.
turkce-kitap
Görsel-dil eğitimi için kitap kapakları üzerine Türkçe sohbetler.
Projeler
LLM’leri Türkçe için optimize etmek
Türkçe dil modelleri için daha iyi veri derleme ve eğitim yöntemleri.
Türkçe hukuki karar destek sistemi
TEKNOFEST 2025 Türkçe NLP Yarışması 1.’si.
Labirent gezintisiyle uzamsal akıl yürütme
Küçük LLM’lere labirent gezintisiyle uzamsal akıl yürütmeyi öğretmek (ICETAI 2026).