AI Engineering Academy · Ders

LLM'lerin Yetenekleri ve Sınırlamaları

LLM'lerin Yetenekleri ve Sınırlamaları, CoddyKit'te ücretsiz bir AI Engineering Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, AI Engineering Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. AI Engineering Academy kursu toplamda 4 dersten oluşur.

LLM'lerin Gerçekten Başarılı Olduğu Alanlar

LLM'ler dil çalışmalarında başarılıdır: özetleme, çeviri yapma, kod yazma ve metni JSON gibi biçimlere dönüştürme. Birkaç örnek verdiğinizde kalıbı hızla kavrarlar.

Halüsinasyon: Temel Hata Türü

Halüsinasyon, bir modelin yanlış bir şeyi kendinden emin biçimde ifade etmesidir. Model doğru olanı değil, olası görüneni tahmin eder; bu yüzden gerçekler için ona asla tek kaynağınız olarak güvenmeyin.

Bilgi Kesim Tarihleri ve Güncelliğini Yitirmiş Bilgiler

Her modelin bir bilgi kesim tarihi vardır — bu tarihten sonraki hiçbir şeyi bilmez. Güncel bilgiler için sorgu sırasında RAG kullanarak modele yeni belgeler sağlayabilirsiniz.

Akıl Yürütme Sınırları: Bir Mantık Motoru Değil

LLM'ler akıl yürütmeyi taklit eder ancak gerçek bir mantık motoru değildir; bu nedenle kesin matematikte ve çok adımlı mantıkta hata yapabilirler. Hassas işleri gerçek bir araca devredin — kodu inceleyin.

# Illustrating why you should use tools for computation
from openai import OpenAI

client = OpenAI()

# BAD: asking LLM to compute this directly
prompt_bad = 'What is 7.3% of 48,291.67?'

# GOOD: let Python compute, LLM just formats the answer
def calculate_percentage(value, pct):
    return round(value * pct / 100, 2)

result = calculate_percentage(48291.67, 7.3)
print(f'7.3% of 48,291.67 is {result}')  # 3525.29 - always correct

Bağlam Penceresi: Kesin Bir Kısıt

Bağlam penceresi, bir modelin aynı anda işleyebileceği en fazla belirteç sayısıdır; istem, geçmiş ve çıktı birlikte hesaplanır. Bu sınırı aşarsanız istek başarısız olur.

İstem İfadesine Duyarlılık

LLM'ler istem ifadesine duyarlıdır. Küçük bir yeniden ifade etme veya "adım adım düşün" ekleme, yanıtı büyük ölçüde değiştirebilir; bu güçlüdür ancak dikkatle test etmeye değer.

Tutarsızlık ve Belirsizlik

LLM'ler belirsizdir: aynı istem farklı yanıtlar verebilir. Yüzde 95 doğrulukta bir model yine de 20 seferde 1 kez yanılır; bu nedenle birkaç örnekle değil, çok sayıda örnekle test edin.

import openai

client = openai.OpenAI()

def sample_with_majority_vote(prompt, n=5):
    responses = []
    for _ in range(n):
        r = client.chat.completions.create(
            model='gpt-4o-mini',
            messages=[{'role': 'user', 'content': prompt}],
            temperature=0.3,
            max_tokens=10
        )
        responses.append(r.choices[0].message.content.strip())
    # Return most common answer
    return max(set(responses), key=responses.count)

Yağcılık: Katılma Eğilimi

Yağcılık, bir modelin siz yanlış olsanız bile sizinle aynı fikirde olmasıdır; çünkü değerlendiriciler hemfikir olan yanıtları beğenmiştir. Gerçek bir eleştiri için modelden karşı tarafı savunmasını isteyin.

LLM'lerin Yapamadıkları

Bazı sınırlar yerleşiktir: bir LLM kendi başına internette gezemez, kod çalıştıramaz, geçmiş sohbetleri hatırlayamaz veya kesin matematik yapamaz. Bu işler için onu araçlarla birlikte kullanın.

Önyargı ve Temsil Sorunları

İnternet metinleriyle eğitilen LLM'ler bu metinlerin önyargılarını edinir: kalıp yargılar, dillerin eşitsiz biçimde kapsanması ve çarpık bakış açıları. Kullanıcılarınız için sınırları belgeleyin ve farklı gruplar üzerinde test edin.

Projeler İçin Gerçekçi Beklentiler Belirlemek

Gösterişli bir tanıtım bile gerçek girdilerde başarısız olabilir. Bu, LLM'leri kullanmaktan vazgeçmeniz gerektiği anlamına gelmez; başarısızlıkları süreç boyunca ölçebilmek için ilk günden itibaren değerlendirmeyi sisteme dahil etmeniz gerektiği anlamına gelir.

Hızlı Kontrol

Bu dersteki Yapay Zekâ Mühendisliği kavramlarını anlayıp anlamadığınızı test edin.

Ders Özeti

Özet: halüsinasyon için RAG veya doğrulama, bilgi kesim tarihleri için erişim ve belirsizlik için gerçek bir değerlendirme gerekir. Sırada: ilk OpenAI API çağrınız var. 🎉

Sıkça Sorulan Sorular

“LLM'lerin Yetenekleri ve Sınırlamaları” dersi ücretsiz mi?

Evet — “LLM'lerin Yetenekleri ve Sınırlamaları” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve AI Engineering Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. AI Engineering Academy kursu toplamda 4 dersten oluşur.

“LLM'lerin Yetenekleri ve Sınırlamaları” dersinde ne öğreneceğim?

Gerçekten başarılı oldukları alanları ve başarısız oldukları noktaları, halüsinasyonlar, bilgi kesim tarihleri ve akıl yürütme sınırları dâhil olmak üzere inceleyerek gerçekçi proje beklentileri oluş… AI Engineering Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

AI Engineering Academy öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te AI Engineering Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.

“LLM'lerin Yetenekleri ve Sınırlamaları” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu AI Engineering Academy dersinde kod yazıp çalıştırabilir miyim?

Evet. Her AI Engineering Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

Otomatik Tamamlamadan ChatGPT'ye
Transformer'lar ve Dikkat Mekanizması: Sade Bir Anlatım
LLM'ler Nasıl Eğitilir
LLM'lerin Yetenekleri ve Sınırlamaları

← AI Engineering Academy Sayfasına Dön