Model harf görmez, tokenizer’ın böldüğünü görür
Bir yapay zeka modeli Türkçe bir hukuk metnini okumadan önce onu küçük parçalara ayırır. Bu ilk adım nasıl işliyor, Türkçede neden zorlanıyor?
hukuk 7temeller 4deney 3bert 2ner 2tokenizer 2turkce 2atif 1bilgi-erisimi 1deney-tasarimi 1gomme-modelleri 1model-karsilastirma 1prompt 1vektorler 1
Yazıların yanındaki daireler teknik düzeyi gösterir. Bir daire teknik bilgi gerektirmez, üç daire yöntem ayrıntısına girer.
Model bir hukuk metnini nasıl parçalara ayırıyor, Türkçe hukuk dilini ne kadar anlıyor?
Bir yapay zeka modeli Türkçe bir hukuk metnini okumadan önce onu küçük parçalara ayırır. Bu ilk adım nasıl işliyor, Türkçede neden zorlanıyor?
Aynı 300 belge altı tokenizer’da kaç parça tutuyor, geri birleştirince aynı metin çıkıyor mu, ne kadarı sınıra sığıyor? Ölçüm, sonuçlar ve bunlarla ne yapılabileceği.
Kararlardan ad, yer ve atıf ayıklamak kolay görünür. Listeler ve kurallar neden yetmedi, cümleyi bütün okuyan modeller neyi değiştirdi?
Beş BERT modeli ve üç soru. Ne kadar metin okuyabiliyorlar, hukuk metnini anlamada fark var mı, kararı bütün olarak vermek işe yarıyor mu?
Mahkeme kararlarındaki atıflar elle yazılmış kurallarla ne kadar bulunuyor? Model neden ve nasıl eğitiliyor, neden GLiNER? Aynı 4.033 kararda karşılaştırma.
Uzun bir kararı ya da bir dosya dolusu kararı okuyan model metnin her yerini aynı başarıyla okuyor mu? Dikkat, bağlam ve prompt ne demek, dokuz modelle iki ölçüm.
Aranan karar ve madde neye göre bulunuyor, benzer görünen ile gerçekten ilgili olan nasıl ayrılıyor?
Model her cümleyi bir sayı listesine çevirir ve iki cümlenin yakınlığını bu listelerden hesaplar. Bu hesap neyi yakalıyor, hukukta neyi kaçırıyor?
Model yazdığını doğru mu yazıyor, dayandığı kaynağı doğru mu okuyor, verdiği atıf gerçekten o kararı mı gösteriyor?
Bu kısmın yazıları yolda.