AIR LAB AI Research Takımı

Eğitimde, Büyük Dil Modellerinin (LLM) temel çalışma prensipleri ve sınırları açıklanarak RAG (Retrieval-Augmented Generation) mimarisinin standart aşamaları anlatılmıştır. Standart sistemlerin eksikliklerini gidermek amacıyla Semantic ve Agentic Chunking gibi gelişmiş veri parçalama yöntemleri ile Hybrid Search ve Reranking arama stratejileri ele alınmıştır. Son olarak, veriler arasındaki mantıksal ilişkileri bir ağ yapısında tutan Knowledge Graphs kavramı ve bu yapının vektör aramalarıyla entegre çalıştığı GraphRAG mimarisi incelenmiştir.

Bu sunum, yapay zekanın tıpkı insan beyni gibi farklı duyulardan gelen verileri (metin, ses, görüntü) birleştirerek dünyayı daha bütüncül kavramasını sağlayan Multimodal (Çok Modlu) sistemleri anlatıyor. Eskiden sadece tek bir veri türüyle kısıtlı kalan sistemlerin aksine, bu gelişmiş modellerin farklı verileri ortak bir matematiksel uzayda nasıl hizaladığını adım adım açıklıyor. Son olarak da bu teknolojinin otonom araçlardan medikal görüntülemeye kadar hayatımızın hangi alanlarında karşımıza çıktığını somut örneklerle özetleniyor.

Bu eğitimde büyük dil modellerinin nasıl değerlendirildiğini ve neden değerlendirmenin model geliştirme sürecinin vazgeçilmez bir parçası olduğunu ele aldık. LLM tabanlı değerlendirme yöntemlerinin nasıl çalıştığını, neden ölçeklenebilir ve esnek bir yaklaşım sunduğunu inceledik. Bunun yanında insan değerlendirmesi, klasik metrikler ve benchmark’ların güçlü ve zayıf yönlerini karşılaştırarak tek bir yöntemin yeterli olmadığını gördük. Sonuç olarak, en sağlıklı değerlendirme sürecinin; farklı tekniklerin birlikte kullanıldığı, dengeli, şeffaf ve sorumlu bir yaklaşımla mümkün olduğunu vurguladık.