arXiv'de iki büyük dil modeli anketi paylaşıldı

27 Ekim 2026 tarihinde arXiv yapay zeka kategorisinde iki farklı büyük dil modeli anket makalesi yayımlanmıştır. Bu araştırmalar, yapay zeka alanındaki mevcut çalışmalara ek olarak veri odaklı bir bakış açısı sunmayı hedeflemektedir.

İlk makalenin odak noktası veri optimizasyonu

İlk makalenin yazarı Ou Wu'dur. Bu çalışma, büyük dil modellerinin veri optimizasyon tekniklerini kapsamlı bir çerçeve altında incelemeyi amaçlamaktadır. Veri optimizasyon teknikleri, veri seçimi, artırma, yeniden ağırlıklandırma ve diğer gruplar olarak dört kategoriye ayrılmıştır. Makalede veri algılama boyutları olarak kalite, zorluk, çeşitlilik ve gereksizlik ele alınmaktadır.

İkinci makale eğitim çerçevesi öneriyor

İkinci makalenin yazarı An Xiangjing'dir. Bu çalışma, büyük dil modellerinin yeteneklerinin veri ve tokenizasyon, ön eğitim ve sonrası eğitim aşamalarının bütünleşmesinden kaynaklandığını belirtmektedir. Makale, veri, amaç fonksiyonu, optimizasyon stratejisi, sistem kısıtlamaları, değerlendirme ve risk ve yönetişim olmak üzere alt boyutlu bir analiz çerçevesi önermektedir. Ayrıca ön eğitimden sonrası eğitime ileri kısıtlamalar ve sonrası eğitimden veri ve ön eğitime ters güçlendirme gibi çapraz aşama etkilerinin kavramsal haritasını sunmaktadır.

İkinci makalede 2017 ile 2026 yılları arasında 395 temel referans sistematik olarak incelenmiştir. Bu kaynaklardan %79'inde peer-reviewed kanıt bulunmaktadır. İlk makale ise ACM Transactions on Knowledge Discovery from Data (TKDD) dergisinde 30 Eylül 2026 tarihinde kabul edilmiş, ardından 27 Ekim 2026 tarihinde arXiv'de yayımlanmıştır.

Neden önemli?

Bu çalışmalar, büyük dil modellerinin geliştirilmesinde veri odaklı yaklaşımların önüne çıkıyor. Veri optimizasyon ve model eğitim aşamalarının bütünleştirilmesi üzerine sunulan çerçeveler, akademik ve endüstriyel çalışmalara yol gösterici olabilir.

Kaynak: arXiv — Artificial Intelligence, arXiv — Artificial Intelligence

Temsili görsel: Pavel Danilyuk / Pexels