Bir dil öğrenme platformu, öğrenci ve öğretmen arasındaki konuşmalarda dilbilgisi konularını etiketlemek için küçük bir yapay zekâ modelini kullanıma sundu. Qwen3.5’in 0,8 milyar parametreli sürümü olan model, öğretmenlerin hazırladığı örneklerle ince ayardan geçirildi ve artık platformdaki tüm İngilizce öğrenenler için sunulan yeni dilbilgisi hâkimiyeti takip aracına güç veriyor. Şirket, sistemin GPT‑5.4 veya GPT‑5.6 gibi büyük ve gelişmiş modelleri istemlerle kullanmaya kıyasla 16 kat daha düşük maliyetle çalıştığını söylüyor.
Model nasıl geliştirildi ve test edildi?
Ekip, öğretmenlerin hazırladığı denetimli verileri filtreleyip yeniden dengeledi; ardından etiketleme kurallarını kodlayan küçük bir ek ağırlık kümesi, yani adaptör katmanı ekledi. Böylece 0,8B model, uzun talimatlar yerine kısa ve eşleştirilmiş bir istemle çalışabiliyor. İnsanlar tarafından düzenlenen iki kıyaslama testinde, kullanıma alınan model ve 4B’lik referans model; giderek katılaşan eşleştirme ölçütleri (kavram, kanıt aralığı, doğruluk) kullanıldığında hem kesinlik hem de duyarlılık bakımından istemlerle yönlendirilen GPT‑5.4 ve GPT‑5.6’yı geride bıraktı.
Öğrencilere ve işletmeye etkisi
Çevrimiçi A/B deneyi, yeni takip aracının öğrencilerin etkileşimini yüzde 15,8 artırdığını gösterdi. Platformun kurum içi ölçümlerine göre planlanan ders saatleri yüzde 2,1, yeni derslerden elde edilen brüt mal değeri ise yüzde 13,2 yükseldi.
Neden önemli
İngilizce öğrenenler için daha düşük maliyetli yapay zekâ, platformun fiyatları artırmadan sürekli ve otomatik dilbilgisi geri bildirimi sunmasını sağlıyor. Şirket açısından ise düşük hesaplama maliyetleri ve artan etkileşim, daha fazla ders rezervasyonu ve gelir anlamına geliyor.
