# Soft-prompt ayarı, LLM kıyaslamalarında odağı biçimden bilgiye kaydırıyor

> Aleph Alpha, yalnızca on küçük vektörü bir dakika eğiterek temel modellerin doğru biçimde yanıt vermesini sağlıyor ve daha net puanlar elde edilmesine yardımcı oluyor.

Oossa · 2026-09-29 · https://oossa.com/tr/soft-prompt-tuning-helps-llm-benchmarks-focus-on-knowledge-not-format

Aleph Alpha, dondurulmuş bir dil modeline kıyaslama testinin beklediği yanıt biçimini öğretmek için yalnızca birkaç öğrenilebilir vektörü (soft prompt’ları) ayarlayan bir yöntem yayımladı. Ayarlama yaklaşık 80 adım sürüyor; 7 milyar parametreli bir modelde yaklaşık 1,5 dakika alıyor ve modelin bilgisini değiştirmeden biçim kurallarına uyma doğruluğunu neredeyse yüzde 100’e çıkarıyor.

Modelin bilgi puanı sabit kalırken biçimlendirme iyileştiği için araştırmacılar temel modelleri adil biçimde karşılaştırabiliyor ve tam kapsamlı son eğitimden sonra nasıl sıralanacaklarını tahmin edebiliyor. Böylece haftalarca sürebilecek hesaplama süresinden tasarruf ediliyor.

## Gerçekler

- 10 soft-prompt vektörü, 7 milyar parametreli bir modelin parametrelerinin yüzde 0,0006’sını oluşturuyor
- Eğitim yaklaşık 80 adım sürüyor; 7 milyar parametreli bir modelde yaklaşık 1,5 dakika alıyor

## Neden önemli

Geliştiricilerin maliyetli ve kapsamlı bir eğitim sürecine girmeden modelleri hızlıca değerlendirmesini ve sıralamasını, odağı da modelin gerçekten bildiklerine vermesini sağlıyor.

## Kaynaklar ve referanslar

1. [Soft-Prompt Tuning for Fair and Efficient LLM Benchmark Evaluation](https://www.aleph-alpha.com/en/blog/soft-prompt-tuning-for-fair-and-efficient-llm-benchmark-evaluation/) – Aleph Alpha, 2026-09-29

Son güncelleme: 2026-09-29