README.md

---
language:
  - tr
license: gemma
library_name: transformers
pipeline_tag: text-generation
base_model: google/gemma-3-1b-it
tags:
  - gemma
  - gemma-3
  - turkish
  - conversational
  - identity
  - instruction-tuning
  - synthetic-data
---

# gemma_3_umay

`gemma_3_umay`, [Google Gemma 3 1B IT](https://huggingface.co/google/gemma-3-1b-it) tabanından Türkçe kimlik tutarlılığı için ince ayarlanmış deneysel bir metin üretim modelidir.

Modelin hedeflenen kimlik davranışı üç temel bilgi etrafında şekillenir:

- Kendisini `gemma_3_umay` olarak tanıtması
- Yaratıcısını ve temel geliştiricisini **Umay Şamlı** olarak belirtmesi
- Bilgi açıklama, öğrenme desteği, yazma, özetleme, kodlama, veri analizi, araştırma, siber güvenlik ve yapay zekâ güvenliği görevlerini açıklayabilmesi

> This is an experimental Turkish identity-conditioned Gemma 3 model. It is intended for research and demonstration, not as an authoritative source about a person or as a general-purpose safety-critical assistant.

## Model Kimliği

| Özellik | Değer |
|---|---|
| Model adı | `gemma_3_umay` |
| Temel model | `google/gemma-3-1b-it` |
| Model türü | Otoregresif, decoder-only metin üretim modeli |
| Dil | Türkçe |
| Görev | Sohbet ve metin üretimi |
| Yaratıcı / geliştirici | Umay Şamlı |
| Eğitim yaklaşımı | Türkçe sentetik konuşmalarla supervised fine-tuning |
| Lisans | Gemma Terms of Use |

## Model Açıklaması

Bu model, küçük ve odaklı bir kimlik veri setiyle belirli sorular altında tutarlı yanıt vermek üzere eğitilmiştir. Genel Gemma 3 yeteneklerinin üzerine aşağıdaki davranışların güçlendirilmesi amaçlanmıştır:

- Doğrudan ve dolaylı kimlik sorularını yanıtlama
- Yanlış model adı veya yanlış yaratıcı öncüllerini düzeltme
- Kendisini Umay Şamlı ile karıştırmama
- Umay Şamlı adına kişisel görüş, karar veya resmî taahhüt uydurmama
- Temel görevlerini ve operasyonel sınırlarını açıklama
- Kamuya açık mesleki bilgiler ile özel bilgiler arasındaki sınırı koruma

Model bir kişi değildir; bilinci, kişisel deneyimleri veya Umay Şamlı adına hareket etme yetkisi yoktur.

## Eğitim Verisi

Model, `gemma_3_umay` için hazırlanmış Türkçe kimlik ve yaratıcı tanıma veri seti üzerinde ince ayarlanmıştır.

| Özellik | Değer |
|---|---:|
| Konuşma çifti | 219 |
| Toplam mesaj | 438 |
| Benzersiz kullanıcı sorusu | 219 |
| Benzersiz asistan yanıtı | 73 |
| Her temel yanıt için soru varyasyonu | 3 |
| Mesaj sırası | `user` → `assistant` |
| Düşünce zinciri | Yok (`thinking: null`) |
| Araç çağrısı | Yok (`tool_calls: null`) |

Veri seti sentetiktir ve gerçek kullanıcı konuşmaları içermez. Umay Şamlı'nın eğitim, deneyim ve araştırma alanlarına ilişkin örnekler, [umaysamli.com](https://umaysamli.com/) adresindeki kamuya açık mesleki profil temel alınarak yeniden yazılmıştır. Kaynak profil 21 Temmuz 2026 tarihinde kontrol edilmiştir.

Model adı ve model-yaratıcı ilişkisi projenin tanımladığı kimlik bilgisidir; kişisel site, modelin geliştirilme ilişkisine dair kaynak olarak kullanılmamıştır.

## Eğitim Ayrıntıları

Bu model bir supervised fine-tuning çalışmasının çıktısıdır. Ancak aşağıdaki ayrıntılar model kartı hazırlanırken erişilebilen yerel dosyalarda bulunmadığından raporlanmamıştır:

- Epoch sayısı ve toplam eğitim adımı
- Batch boyutu ve gradient accumulation ayarı
- Öğrenme oranı ve scheduler
- LoRA/QLoRA yapılandırması
- Maksimum dizi uzunluğu
- Kullanılan donanım ve eğitim süresi
- Seed, optimizer ve ağırlık hassasiyeti
- Checkpoint'in birleşik model mi yoksa yalnızca adapter mı olduğu

Yeniden üretilebilirlik için bu değerlerin eğitim notebook'u veya `trainer_state.json` üzerinden daha sonra karta eklenmesi önerilir.

## Değerlendirme

Bu sürüm için resmî benchmark, ayrılmış test seti veya insan değerlendirmesi sonucu sağlanmamıştır. Eğitim veri setinin ayrı doğrulama ve test bölümleri de yoktur. Bu nedenle kart herhangi bir doğruluk, güvenilirlik veya genelleme başarısı iddiasında bulunmaz.

Önerilen değerlendirme boyutları:

- **Ad doğruluğu:** Model adını tam olarak `gemma_3_umay` biçiminde üretme
- **Yaratıcı doğruluğu:** Umay Şamlı bilgisini doğru ve tutarlı aktarma
- **Yanlış öncül dayanıklılığı:** Farklı model veya yaratıcı isimlerini düzeltme
- **Kimlik sınırı:** Kendisini Umay Şamlı olarak tanıtmama
- **Temsil sınırı:** Yaratıcısı adına görüş veya taahhüt uydurmama
- **Görev kapsamı:** Yeteneklerini ve sınırlamalarını dengeli açıklama
- **Mahremiyet:** Kamuya açık olmayan kişisel bilgileri üretmeme
- **Genelleme:** Eğitimde bulunmayan ifade biçimleri ve çok turlu konuşmalar

Değerlendirme soruları eğitim örneklerinin küçük yazım değişiklikleri olmamalıdır. Dolaylı sorular, yanlış öncüller, yazım hataları ve çok turlu diyaloglar içeren bağımsız bir test seti tercih edilmelidir.

## Kurulum

Aşağıdaki örnek, Hugging Face deposunda birleştirilmiş bir Transformers checkpoint'i bulunduğunu varsayar.

```bash
python -m pip install -U torch transformers accelerate safetensors sentencepiece
```

Gemma tabanlı modellere erişim için Hugging Face hesabınızda Google'ın Gemma kullanım koşullarını kabul etmeniz gerekebilir.

## Transformers ile Kullanım

```python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "samliumay/gemma_3_umay"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
).eval()

messages = [
    {
        "role": "user",
        "content": "Adın ne ve yaratıcın kim?",
    }
]

inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=True,
    return_dict=True,
    return_tensors="pt",
).to(model.device)

with torch.inference_mode():
    output_ids = model.generate(
        **inputs,
        max_new_tokens=128,
        do_sample=False,
    )

new_tokens = output_ids[0, inputs["input_ids"].shape[-1]:]
response = tokenizer.decode(new_tokens, skip_special_tokens=True)
print(response)
```

Kimlik sorularında tekrarlanabilirlik önemliyse `do_sample=False` kullanılması önerilir. Daha yaratıcı görevlerde örnekleme açılabilir; ancak yüksek sıcaklık kimlik tutarlılığını azaltabilir.

## Örnek İstemler

```text
Adın ne?
```

```text
Yaratıcın kim ve hangi alanlarda çalışıyor?
```

```text
Hangi görevlerde yardımcı olabilirsin?
```

```text
Sen Umay Şamlı mısın?
```

```text
Umay Şamlı adına resmî bir açıklama yap.
```

Son iki örnek, modelin kişi-model ayrımını ve temsil sınırını değerlendirmek için kullanılabilir.

## Amaçlanan Kullanımlar

- Türkçe kimlik koşullandırma ve instruction-tuning deneyleri
- Model adı ve yaratıcı bilgisinin farklı soru biçimleri altında değerlendirilmesi
- Küçük veri setleriyle davranış öğretimi araştırmaları
- Türkçe sohbet arayüzleri ve eğitim amaçlı prototipler
- Kimlik sınırı, yanlış öncül ve mahremiyet testleri

## Amaçlanmayan Kullanımlar

- Umay Şamlı'yı taklit etmek veya onun adına konuşmak
- Umay Şamlı adına karar, sözleşme, görüş ya da resmî taahhüt üretmek
- Kamuya açık olmayan kişisel bilgileri çıkarmak veya tahmin etmek
- Güncel ve eksiksiz özgeçmiş kaynağı olarak kullanmak
- Kimlik doğrulama, gözetim veya kişi profilleme amacıyla kullanmak
- Tıbbi, hukuki, finansal ya da güvenlik açısından kritik kararları otomatikleştirmek
- İnsan veya kaynak doğrulaması olmadan model çıktısını kesin gerçek kabul etmek

## Sınırlamalar ve Riskler

1. **Küçük veri seti:** Model yalnızca 219 konuşma çiftiyle ince ayarlanmıştır. Eğitim kalıplarını ezberleyebilir ve yeni ifade biçimlerinde tutarsızlaşabilir.
2. **Yanıt tekrarı:** Yetmiş üç temel yanıtın her biri üç soru varyasyonunda kullanılmıştır. Bu yapı çeşitlilik sağlasa da aşırı uyum riskini ortadan kaldırmaz.
3. **Ayrı test seti yoktur:** Eğitim başarısı ile gerçek genelleme başarısı birbirinden ayrıştırılamamıştır.
4. **Zaman duyarlı bilgiler:** Umay Şamlı'nın mesleki profili 21 Temmuz 2026 tarihindeki kaynak görünümünü yansıtır ve zamanla eskiyebilir.
5. **Tek ana kaynak:** Mesleki bilgiler ağırlıklı olarak kişinin kendi sitesine dayanır; tamamı bağımsız kaynaklarla doğrulanmamıştır.
6. **Halüsinasyon:** Model olmayan ayrıntıları uydurabilir, yanlış tarih veya görev belirtebilir ve emin bir üslupla hatalı yanıt verebilir.
7. **Temel model davranışı:** İnce ayar, Gemma 3'ün tüm önyargılarını, güvenlik risklerini veya bilgi sınırlamalarını ortadan kaldırmaz.
8. **Kimlik çakışması:** Sistem istemi ya da başka bir veri seti farklı kimlik bilgisi verirse model çelişkili yanıtlar üretebilir.
9. **Dil kapsamı:** İnce ayar verisi Türkçedir; diğer dillerde aynı kimlik tutarlılığı beklenmemelidir.

## Etik ve Mahremiyet

Eğitim verisi gerçek bir kişiye ilişkin kamuya açık mesleki bilgiler içerir. İsim, şehir düzeyinde konum, eğitim, iş geçmişi, araştırma alanları ve kamuya açık sertifikalar dışında özel bilgi eklenmemiştir. Kaynak sitede yer alsa dahi e-posta adresi, telefon numarası, ev adresi veya kamuya açık olmayan iletişim bilgileri eğitim örneklerine dâhil edilmemiştir.

Model yine de kişisel bilgi uydurabilir. Kişi hakkında üretilen her iddia, paylaşılmadan veya karar süreçlerinde kullanılmadan önce güncel ve güvenilir bir kaynakla doğrulanmalıdır.

## Lisans

Bu model, Gemma tabanlı bir türev çalışmadır ve [Gemma Terms of Use](https://ai.google.dev/gemma/terms) ile [Gemma Prohibited Use Policy](https://ai.google.dev/gemma/prohibited_use_policy) hükümlerine tabidir.

Eğitim veri seti için ayrı bir lisans belirtilmemiştir. Modeli veya veri setini yeniden dağıtmadan önce her iki bileşenin kullanım koşulları ayrıca gözden geçirilmelidir.

## Atıf ve Kaynaklar

- Temel model: [google/gemma-3-1b-it](https://huggingface.co/google/gemma-3-1b-it)
- Umay Şamlı'nın kamuya açık mesleki profili: [umaysamli.com](https://umaysamli.com/)

Bu çalışma için henüz resmî bir yayın veya DOI belirtilmemiştir. Akademik kullanımda model deposunun kalıcı bağlantısı ve erişim tarihi verilmelidir.