---
title: "LLM ince ayarı (fine-tuning) nedir? Eğitim mi, istem mi?"
description: "İnce ayar, mevcut bir LLM'i kendi örneklerinizle eğitmeye devam ederek ona bir görev veya üslup öğretir. Nasıl çalışır, ne kadar veri ister, istemden ne zaman iyi?"
url: https://broadrouter.com/tr/glossary/fine-tuning/
lang: tr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/glossary/fine-tuning/) (güncelleme: 2026-11-14).

# İnce ayar (fine-tuning)

Güncellendi 2026-11-14

İnce ayar (fine-tuning), önceden eğitilmiş bir dil modelini örnek sohbetler gibi daha küçük, göreve özgü bir veri setiyle eğitmeye devam etme işlemidir; böylece ağırlıkları değişir ve model, her istemde uzun talimatlara veya örneklere ihtiyaç duymadan o görevi ya da üslubu daha güvenilir biçimde yerine getirir.

Diğer adları: ince ayar, model ince ayarı, LLM ince ayarı, denetimli ince ayar, fine-tuning, finetuning, supervised fine-tuning, SFT, model fine-tuning

İstem, modele her seferinde ne yapacağını söyler. İnce ayar ise modeli, zaten bilecek şekilde değiştirir.

## Nasıl çalışır

Eğitilmiş bir modelden başlar ve kendi örneklerinizle ek eğitim çalıştırırsınız. Denetimli ince ayarda (SFT) her örnek, istediğiniz yanıtı içeren bir sohbettir. OpenAI’ın rehberi sohbet biçiminde JSONL kullanır, yani “one complete JSON structure on every line” (çeviri: her satırda eksiksiz bir JSON yapısı):

```json
{"messages": [{"role": "user", "content": "Classify: 'card charged twice'"}, {"role": "assistant", "content": "billing"}]}
```

Eğitim işi ağırlıkları bu yanıtları daha olası kılacak şekilde ayarlar ve yeni bir model kimliği döndürür. OpenAI en az 10 örnek şartı koyar ve 50 örnekle başlayıp daha fazlasını eklemeden önce değerlendirmeyi önerir.

Tam ince ayar her ağırlığı günceller; bu, büyük modeller için maliyetlidir. Hu ve arkadaşlarının LoRA makalesi, GPT-3’ün “each with 175B parameters” (çeviri: her biri 175B parametreli) ayrı ince ayarlı kopyalarını dağıtmayı aşırı pahalı bulur. [LoRA](https://broadrouter.com/tr/glossary/lora/) gibi parametre açısından verimli yöntemler bunun yerine küçük bir eklenti eğitir. [Damıtma](https://broadrouter.com/tr/glossary/distillation/) da ilişkili bir fikirdir: küçük bir modele, daha büyük bir modelin çıktılarıyla ince ayar yapmak.

## Neden önemli

-   **Daha kısa istemler.** Uzun bir [few-shot istem](https://broadrouter.com/tr/glossary/few-shot-prompting/) gerektiren davranış ağırlıklara taşınabilir ve çağrı başına girdi token’larını azaltır.
-   **Tutarlılık.** İyi kullanım alanları sınıflandırma, sabit bir çıktı üslubu, alana özgü çeviri ve talimat izleme hatalarını düzeltmektir.
-   **Bakım.** İnce ayarlı bir model tek bir temel modele bağlıdır. Temel model kullanımdan kaldırıldığında yeniden eğitirsiniz. OpenAI’ın rehberi artık ince ayar platformunu kademeli olarak kapattığını, yeni kullanıcılara kapalı olduğunu ve ince ayarlı modellerin temel modelleri kapanana kadar sunulacağını söylüyor.
-   **Önce ölçüm.** Eğitimden önce bir [eval](https://broadrouter.com/tr/glossary/eval/) kurun; aksi hâlde ince ayarlı modelin daha iyi olup olmadığını anlayamazsınız.

İnce ayar, değişen bilgileri eklemenin kötü bir yoludur. Getirme (retrieval) onları güncel tutar.

## BroadNet Inference’ta

BroadNet’in [API referansı](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-fine-tuning&utm_content=body#models) bir ince ayar API’si, eğitim işleri veya kendi ağırlıklarınızı yükleme belgelemez. Ancak “our Arabic fine-tunes and other models on request” (çeviri: Arapça ince ayarlı modellerimiz ve talep üzerine diğer modeller) için uç noktayla birlikte verilen özel bir model kimliğiyle erişildiğini söyler. BroadNet talep üzerine böyle bir model listeler: gürültülü seste sayılar, tarihler ve isimler için Cohere Transcribe Arabic’in ince ayarlı bir sürümü. Herkese açık Arapça transkripsiyon modeli için [Arapça konuşmadan metne rehberine](https://broadrouter.com/tr/guides/arabic-speech-to-text-api/) bakın. Kendi modelinizi eğitmeniz gerekiyorsa, olağan başlangıç noktası bir [açık ağırlıklı modeldir](https://broadrouter.com/tr/glossary/open-weight-model/); dengeler [açık ağırlıklı ve kapalı modeller](https://broadrouter.com/tr/blog/open-weight-vs-closed-models/) yazısında anlatılır.

## Sık sorulan sorular

### Bir LLM'e ince ayar yapmak için kaç örnek gerekir?

OpenAI'ın rehberi en az 10 örnek şartı koyar ve iyi hazırlanmış 50 örnekle başlayıp ölçmeyi önerir. 50 iyi örnek hiçbir şeyi değiştirmiyorsa, daha fazlasını eklemeden önce görevi yeniden düşünün.

### Şirket bilgisi için ince ayar mı, RAG mı?

Genellikle getirme (retrieval). İnce ayar davranışı ve biçimi iyi öğretir, ancak değişen bilgileri istek anında getirdiğiniz belgelerde güncel tutmak daha kolaydır.

### BroadNet Inference'ta bir modele ince ayar yapabilir miyim?

BroadNet'in belgeleri bir ince ayar API'si listelemez. BroadNet'in talep üzerine özel uç nokta olarak erişilen kendi Arapça ince ayarlı modellerinden söz eder.

## Ayrıca bakın

-   [LoRA (düşük ranklı uyarlama)](https://broadrouter.com/tr/glossary/lora/) (terim)
-   [Damıtma (knowledge distillation)](https://broadrouter.com/tr/glossary/distillation/) (terim)
-   [Few-shot prompting (az örnekli istem)](https://broadrouter.com/tr/glossary/few-shot-prompting/) (terim)
-   [Açık ağırlıklı model (open-weight model)](https://broadrouter.com/tr/glossary/open-weight-model/) (terim)
-   [Eval (LLM değerlendirmesi)](https://broadrouter.com/tr/glossary/eval/) (terim)
-   [Adım adım Arapça ses metne çevirme API'si](https://broadrouter.com/tr/guides/arabic-speech-to-text-api/) (rehber)
-   [İşletmeler için açık ağırlıklı ve kapalı yapay zekâ modelleri](https://broadrouter.com/tr/blog/open-weight-vs-closed-models/) (yazı)
-   [Sağlayıcı değiştirmeden önce bir LLM nasıl değerlendirilir?](https://broadrouter.com/tr/blog/evaluate-llm-before-switching/) (yazı)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-fine-tuning&utm_content=page-cta) ·

**Kaynaklar**

-   [OpenAI, denetimli ince ayar rehberi](https://developers.openai.com/api/docs/guides/supervised-fine-tuning)
-   [Hu vd. (2021), LoRA - Low-Rank Adaptation of Large Language Models](https://arxiv.org/abs/2106.09685)
-   [BroadNet Inference API referansı, model kimlikleri ve özel uç noktalar (İngilizce)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-fine-tuning&utm_content=sources#models)
