Datasetpublic

umutkkgz/kaira-master-fine-tune

KAIRA Master Fine Tune KAIRA Master Fine Tune, Turkce sohbet ve talimat takip modelleri icin hazirlanmis bir SFT veri setidir. Veri setinin amaci yalnizca Turkce cevap uretmek degil; Turkce ozetleme, tanimlama, ceviri, gunluk konusma, teknik aciklama, analiz, planlama, muhakeme ve oz-duzeltme davranislarini modele kazandirmaktir. Ana veri satir sayisi: 85.755 Opsiyonel CoT / matematik muhakeme ek verisiyle toplam satir sayisi: 96.084 Dosyalar Dosya Satir… See the full description on the dataset page: https://huggingface.co/datasets/umutkkgz/kaira-master-fine-tune.

sourceHugging Facecc-by-nc-4.0updated 4mo agoView on Hugging Face

0likes64downloads

Dataset Card

KAIRA Master Fine Tune

KAIRA Master Fine Tune, Turkce sohbet ve talimat takip modelleri icin hazirlanmis bir SFT veri setidir. Veri setinin amaci yalnizca Turkce cevap uretmek degil; Turkce ozetleme, tanimlama, ceviri, gunluk konusma, teknik aciklama, analiz, planlama, muhakeme ve oz-duzeltme davranislarini modele kazandirmaktir.

Ana veri satir sayisi: 85.755

Opsiyonel CoT / matematik muhakeme ek verisiyle toplam satir sayisi: 96.084

Dosyalar

Dosya	Satir	Icerik
`KAIRA_MASTER_PHASE_1_STABILIZATION.jsonl`	28.225	Turkce temel davranis, kisa cevaplar, ozetleme, kelime anlami, ceviri, gunluk dil
`KAIRA_MASTER_PHASE_2_INTELLIGENCE.jsonl`	50.532	Daha uzun analitik cevaplar, planlama, karsilastirma, bilimsel/teknik aciklamalar
`KAIRA_MASTER_PHASE_3_CONSCIOUS.jsonl`	6.998	Intent takibi, oz-duzeltme, hata fark etme, plan/review tarzinda cevaplar
`KAIRA_FINE_TUNE_COT.jsonl`	10.329	Opsiyonel matematik problemleri, adim adim CoT, sayisal muhakeme

Veri Formati

Her satir OpenAI tarzina yakin messages alanina sahip bir JSONL kaydidir:

json

{"messages":[{"role":"user","content":"..."},{"role":"assistant","content":"..."}]}

Bazi cevaplarda su etiketler bulunur:

Etiket	Anlam
`<think>`	Cevaptan once kisa muhakeme / gerekce
`<plan>`	Cevap stratejisi veya adim plani
`<review>`	Cevabin eksik veya guclu tarafini kontrol etme
`<intent>`	Kullanicinin niyetini belirtme

Bu etiketler bilincli olarak birakilmistir. Modelinizde bu davranisi istemiyorsaniz fine-tune oncesi etiketleri temizleyebilir veya ayri bir preprocessing adimi kullanabilirsiniz.

Hizli Kullanim

python

from datasets import load_dataset

ds = load_dataset(
    "umutkkgz/kaira-master-fine-tune",
    data_files={
        "phase1": "KAIRA_MASTER_PHASE_1_STABILIZATION.jsonl",
        "phase2": "KAIRA_MASTER_PHASE_2_INTELLIGENCE.jsonl",
        "phase3": "KAIRA_MASTER_PHASE_3_CONSCIOUS.jsonl",
        "cot_math": "KAIRA_FINE_TUNE_COT.jsonl",
    },
)

print(ds["phase1"][0]["messages"])

Tek dosya yuklemek isterseniz:

python

from datasets import load_dataset

ds = load_dataset(
    "json",
    data_files="hf://datasets/umutkkgz/kaira-master-fine-tune/KAIRA_MASTER_PHASE_1_STABILIZATION.jsonl",
)

Ornek Kayitlar

Gunluk Turkce

json

{
  "messages": [
    {
      "role": "user",
      "content": "Camları siliyorum ama hep iz kalıyor, sırrın nedir?"
    },
    {
      "role": "assistant",
      "content": "Eski usulden şaşma derim! Suyuna bir fıs sirke karıştır ve en son mutlaka gazete kağıdıyla kurula. 'Bal dök yala' dedikleri cinsten parlayacak camların. Komşular cam yok sanıp çarpmasın, dikkat et!"
    }
  ]
}

Kisa Muhakeme

json

{
  "messages": [
    {
      "role": "user",
      "content": "Bir elektrikli tren kuzeye doğru 100 km/s hızla gidiyor. Rüzgar ise güneyden 50 km/s hızla esiyor. Trenin dumanı hangi yöne doğru savrulur?"
    },
    {
      "role": "assistant",
      "content": "<think>Elektrikli trenlerin duman çıkarmadığı fark edilmelidir.</think>\nElektrikli trenler duman çıkarmaz, bu nedenle dumanın savrulacağı bir yön yoktur."
    }
  ]
}

Oz-Duzeltme

json

{
  "messages": [
    {
      "role": "user",
      "content": "\"She was very sympathetic when I lost my job.\" nasıl çevrilir?"
    },
    {
      "role": "assistant",
      "content": "<think>\n- HATA: 'Sympathetic' kelimesi 'sempatik' olarak çevrilecek.\n<review> Dur, bu yanlış. Nihai sonuç: Anlayışlı. </review>\n</think>\nİşimi kaybettiğimde çok anlayışlıydı."
    }
  ]
}

Matematik / CoT

json

{
  "messages": [
    {
      "role": "user",
      "content": "Bir bornoz için 2 top mavi kumaş ve bunun yarısı kadar beyaz kumaş gerekmektedir. Toplamda kaç top kumaş gerekir?"
    },
    {
      "role": "assistant",
      "content": "<think>Adım 1: Verilen mavi kumaş miktarını belirleyin.\nAdım 2: Beyaz kumaş miktarını mavi kumaşın yarısı olacak şekilde hesaplayın.\nAdım 3: Toplam kumaş miktarını bulmak için elde edilen değerleri toplayın.\nSonuç: 3\n</think>\nBeyaz kumaş miktarı 2/2 = 1 toptur. Toplam kumaş miktarı ise 2 + 1 = 3 toptur.\n#### 3"
    }
  ]
}

Ne Icin Kullanilir?

—Turkce instruction-tuning
—Turkce sohbet modeli egitimi
—Turkce akil yurutme ve mantik sorulari
—Turkce teknik aciklama ve analiz uretimi
—Turkce matematik problemi cozme ve sayisal muhakeme
—Planlama, review ve self-correction davranisi kazandirma
—Kucuk ve orta boy LLM'lere Turkce karakter ve uslup kazandirma

Notlar

Bu veri seti arastirma ve fine-tuning denemeleri icin yayinlanmistir. Egitimden once kendi hedef modelinize gore kalite filtresi, tekrar temizligi, etiket temizligi veya token uzunlugu filtresi uygulamaniz onerilir.

Lisans

Bu veri seti Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) lisansi ile paylasilmistir. Ticari olmayan kullanimlarda kaynak gostererek kullanabilirsiniz.

Checksums

text

57c900f1ea2e92207ef492dbb03c8cda64ea541baf1fca464107a5469f2038e6  KAIRA_MASTER_PHASE_1_STABILIZATION.jsonl
5eaef63bd890be2f1cf1305cbc927fd567c8b3978c277626d516786184f57668  KAIRA_MASTER_PHASE_2_INTELLIGENCE.jsonl
c6561eb21f098113ae1771bbdaf48df8ae48b7748d19a983fefdc5e6b8df2c18  KAIRA_MASTER_PHASE_3_CONSCIOUS.jsonl
9b7220db2456c4bb28487c217b125c85946fe5f8f188319d20a2378f66b88a2c  KAIRA_FINE_TUNE_COT.jsonl