CoolFace
Modelpublic

Tuguberk/Qwen3.5-2B-Turkish-SFT

sourceHugging Faceapache-2.0updated 5mo agoView on Hugging Face
4likes310downloads
Model Card

Qwen3.5-2B-Turkish-SFT

Qwen3.5-2B base modeli üzerine Türkçe instruction-following verisiyle fine-tune edilmiş bir dil modelidir.

Model Detayları

Base modelunsloth/Qwen3.5-2B
Fine-tuning yöntemiLoRA (bf16)
LoRA rank16
DatasetAlicanKiraz0/Turkish-SFT-Dataset-v1.0
Dataset boyutu5.579 örnek
Epoch3
Learning rate2e-4
Training loss1.47 → 0.82
FrameworkUnsloth + TRL
GPUNVIDIA L4 (22GB)

Kullanım

Transformers

python
from transformers import AutoModelForCausalLM, AutoProcessor
import torch

model_name = "Tuguberk/Qwen3.5-2B-Turkish-SFT"

processor = AutoProcessor.from_pretrained(model_name)
tokenizer = processor.tokenizer

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [
    {"role": "system", "content": "Sen yardımcı bir Türkçe asistansın."},
    {"role": "user",   "content": "Türkiye hakkında kısa bir bilgi verir misin?"},
]

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

outputs = model.generate(
    inputs["input_ids"],
    max_new_tokens=512,
    temperature=0.7,
    top_p=0.9,
    do_sample=True,
)

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

Ollama (GGUF)

bash
ollama run hf.co/Tuguberk/Qwen3.5-2B-Turkish-SFT:Q4_K_M

llama.cpp

bash
# Metin modeli
llama-cli -hf Tuguberk/Qwen3.5-2B-Turkish-SFT --jinja

# Multimodal
llama-mtmd-cli -hf Tuguberk/Qwen3.5-2B-Turkish-SFT --jinja

Mevcut Formatlar

DosyaBoyutAçıklama
Qwen3.5-2B.BF16-mmproj.gguf~4.5GBEn yüksek kalite
Qwen3.5-2B.Q8_0.gguf~2.7GBYüksek kalite
Qwen3.5-2B.Q4_K_M.gguf~1.5GBÖnerilen — kalite/boyut dengesi
Qwen3.5-2B.Q2_K.gguf~0.8GBEn küçük, düşük kalite
Tavsiye: Çoğu kullanım için Q4_K_M yeterlidir.

Dataset

AlicanKiraz0/Turkish-SFT-Dataset-v1.0 — genel amaçlı Türkçe instruction-following verisi.

Format: system / user / assistant üçlüsü, ChatML şablonuyla işlenmiştir.

Evaluation

Benchmark değerlendirmeleri lm-evaluation-harness-turkish kullanılarak yapılmıştır.

BenchmarkBase ModelFine-tunedFark
Turkish MMLU (mmlu_tr_v0.2)47.29%47.20%−0.09
GSM8K-TR strict (gsm8k_tr-v0.2)38.04%41.38%+3.34
TruthfulQA (truthfulqa_v0.2)47.45%49.08%+1.63
ARC-TR normalized (arc_tr-v0.2)37.03%38.23%+1.20
HellaSwag-TR normalized (hellaswag_tr-v0.2)38.74%40.27%+1.53
Winogrande-TR (winogrande_tr-v0.2)49.53%49.61%+0.08

Önemli bulgular:

  • —Matematik muhakemesinde (GSM8K-TR) +3.34 puanlık belirgin iyileşme
  • —Doğruluk ve akıl yürütme gerektiren benchmark'larda (TruthfulQA, ARC, HellaSwag) tutarlı iyileşme
  • —Genel bilgi (MMLU) korunmuş — catastrophic forgetting gözlemlenmedi
  • —Yalnızca 5.579 örnekle elde edilmiş sonuçlar

Sınırlamalar

  • —5.5K örnekle eğitilmiştir — büyük ölçekli veriyle eğitilmiş modellerle kıyaslanamaz
  • —Derin matematik ve zincirleme muhakeme görevlerinde sınırlı performans
  • —Yalnızca Türkçe instruction-following için optimize edilmiştir

LoRA Adaptörleri

Sadece LoRA ağırlıklarını kullanmak için: Tuguberk/Qwen3.5-2B-Turkish-SFT-LoRA

Lisans

Bu model, base model ile aynı lisansı taşımaktadır: Apache 2.0


<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/>