You can deploy this model and start earning money today!

Gokhannet/
Cep-Bot-yapay-zeka

Views

No views yet

Cep Bot Core v0.7 — Türkçe LoRA + Güvenli Yerel Öğrenme

3 GB RAM sınıfını hedefleyen Cep Bot çalışma zamanı. v0.7; paketli bellek, kontrollü sürekli öğrenme ve mobil profilleri korurken gerçek Türkçe LoRA eğitim hattı, gelişmiş finans hesapları ve token/anahtar sızıntılarına karşı daha güçlü yerel bellek koruması ekler.

Önemli doğruluk notu

v0.7, aynı Qwen2.5 0.5B Instruct çekirdeğiyle devam eder; temel model değiştirilmez. Eğitim kümesi 6.220 doğrulanmış Türkçe örneğe çıkarılmıştır. LoRA GPU eğitimi ve yeni GGUF dönüşümü tamamlanmadan v0.7 modeli hazır veya eğitilmiş olarak işaretlenmez.

Varsayılan çekirdek:

Qwen2.5 0.5B Instruct GGUF
Q4_K_M
hedef dosya adı: models/CepBot-v0.7-Q4_K_M.gguf
v0.7 SHA-256: eğitim ve GGUF dönüşümünden sonra kaydedilecek

v0.7 mobil profilleri

balanced: 4096 token context, 384 token çıktı, 1750 MB süreç bütçesi.
compact: 2048 token context, 256 token çıktı, 1400 MB süreç bütçesi.

compact, KV cache'i (modelin konuşma bağlamı için ayırdığı geçici bellek) küçülterek eski 3 GB telefonlarda daha güvenli başlangıç sağlar.

Cep Bot'un asıl farkı model ağırlığından bağımsız olan aşağıdaki katmanlardır: .cbpack bilgi shard'ları, konuşma hafızası, hesap motoru, aday öğrenme, doğrulanmış öğrenme belleği ve replay eğitim kuyruğu.

Kontrollü kendi kendine öğrenme

text

Konuşma
   ↓
Güvenli ve kompakt bir iddia/preference çıkarılabilir mi?
   ↓
Candidate Store
   ↓
mentions / confirmations / conflicts / rejections
   ↓
     ┌────────────── conflict ──────────────┐
     │                                      ↓
     │                               otomatik öğrenme yok
     ↓
yeterli tekrar + güven
     ↓
LearningStore'a terfi
     ↓
sonraki promptta ilgili kayıt context'e alınır

Kurallar

Tek seferlik sıradan cümle kalıcı gerçek sayılmaz.
Aynı güvenli aday varsayılan olarak 3 kez gözlenirse güveni yükselir.
Aynı anahtar için farklı değer görülürse conflict oluşur ve otomatik terfi durur.
/confirm <id> ile kullanıcı adayı doğrudan doğrulayabilir.
/reject <id> ile aday iptal edilir.
Şifre/API anahtarı/özel anahtar/kart numarası benzeri içerik aday bile yapılmaz.
Ağırlıklar her mesajda değiştirilmez. Anında öğrenme SQLite + retrieval ile yapılır; iyi örnekler daha sonra adaptör eğitimi için /good ve /export ile birikir.

Geçici v0.6 GGUF çekirdeğini indir

python tools/fetch_core_model.py

Bu yardımcı, v0.7 eğitimi tamamlanana kadar yalnızca doğrulanmış v0.6 temel çekirdeğini getirir; üretilen dosya v0.7 eğitilmiş model değildir.

Ardından:

bash

./scripts/run_llama_server.sh
python -m cepbot.cli --profile compact

Windows PowerShell:

powershell

python tools/fetch_core_model.py
.\scripts\run_llama_server.ps1
python -m cepbot.cli --profile compact

llama-server kurulu değilse güncel llama.cpp sürümü gerekir.

CLI

text

/status
/candidates
/confirm <aday_id>
/reject <aday_id>
/good
/learn fact anahtar = değer
/learn preference anahtar = değer
/forget metin
/export
/q

Neden öğrenme verisi GGUF'un içine yazılmıyor?

GGUF, inference sırasında kullanılan model ağırlıklarını ve metadata'yı taşıyan dosyadır. Cep Bot'un cihaz üzerinde sürekli öğrendiği küçük bilgiler dinamik olduğu için runtime/learning.sqlite3 ve sıkıştırılmış hafızada tutulur. Böylece her öğrenmede yüzlerce MB'lık GGUF'u yeniden üretmeye gerek kalmaz ve 3 GB RAM hedefi korunur.

Kalıcı ağırlık iyileştirmesi istenirse /good ile biriken güvenilir örnekler toplu LoRA eğitimiyle adaptöre dönüştürülebilir; bu, anlık öğrenmeden ayrı bir adımdır.

Test

python -m unittest discover -s tests -v

v0.7 hedefi: önceki davranışları korumak; gerçek Türkçe LoRA eğitimi, güvenli yerel öğrenme, doğru hesaplama ve Q4_K_M GGUF bütünlüğünü doğrulamak.

Gokhannet/Cep-Bot-yapay-zeka