Card: technical terms in English

README.md

@@ -41,10 +41,10 @@ from 0.443 to 0.686 and ECE from 0.282 to 0.083. Compared with
 
 Bu model, [Laya](https://github.com/NandhaKishorM/laya)'nın çok dilli kontrol noktası
 [`convaiinnovations/laya-multilingual`](https://huggingface.co/convaiinnovations/laya-multilingual) (mmBERT tabanlı) üzerine
-Türkçe karar verisiyle ince ayar yapılmış halidir. [`hayriyigit/laya-tr`](https://huggingface.co/hayriyigit/laya-tr)'in ikinci sürümüdür: aynı veriye
+Türkçe karar verisiyle fine-tune edilmiş halidir. [`hayriyigit/laya-tr`](https://huggingface.co/hayriyigit/laya-tr)'in ikinci sürümüdür: aynı veriye
 SQuAD 2.0'ın Türkçe çevirisi eklendi, böylece model bir belgenin bir soruyu gerçekten cevaplayıp cevaplayamadığına
 (cevaplanabilirlik) daha iyi karar veriyor. Laya metin üretmez: bir metin (state) ve tipli sorular alır, her soru
-için tek ileri geçişte kalibre edilmiş olasılıklar döndürür.
+için tek forward pass'te kalibre edilmiş olasılıklar döndürür.
 
 - **choice:** seçeneklerden biri (ör. hangi departman, hangi niyet),
 - **noul:** bir ifadenin doğru olma olasılığı (evet/hayır),
@@ -82,15 +82,15 @@ Bu modelin bu örnekteki cevabı:
 | iade | evet | 0,909 |
 | memnuniyet | Çok memnuniyetsiz (seviye 0) | 0,791 |
 
-Her cevapta tüm seçeneklerin olasılıkları (`probabilities`) ve eşik koymak için `answer_confidence` da döner.
+Her cevapta tüm seçeneklerin olasılıkları (`probabilities`) ve threshold koymak için `answer_confidence` da döner.
 
 Soru başına bağlam 8.192 token (soru ve seçenekler için 768); kısa girdiler yalnızca kendi uzunlukları kadar
-işlenir. Sıcaklıklar (choice, score, noul) eğitimde görülmemiş Türkçe kararlarda kalibre edildi: 0,898, 1,078, 0,950.
+işlenir. Temperature değerleri (choice, score, noul) eğitimde görülmemiş Türkçe kararlarda kalibre edildi: 0,898, 1,078, 0,950.
 
 ## Değerlendirme
 
 Test kararlarının hiçbiri eğitimde görülmedi; metni bir test satırında da geçen eğitim satırları, İngilizce orijinaller
-üzerinden eşleştirilerek eğitimden çıkarıldı (aşağıda). "Önce" sütunu ince ayar öncesi `laya-multilingual`'dır.
+üzerinden eşleştirilerek eğitimden çıkarıldı (aşağıda). "Önce" sütunu fine-tune öncesi `laya-multilingual`'dır.
 
 ### Kaynağa göre
 
@@ -127,7 +127,7 @@ train farklı Vikipedi makalelerinden gelir.
 | **Bu model (v2)** | 0,703 | 0,794 | 0,869 | 0,537 | 0,783 / 0,465 |
 
 Model artık iki tür soruyu ayırt ediyor, ama hâlâ kolay "evet" diyor: cevaplanamaz soruların yaklaşık yarısını yakalıyor.
-Eşik 0,5 yerine 0,790 alınırsa doğruluk 0,722 olur. Cevaplanabilirlik kararlarında yüksek bir eşik kullanın.
+Threshold 0,5 yerine 0,790 alınırsa doğruluk 0,722 olur. Cevaplanabilirlik kararlarında yüksek bir threshold kullanın.
 
 ### Önceki sürümle karşılaştırma
 
@@ -143,12 +143,12 @@ Eşik 0,5 yerine 0,790 alınırsa doğruluk 0,722 olur. Cevaplanabilirlik kararl
 | SQuAD 2.0 dev, cevaplanabilirlik (makine çevirisi) | – | 0,703 | – | 0,133 |
 
 v1'in test setinde SQuAD yoktu; SQuAD için v1 değeri yukarıdaki tablodadır (aynı soru ve aynı dev seti). Toplam ECE v1'de
-0,070, v2'de 0,083: sıcaklıklar yalnızca 1.571 kararlık bir doğrulama diliminde ayarlandığı için
+0,070, v2'de 0,083: temperature değerleri yalnızca 1.571 kararlık bir validation split'inde ayarlandığı için
 sonuç gürültülüdür; en çok `score` sorularının kalibrasyonu kötüleşti.
 
 ### Nasıl okunmalı
 
-- **Kalibrasyon** en büyük kazanç: ECE 0,282 → 0,083. Modelin verdiği olasılıklar eşik koymak için
+- **Kalibrasyon** en büyük kazanç: ECE 0,282 → 0,083. Modelin verdiği olasılıklar threshold koymak için
   kullanılabilir hale geldi.
 - **İngilizce unutulmadı**: eğitime İngilizce orijinallerin ~%25'i karıştırıldı; bev ve jev-bench'in İngilizce testlerinde de
   doğruluk arttı. Diğer diller ölçülmedi.
@@ -213,9 +213,9 @@ sonuç gürültülüdür; en çok `score` sorularının kalibrasyonu kötüleşt
 banking77 (77) ve clinc150 (150 seçenek) gibi çok seçenekli sorularda seçenekler 768 tokenlık soru bütçesine
 sığmak için kısalır; bu, Laya'nın bilinen bir sınırıdır ([#394](https://github.com/NandhaKishorM/laya/issues/394)).
 
-### Eğitim sırasında doğrulama
+### Eğitim sırasında validation
 
-Eğitimden ayrılan, metne göre gruplanmış 1.571 Türkçe karar (sıcaklık kalibrasyonu öncesi):
+Eğitimden ayrılan, metne göre gruplanmış 1.571 Türkçe karar (temperature kalibrasyonu öncesi):
 
 | Epoch | Doğruluk | NLL | Brier | ECE |
 |---:|---:|---:|---:|---:|
@@ -233,13 +233,13 @@ Eğitimden ayrılan, metne göre gruplanmış 1.571 Türkçe karar (sıcaklık k
 | MASSIVE tr-TR train (ana dili Türkçe) | 5.000 | 5.000 | 5.000 / 0 / 0 |
 | XNLI Türkçe validation (insan çevirisi) | 2.490 | 2.490 | 2.490 / 0 / 0 |
 | beyazperde film yorumları train (ana dili Türkçe) | 5.000 | 5.000 | 0 / 0 / 5.000 |
-| SQuAD 2.0-tr train, cevaplanabilirlik (makine çevirisi, 130K satırdan örneklem) | 20.000 | 20.000 | 0 / 20.000 / 0 |
+| SQuAD 2.0-tr train, cevaplanabilirlik (makine çevirisi, 130K satırdan sample) | 20.000 | 20.000 | 0 / 20.000 / 0 |
 | **Toplam** | **169.533** | **307.812** | |
 
 Bunlardan metne göre gruplanmış 1.571 Türkçe karar doğrulama ve kalibrasyon için ayrıldı; bu kararların
 İngilizce ikizleri de eğitimden çıkarıldı. Eğitimde 305.812 karar kullanıldı.
 
-- **Hedefler:** Etiketler sorulardan çıkarılıp hedef olasılıklara çevrildi. Sert etiketler 0,1 ile yumuşatıldı (doğru
+- **Hedefler:** Label'lar sorulardan çıkarılıp target dağılımlarına çevrildi. Hard label'lara 0,1 label smoothing uygulandı (doğru
   cevaba 0,9; `score` sorularında kalan pay komşu seviyelere). Laya'nın eğitim yöntemi (RLCD) bu dağılımları hedefler.
 - **Alan dengesi:** Türkçenin sinyal taşımadığı ya da etiketlerin gürültülü olduğu bev alanlarından eğitim satırlarının
   bir kısmı tutuldu:
@@ -251,7 +251,7 @@ Bunlardan metne göre gruplanmış 1.571 Türkçe karar doğrulama ve kalibrasyo
   | Browser interaction | 0,3 | 3.202 |
   | Engagement and ranking | 0,2 | 3.318 |
 
-- **Örtüşme temizliği:** Bir test satırında da geçen metni içeren eğitim satırları çıkarıldı:
+- **Decontamination:** Bir test satırında da geçen metni içeren eğitim satırları çıkarıldı:
 
   | Eğitim kaynağı | Test kaynağı | Çıkarılan eğitim satırı |
   |---|---|---:|
@@ -264,7 +264,7 @@ Bunlardan metne göre gruplanmış 1.571 Türkçe karar doğrulama ve kalibrasyo
   | MASSIVE tr-TR | MASSIVE tr-TR | 16 |
   | beyazperde | beyazperde | 76 |
 
-- **Bağlam bütçesi:** Hiçbir eğitim kararı 8.192 tokena sığmadığı ya da doğru seçeneği kısaltılınca
+- **Context budget:** Hiçbir eğitim kararı 8.192 tokena sığmadığı ya da doğru seçeneği kısaltılınca
   başka bir seçenekle aynı göründüğü için çıkarılmadı. Eğitim kararlarının token uzunluğu: medyan 188,
   %90 521, %99 1.474, en fazla 7.430.
 
@@ -277,10 +277,10 @@ SQuAD 2.0'ın yalnızca paragraf ve soruları çevrildi; etiket `answers`'ın bo
 
 | | |
 |---|---|
-| Taban model | `convaiinnovations/laya-multilingual` (mmBERT-base encoder + Laya karar başlığı) |
+| Base model | `convaiinnovations/laya-multilingual` (mmBERT-base encoder + Laya decision head) |
 | Yöntem | Laya'nın RLCD tarifi: gürültülü logit örnekleri üzerinde proper scoring ödülüyle policy gradient + yumuşak cross-entropy |
 | Epoch / güncelleme | 2 / 19.114 (her güncellemede 32 karar) |
-| Öğrenme hızı | encoder 1e-5, karar başlığı 1e-4; AdamW, cosine |
+| Learning rate | encoder 1e-5, decision head 1e-4; AdamW, cosine |
 | Hassasiyet | bf16, gradient checkpointing |
 | Bağlam | max_len 8.192, head_max_len 768 |
 | Donanım ve süre | 1 × NVIDIA GeForce RTX 5090 (32 GB); eğitim ~1 sa 34 dk, veri hazırlığı ve değerlendirmeyle ~1 sa 42 dk |
@@ -293,8 +293,8 @@ Eğitim config'i, eğitim kaydı ve veri manifest'i [`training/`](training/) kla
 - Eğitim verisinin çoğu **makine çevirisidir**; model çeviri dilinin izlerini taşıyabilir. Ana dili Türkçe veri sınırlıdır
   (~12 bin satır).
 - Kod, teknik tanımlayıcılar ve web sayfası öğeleri eğitimde İngilizce kaldı; bu tür girdilerde karışık dil beklenir.
-- Yalnızca Türkçe ve İngilizce değerlendirildi; diğer dillerdeki performans ince ayar öncesine göre düşmüş olabilir.
-- Kalibrasyon Türkçe veriyle yapıldı; farklı bir alanda kullanmadan önce kendi verinizle eşikleri kontrol edin.
+- Yalnızca Türkçe ve İngilizce değerlendirildi; diğer dillerdeki performans fine-tune öncesine göre düşmüş olabilir.
+- Kalibrasyon Türkçe veriyle yapıldı; farklı bir alanda kullanmadan önce kendi verinizle threshold'ları kontrol edin.
 - 77'den fazla seçenekli sorularda seçenek açıklamaları kısalır.
 - **Cevaplanabilirlik:** Konusu soruyla aynı olan ama istenen bilgiyi hiç içermeyen belgelerde model hâlâ yüksek olasılıkla
   "evet" diyebilir. Örneğin "Türksat 6A hangi tarihte fırlatıldı?" sorusuna, fırlatma tarihini içermeyen ya da yalnızca başka
@@ -302,5 +302,5 @@ Eğitim config'i, eğitim kaydı ve veri manifest'i [`training/`](training/) kla
 
 ## Lisans
 
-Taban model Apache-2.0'dır. Eğitim verilerinin lisansları farklıdır; ayrıntılar [`LICENSE.md`](LICENSE.md)'de.
+Base model Apache-2.0'dır. Eğitim verilerinin lisansları farklıdır; ayrıntılar [`LICENSE.md`](LICENSE.md)'de.
 Ticari kullanımdan önce kontrol edin.