Instructions to use Huseyin/yks-turkish-7b-lora with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Huseyin/yks-turkish-7b-lora with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="Huseyin/yks-turkish-7b-lora")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("Huseyin/yks-turkish-7b-lora", dtype="auto")

PEFT
How to use Huseyin/yks-turkish-7b-lora with PEFT:
```
Task type is invalid.
```
Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Huseyin/yks-turkish-7b-lora with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Huseyin/yks-turkish-7b-lora"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Huseyin/yks-turkish-7b-lora",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Huseyin/yks-turkish-7b-lora

SGLang

How to use Huseyin/yks-turkish-7b-lora with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "Huseyin/yks-turkish-7b-lora" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Huseyin/yks-turkish-7b-lora",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "Huseyin/yks-turkish-7b-lora" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Huseyin/yks-turkish-7b-lora",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Huseyin/yks-turkish-7b-lora with Docker Model Runner:
```
docker model run hf.co/Huseyin/yks-turkish-7b-lora
```

🎓 YKS Turkish 7B LoRA

📋 Model Hakkında

Türkiye YKS (TYT/AYT) sınavlarına özel fine-tune edilmiş Türkçe eğitim modeli. TRUBA H200 GPU kullanılarak 1854 gerçek YKS sorusu ile eğitilmiştir.

🚀 Özellikler

✅ TYT/AYT Desteği: Matematik, Fizik, Kimya, Biyoloji, Türkçe, Tarih
📚 1854 Soru: Gerçek YKS formatında eğitim verisi
🎯 Yüksek Başarı: TYT Matematik %75+ doğruluk
⚡ Optimize Edilmiş: 4-bit quantization, 617MB LoRA adapter
🇹🇷 Türkçe Odaklı: Türk öğrenciler için özel

📊 Performans Metrikleri

Ders	Başarı Oranı	Soru Sayısı
TYT Matematik	%75	168
AYT Matematik	%60	144
AYT Tarih	%65	156
Fizik	%55	132
Kimya	%50	90
Biyoloji	%50	114

🔧 Kullanım

from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
from peft import PeftModel
import torch

# 4-bit config (opsiyonel, bellek tasarrufu için)
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_compute_dtype=torch.float16
)

# Model yükleme
base_model = "Qwen/Qwen2.5-7B-Instruct"
model = AutoModelForCausalLM.from_pretrained(
    base_model,
    quantization_config=bnb_config,  # Opsiyonel
    device_map="auto"
)

# LoRA adapter yükle
model = PeftModel.from_pretrained(model, "Huseyin/yks-turkish-7b-lora")
tokenizer = AutoTokenizer.from_pretrained("Huseyin/yks-turkish-7b-lora")

# Soru çözme
def yks_coz(soru):
    prompt = f"""Sen bir YKS uzmanısın. Soruyu çöz ve Türkçe açıkla.
    
Soru: {soru}

Çözüm:"""
    
    inputs = tokenizer(prompt, return_tensors="pt")
    outputs = model.generate(
        **inputs,
        max_new_tokens=300,
        temperature=0.7,
        do_sample=True,
        top_p=0.9
    )
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# Test
print(yks_coz("x² - 5x + 6 = 0 denkleminin kökleri nelerdir?"))

📈 Eğitim Detayları

Base Model: Qwen2.5-7B-Instruct (7.77B parametre)
Fine-tuning Metodu: LoRA (Low-Rank Adaptation)
Trainable Parametreler: 161M (%2.07)
Training Loss: 4.19 → 0.16
Epochs: 5
Batch Size: Effective 32
Learning Rate: 2e-5
LoRA Config:
- Rank: 64
- Alpha: 128
- Target Modules: q_proj, v_proj, k_proj, o_proj, gate_proj, up_proj, down_proj
Donanım: NVIDIA H200 (141GB)
Eğitim Süresi: 56 dakika

💡 Örnek Sorular

sorular = [
    "2x + 5 = 15 denklemini çöz",
    "Pisagor teoremini açıkla",
    "Mitoz ve mayoz arasındaki farklar nelerdir?",
    "Osmanlı Devleti'nin kuruluş tarihi nedir?"
]

for soru in sorular:
    cevap = yks_coz(soru)
    print(f"S: {soru}")
    print(f"C: {cevap}\n")

⚠️ Bilinen Limitler

Dil Karışması: Nadiren Türkçe-Çince karışımı (ek training ile düzeltilebilir)
Görsel Sorular: Vision desteği yok (metin tabanlı)
Kompleks Problemler: İleri seviye integral/limit problemlerinde düşük performans

🔮 Planlanan Geliştirmeler

10K+ soru ile genişletilmiş training
Pure Türkçe corpus ile dil düzeltmesi
Vision-Language desteği
RAG (Retrieval Augmented Generation) entegrasyonu
ÖSYM resmi format standardizasyonu

📝 Lisans ve Kullanım

Lisans: Apache 2.0
Kullanım Alanı: Eğitim, araştırma, kişisel çalışma
Ticari Kullanım: İzin ile

🙏 Teşekkürler

TRUBA/TÜBİTAK ULAKBİM: GPU kaynakları için
esrt/yksuniform: Dataset için
Qwen Team: Base model için

📧 İletişim

Soru ve öneriler için GitHub Issues veya Discussions kullanabilirsiniz.

Not: Bu model eğitim amaçlıdır. Gerçek sınav hazırlığında mutlaka uzman desteği alınmalıdır.

Developed with ❤️ for Turkish students

Downloads last month: -; Downloads are not tracked for this model. How to track

Model tree for Huseyin/yks-turkish-7b-lora

Base model

Qwen/Qwen2.5-7B

Finetuned

Qwen/Qwen2.5-7B-Instruct

Adapter

(2169)

this model

Dataset used to train Huseyin/yks-turkish-7b-lora

Evaluation results

Final Training Loss on esrt/yksuniform
self-reported

0.166