Turkish-CoT-Instruct-Dataset

license: apache-2.0
language:
  - tr
task_categories:
  - text-generation
  - question-answering
tags:
  - chain-of-thought
  - cot
  - reasoning
  - turkish
  - türkçe
  - instruct
  - akil-yurutme
pretty_name: Turkish CoT Instruct Dataset
size_categories:
  - 1K<n<10K
configs:
  - config_name: default
    data_files:
      - split: train
        path: train.jsonl

🇹🇷 Turkish CoT Instruct Dataset

Türkçe Düşünme Zinciri (Chain-of-Thought) İçeren Talimat Veri Seti

Bu veri seti, modellerin Türkçe adım adım akıl yürütme (reasoning) yeteneğini geliştirmek için hazırlanmıştır. Her örnekte model, cevabı vermeden önce <think> ... </think> etiketleri arasında tamamen Türkçe olarak adım adım düşünür, ardından ayrıntılı bir nihai cevap sunar (DeepSeek-R1 tarzı biçim).

Örnek sayısı: 4.868
Dil: Türkçe
Biçim: Sohbet (messages) — system / user / assistant
Ortalama cevap uzunluğu: ~3.900 karakter
Türkçe düşünce oranı: ~%99

📖 Veri Seti Nedir?

İki aşamada üretildi:

Soru üretimi: 5 boyutlu, detaylı bir taksonomi (14 alan · 13 akıl yürütme türü · 4 zorluk · 8 format · Türkçe-yerel bağlam) kullanılarak 5.000 özgün Türkçe soru üretildi ve tekilleştirildi (dedup).
CoT cevap üretimi: Her soru için bir reasoning modeli (MiniMax-M3) ile Türkçe düşünce zinciri + ayrıntılı nihai cevap üretildi.

Sorular Türkçe kültüre yereldir: para birimi TL, kişi/şehir/kurum adları Türkiye'den, senaryolar Türk günlük yaşamına uygundur (pazar, bayram, çarşı, okul vb.).

🧱 Veri Yapısı

Her satır bir JSON nesnesidir:

{
  "messages": [
    {"role": "system",    "content": "Sen Türkçe düşünen ve akıl yürüten bir yapay zekâ asistanısın. ..."},
    {"role": "user",      "content": "Ayşe Hanım bankaya 8.000 TL yatırdı. Yıllık basit faiz oranı %10 olduğuna göre 3 yıl sonunda anapara ile faizi toplam kaç TL olur?"},
    {"role": "assistant", "content": "<think>\nÖncelikle, basit faiz formülü: A = P × (1 + r × t)...\n</think>\n\n# Basit Faiz Hesabı\n..."}
  ],
  "id": 1,
  "alan": "finans_ekonomi",
  "alan_ad": "Finans ve Ekonomi",
  "alt_konu": "basit ve bileşik faiz",
  "akil_yurutme": "aritmetik",
  "zorluk": "kolay",
  "format": "kelime_problemi"
}

Alan	Açıklama
`messages`	`system` (sabit), `user` (soru), `assistant` (`<think>…</think>` + cevap)
`id`	Soru kimliği
`alan` / `alan_ad`	Konu alanı (anahtar / okunur ad)
`alt_konu`	Alt konu
`akil_yurutme`	Gerektirdiği akıl yürütme türü
`zorluk`	`kolay` · `orta` · `zor` · `uzman`
`format`	Soru biçimi (kelime problemi, çoktan seçmeli, senaryo, ispat…)

Eğitimde yalnızca messages alanı kullanılır; diğer alanlar filtreleme ve dengeleme içindir. system değeri tüm örneklerde sabittir.

📊 İstatistikler

Zorluk dağılımı

Zorluk	Adet
kolay	857
orta	2.035
zor	1.644
uzman	332

Alan dağılımı (14 alan, dengeli)

Alan	Adet
Nedensellik ve Bilimsel Yöntem	375
Finans ve Ekonomi	372
Genel Kültür ve Muhakeme	372
Sosyal Bilimler	372
Etik ve Değer Muhakemesi	361
Dil ve Anlam (Türkçe)	352
Fen Bilimleri	344
Uzamsal ve Görsel Akıl Yürütme	340
Oyun Teorisi ve Strateji	338
Günlük Yaşam ve Pratik Akıl Yürütme	337
Programlama ve Algoritma	329
Matematik	329
Mantık ve Bulmaca	324
Sağlık ve Beslenme	323

Format dağılımı: kısa açık uçlu (1.567), sayısal (730), kelime problemi (626), çoktan seçmeli (602), senaryo/vaka (578), neden-nasıl (472), doğru-yanlış (200), adım adım ispat (93).

Akıl yürütme türleri (13): nedensel, tümdengelim, aritmetik, eleştirel, optimizasyon, karşı-olgusal, kısıt tatmini, analojik, zamansal, olasılıksal, abdüksiyon, tümevarım, uzamsal.

💻 Kullanım

from datasets import load_dataset

ds = load_dataset("AlicanKiraz0/Turkish-CoT-Instruct-Dataset", split="train")
print(ds[0]["messages"])

SFT (ör. TRL / LLaMA-Factory / Unsloth) için messages alanı doğrudan sohbet şablonuyla kullanılabilir.

⚠️ Sınırlamalar ve Notlar

~%1 İngilizce düşünce: 47 örnekte (özellikle oyun/strateji) model Türkçe düşünmeye zorlandığında aşırı uzayıp (runaway) çözülemediği için düşünce İngilizce kalmıştır. Geri kalan ~%99 Türkçedir.
Etiketler modele göredir: zorluk ve format etiketleri üretim sırasında hedeflenen değerlerdir; küçük sapmalar olabilir.
Kaynak sorular tekilleştirilmiştir ancak konu benzerlikleri bulunabilir.

📜 Lisans

Apache 2.0

🙏 Atıf

@misc{turkish_cot_instruct_2026,
  title  = {Turkish CoT Instruct Dataset},
  author = {Alican Kiraz},
  year   = {2026},
  howpublished = {\url{https://huggingface.co/datasets/AlicanKiraz0/Turkish-CoT-Instruct-Dataset}}
}