---
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:

1. **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).
2. **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:

```json
{
  "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

```python
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

```bibtex
@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}}
}
```