---
base_model: vngrs/kumru-2b
language:
- tr
library_name: peft
license: apache-2.0
tags:
- math
- lora
- sixfingerdev
- turkish
- mathematics
---

# Sixfinger-2B Math LoRA 🧮

Bu model, `vngrs/kumru-2b` temel (base) modeli üzerine Türkçe matematik problemlerini, akıl yürütme (reasoning) ve hesaplama görevlerini daha iyi çözebilmesi amacıyla ince ayar (fine-tuning) yapılarak geliştirilmiş bir **LoRA** (Low-Rank Adaptation) adaptörüdür. 

**Geliştirici:** sixfingerdev  
**Lisans:** Apache-2.0  
**Dil:** Türkçe (tr)  
**Temel Model:** [vngrs/kumru-2b](https://huggingface.co/vngrs/kumru-2b)

## 📌 Modelin Amacı
Bu LoRA adaptörü, Türkçe doğal dil işleme yeteneklerini geliştiren ana modelin, matematiksel problem çözme, adım adım denklemleri açıklama ve sayısal analiz konularındaki performansını artırmayı hedefler. 

## 🚀 Kullanım (Usage)

Modeli kullanmak için `transformers` ve `peft` kütüphanelerine ihtiyacınız olacak:

```bash
pip install transformers peft torch
```

Aşağıdaki Python kodu ile modeli projenize dahil edebilirsiniz:

```python
import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

# Temel modeli ve tokenizer'ı yükleme
model_id = "vngrs/kumru-2b"
base_model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")
tokenizer = AutoTokenizer.from_pretrained(model_id)

# LoRA adaptörünü temel model ile birleştirme
lora_id = "sixfingerdev/sixfinger-2b-math-lora"
model = PeftModel.from_pretrained(base_model, lora_id)

# Örnek Kullanım
prompt = "Bir bakkal tanesi 5 TL'den 20 tane ekmek alıyor. Toplam ne kadar öder?"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model.generate(**inputs, max_new_tokens=50)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```

## ⚙️ Eğitim Detayları
* **Kütüphane:** PEFT
* **Metot:** LoRA
* **Dil:** Türkçe
* **Odak Alanı:** Matematik Çözümü / Soru Cevaplama

## ⚠️ Sınırlamalar
* Model karmaşık matematik teorilerinde zaman zaman hata yapabilir.
* Üretken (generative) modellerin doğası gereği halüsinasyon durumları görülebilir, elde edilen sayısal sonuçların her zaman teyit edilmesi önerilir.