[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-fine-tune-vs-rag::tr":3,"gloss-cluster-fine-tune-vs-rag::tr":23,"gloss-next-fine-tune-vs-rag::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"fine-tune-vs-rag","core-ai","İnce Ayar mı RAG mi","İnce ayar ve getirme farklı sorunları çözer ve seçim genelde ihtiyacınızın davranışla mı olguyla mı ilgili olduğuna göre belirlenir.\n\nİnce ayar, modelin ağırlıklarını sizin örneklerinizle günceller. Biçim ve üslup için doğru araçtır: tutarlı çıktı yapısı, kurum tonu, sınırları bulanık bir sınıflandırma şeması, temel modelin bozduğu alan sözcükleri. Kötü olduğu şey değişen bilgidir: fiyat listesi her oynadığında yeniden eğitmek, çok pahalı bir veritabanı inşa etmek demektir.\n\nGetirme modele dokunmaz, ilgili metni istek anında önüne koyar. Güncelliği, müşteriye özel veriyi ve kaynak göstermeyi çözer — yanıt, geldiği belgeyi işaret edebilir; ince ayar bunu yapamaz.\n\nİnce ayar isteyen ekiplerin çoğu aslında bir getirme sorunu anlatır: 'ürünlerimizi bilmiyor' bir olgu sorunudur. İşleyen sıra şudur: önce prompt, sonra getirme, ince ayar ise ancak kalan hata olgusal değil biçimsel ya da yapısal olduğunda. O noktaya geldiğinizde, üçüncü adımın değdiğini kanıtlayacak bir değerlendirme kümeniz de ilk ikisinden kalmış olur.","İnce ayar modele nasıl davranacağını öğretir; getirme ise şu anda neyin doğru olduğunu söyler. İlkine ihtiyacı olduğunu sanan ürünlerin çoğu ikincisine muhtaçtır.",null,[11,14,17,20],{"slug":12,"name":13},"cost-per-task","Görev Başına Maliyet",{"slug":15,"name":16},"fine-tuning","İnce Ayar (Fine-Tuning)",{"slug":18,"name":19},"prompt-engineering","Prompt Mühendisliği",{"slug":21,"name":22},"retrieval-augmented-generation","Geri Getirme Destekli Üretim (RAG)",[24,28,32,36,39,42,45,48,51,54,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"agentic","Agentic AI (Ajan Tabanlı Yapay Zeka)","2026-08-24T02:46:36+00:00",{"slug":29,"category":5,"name":30,"updated_at":31},"alignment-tax","Hizalama Vergisi (Alignment Tax)","2026-08-24T02:46:37+00:00",{"slug":33,"category":5,"name":34,"updated_at":35},"artificial-intelligence","Yapay Zekâ (AI)","2026-08-24T02:46:38+00:00",{"slug":37,"category":5,"name":38,"updated_at":27},"attention","Attention (Dikkat Mekanizması)",{"slug":40,"category":5,"name":41,"updated_at":35},"beam-search","Işın Arama (Beam Search)",{"slug":43,"category":5,"name":44,"updated_at":31},"benchmark-contamination","Kıyaslama Kirlenmesi (Benchmark Contamination)",{"slug":46,"category":5,"name":47,"updated_at":31},"catastrophic-forgetting","Felaketvari Unutma (Catastrophic Forgetting)",{"slug":49,"category":5,"name":50,"updated_at":35},"computer-vision","Bilgisayarlı Görü",{"slug":52,"category":5,"name":53,"updated_at":31},"constitutional-ai","Anayasal Yapay Zekâ (Constitutional AI)",{"slug":55,"category":5,"name":56,"updated_at":27},"context-window","Bağlam Penceresi (Context Window)",{"slug":58,"category":5,"name":59,"updated_at":35},"deep-learning","Derin Öğrenme",{"slug":61,"category":5,"name":62,"updated_at":27},"diffusion-model","Difüzyon Modeli (Diffusion Model)"]