Hangi cevap daha iyi — tek çözümle.
Kiracı belleği modele bilgi ekler. RLA başka bir sorunu çözer: iki makul cevaptan hangisinin yeğlendiğini öğretmek. Bugünkü yöntemler bunu binlerce kez tekrarlayarak yapar; bizimki aynı işi tek bir çözümle bitirir.
Kısaca ne yapıyor
Tercih farkından hesaplanır
Seçilen ve reddedilen yanıtların model içindeki farkı tek bir çözüme dönüşür. Eğitim turu yok, ikinci model yok.
Bütçe belirler
Uygulanan ölçek, izin verilen sapmayı aşmayacak en büyük değer olarak çözülür. Veri büyüdükçe kendiliğinden değişmez.
Ölçülür, kayda yazılır
Uygulanan ölçek, ölçülen sapma ve üst sınırın sıkılığı koşu kaydında saklanır; model eski hâline birebir döndürülebilir.
Ölçülenler
Aşağıdaki sayılar kendi test düzeneğimizden gelir: 2026-11-06'da koşulan RLA algoritma testi. Düzenek kasıtlı olarak küçüktür (64 boyutlu gizli durum, 256 kelimelik sözlük) — amaç ürün ölçmek değil, yöntemin matematiksel iddiasını sınamak.
| Ölçüm | Klasik yol | RLA | Ne diyor |
|---|---|---|---|
| Çözüme ulaşmak için gereken adım | 41 gradyan adımı | 1 çözüm · 0,0004 sn | Aynı hedefe tek seferde ulaşılıyor. |
| Modelin kendi davranışı korunuyor mu | Kafayı değiştirince taban modelle uyum %2,3 | Üstüne ekleyince %16,8 | Çözümü yazmak değil, eklemek gerekiyor — biz ekliyoruz. |
| Taban modelin bozulması (KL) | 0,054 | 0,027 | Ekleyerek yarı yarıya daha az bozulma. |
| Yanıt çifti mi, tek belirteç mi | Belirteç düzeyi: tabanla uyum %62,7 | Çift düzeyi: %91,2 | Tercih çiftten öğrenilmeli, belirteçten değil. |
| Veri 10 kat artınca | 20.000 satır: kazanma 0,22–0,26 | 2.048 satır: 0,34–0,39 | Az ve temiz veri, çok ve gürültülü veriden iyi. |
| “Bu kadardan fazla değişmez” sınırı | — | Üst sınır 214, gerçek en kötü 41,6 | Sınır geçerli ama gevşek: gerçek sapmanın ~5 katı. |
Bu tablo, yöntemin nasıl davrandığını gösterir. Modelimizin tercih kazancının ne olduğunu göstermez — o ölçüm henüz yok (aşağıda).
Veri: elle etiket yok, 18.447 çift
İnsan tercihi
Aynı soruya verilmiş iki insan cevabından biri yeğlenir. Model “hangisi daha iyi cevap” sorusunu böyle öğrenir.
Sağlam akıl — bozuk akıl
Doğru cevabın arkasındaki düşünce akışı bozulur, cevap aynı kalır. Model sonuca bakmadan akıl yürütmeyi ayırt etmeyi öğrenir.
%10’u ölçüm için saklandı
1.884 çift hiç eğitilmez. Hiçbir soru iki tarafta birden bulunmaz; ölçüm ancak böyle dürüst olur.