---
title: "convaiinnovations/laya — Hugging Face'te Öne Çıkan Model"
url: https://blog.edumints.com/convaiinnovationslaya-hugging-facete-one-cikan-model-bzc6f6ee
category: "LLM"
date: 2026-09-26T15:11:28.151Z
publisher: Edumints Blog
lang: tr-TR
source_name: "hfmodels"
source_url: https://huggingface.co/convaiinnovations/laya
---

# convaiinnovations/laya — Hugging Face'te Öne Çıkan Model

**Model:** convaiinnovations/laya | **İndirme:** 0 | **Beğeni:** 3808  
**Etiketler:** transformers, safetensors, laya, system-one, calibrated-decisions, rlcd, classification, routing

## 1. convaiinnovations/laya: Sistem 1 Karar Modeli
Laya; çok dilli, otoregresif olmayan (non-autoregressive) bir Sistem 1 karar modelidir. Geliştiricilerin sağladığı metin, e-posta, bilet veya JSON durumlarını tiplendirilmiş sorularla alarak 100'den fazla dilde, tek bir ileri geçişte (~33 ms) matematiksel olarak kalibre edilmiş olasılıklarla tiplendirilmiş yanıtlar döner. RLCD (strictly proper scoring rules ile pekiştirmeli öğrenme) ile eğitilmiştir; bu sayede dürüst olasılıklar bildirmek ödülü maksimize etmenin tek yoludur. Model serbest metin üretmediği için ayrıştırma (parsing) ihtiyacı ve halüsinasyon riski bulunmaz.

## 2. Kurulum (Installation)
Model, Python 3.10 veya daha yeni sürümler gerektirir ve `pip install laya` ile kurulur. İhtiyaca yönelik opsiyonel paketler mevcuttur:
- `laya[serve]`: HTTP sunucusu desteği.
- `laya[mcp]`: MCP (Model Context Protocol) sunucusu entegrasyonu.
- `laya[langchain]`: LangChain ve LangGraph orkestrasyonu.
- `laya[onnx]`: ONNX Runtime ile optimize çıkarım.
- `laya[fast]`: TileLang GPU hızlı yolu.  
Platformlara özel kurulum adımları GitHub README dosyasında yer almaktadır.

## 3. Uzun Belgeler (Long Documents)
`laya-multilingual`, `max_len=8192` parametresiyle 8.192 tokene kadar okuma kapasitesine sahiptir:
- Varsayılan 1.024 token sınırı uzun dokümanları kestiğinden, uzun metinlerde `max_len=8192` belirtilmelidir.
- Benchmark ölçümlerine göre ~4.000 tokene kadar 20 istekten 16-18'i doğru yanıtlanmış; bu sınır aşıldığında doğruluk 8-17/20 arasında dalgalandığı için kendi verinizde test edilmesi önerilir.
- Kısa girdiler etkilenmez ve hız girilen metnin gerçek boyutuna bağlıdır (Apple GPU'da 4.000 token yaklaşık 1,7 saniye sürer).
- Uzun İngilizce ağırlıklı metinlerin İngilizce kontrol noktasına yönlenmesini önlemek için checkpoint açıkça `model="multilingual"` olarak tanımlanmalıdır.

## 4. Hızlı Başlangıç (Quickstart) ve Çok Dilli Yönlendirme
Model, `Router()` sınıfı üzerinden kullanılır (`preload=True` ile üç kontrol noktası da önceden belleğe yüklenebilir):
- `choice`, `score` ve `noul` tipleriyle yapılandırılmış sorular tanımlanır; `router.predict()` çağrısı tek seferde departman ve risk olasılıklarını döndürür.
- Router, alfabeyi ve dili otomatik algılayarak İngilizce dışındaki girdileri (Hintçe, İspanyolca vb.) doğrudan `laya-multilingual` modeline yönlendirir.

## 5. İnce Ayar ile Daha Yüksek Doğruluk (Fine-tune for better accuracy)
Mevcut ağırlıklar sıfır kurulumla (zero-shot) çalışır; ancak modelin kendi alanınıza (domain) ait kararlarla fine-tune edilmesi doğruluğu zirveye taşır.

## Yazılım Geliştirme Açısından Pratik Çıkarımlar
- **Hızlı Yönlendirme (Routing):** 33 ms'lik gecikme süresiyle agent mimarilerinde pahalı LLM çağrıları yerine deterministik ve ultra hızlı bir karar mekanizması sunar.
- **Sıfır Halüsinasyon:** Serbest metin yerine doğrudan kalibre edilmiş olasılıklar ürettiğinden JSON şema hatalarını ve uydurmaları tamamen engeller.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://huggingface.co/convaiinnovations/laya)

---

Bu konuyu derinlemesine öğrenmek isterseniz: [Modeller: Hangisi, Ne Zaman?](https://edumints.com/kesfet/google-ai-studio-kullanm-rehberi-joou) modülüne göz atın.

---

**Kaynak:** [hfmodels](https://huggingface.co/convaiinnovations/laya)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/convaiinnovationslaya-hugging-facete-one-cikan-model-bzc6f6ee