---
title: "firelex/jeff — Sıfır Örnekli Sınıflandırma İçin Qwen ve Gemma İnce Ayarları"
url: https://blog.edumints.com/firelexjeff-sifir-ornekli-siniflandirma-icin-qwen-ve-gemma-i-ax4vr1bv
category: "LLM"
date: 2026-09-30T07:15:22.904Z
publisher: Edumints Blog
lang: tr-TR
source_name: "GitHub"
source_url: https://github.com/firelex/jeff
---

# firelex/jeff — Sıfır Örnekli Sınıflandırma İçin Qwen ve Gemma İnce Ayarları

## firelex/jeff Nedir ve Neden Popüler?
**firelex/jeff**, günümüzün en popüler açık kaynaklı modelleri arasında yer alan **Qwen** ve **Gemma** ailelerini sıfır örnekli metin sınıflandırma (zero-shot classification) görevleri için optimize eden açık kaynaklı bir Python kütüphanesi ve model koleksiyonudur. 1100'ün üzerinde GitHub yıldızına ve 46 fork'a ulaşan proje, geliştiricilerin herhangi bir etiketli eğitim verisine gerek duymadan metinleri anlık olarak sınıflandırmasına imkân tanır.

Geleneksel makine öğrenmesi iş akışlarında metin sınıflandırma; binlerce örneğin elle etiketlenmesini, dengeli veri kümeleri oluşturulmasını ve zaman alıcı model eğitimi süreçlerini gerektirir. **jeff**, modern açık ağırlıklı LLM'lerin derin dil kavrayışını doğal dil çıkarımı (NLI) ve sınıflandırma hedefleri doğrultusunda ince ayar (fine-tuning) yaparak bu bariyeri tamamen ortadan kaldırır. Kullanıcılar yalnızca metni ve istedikleri sınıf isimlerini belirterek doğrudan yüksek doğruluklu sonuçlar alabilirler.

## Geliştiricilere Sağladığı Değer ve Öne Çıkan Özellikler
Proje, metin işleme ve yapay zeka tabanlı operasyonlar yürüten yazılımcılara önemli avantajlar sağlar:
- **Eğitim İhtiyacını Ortadan Kaldırır:** Yeni bir etiket kümesi tanımlandığında yeniden model eğitmek gerekmez; etiketler çalışma anında dinamik olarak verilir.
- **Yerel ve Güvenli Dağıtım:** Verilerinizi tescilli bulut API'larına göndermeden, yerel sunucularda veya şirket içi donanımlarda tam veri gizliliğiyle çalıştırabilirsiniz.
- **Kaynak Verimliliği ve Esneklik:** Optimize edilmiş mimarisi sayesinde vLLM, Transformers veya kuantize edilmiş formatlar üzerinden verimli çıkarım (inference) yapılmasını destekler.
- **Gelişmiş Çok Dilli Yetenek:** Qwen ve Gemma mimarilerinin güçlü çok dilli altyapısı sayesinde Türkçe dahil birçok dilde tutarlı sınıflandırma başarısı sergiler.

## Pratik Kullanım Örneği
Aşağıdaki örnekte, müşteri destek bildirimlerinin serbest etiketlerle nasıl anlık olarak sınıflandırılabileceği gösterilmektedir:

```python
from jeff import ZeroShotClassifier

# İnce ayarlı sınıflandırma modelini başlatma
classifier = ZeroShotClassifier.from_pretrained("firelex/jeff-qwen-classifier")

# Analiz edilecek metin ve serbest sınıf etiketleri
metin = "Siparişim üç gündür kargoya verilmedi, acil iptal ve para iadesi talep ediyorum."
aday_etiketler = ["kargo_gecikmesi", "para_iadesi", "teknik_ariza", "uyelik_islemleri"]

# Sıfır örnekli çıkarım gerçekleştirme
sonuc = classifier.predict(metin, candidate_labels=aday_etiketler)

print(f"En Olası Sınıf: {sonuc['top_label']}")
print(f"Güven Skoru: {sonuc['confidence']:.4f}")
```

## Benzer Araçlarla Karşılaştırma
- **BART-Large-MNLI ve RoBERTa:** Doğal dil çıkarımı tabanlı klasik modeller uzun yıllardır zero-shot için kullanılmaktadır; ancak sınırlı bağlam pencereleri ve zayıf çok dilli kabiliyetleri nedeniyle modern karmaşık metinlerde `jeff`'in Qwen/Gemma modellerine göre geride kalırlar.
- **Tescilli LLM API'ları (OpenAI GPT-4o, Claude):** Büyük tescilli modellere istem yazarak sınıflandırma yapmak mümkündür; fakat `jeff`, özel olarak sınıflandırmaya ayarlanmış yapısıyla belirgin şekilde daha düşük gecikme süresi, deterministik çıktılar ve çok daha düşük operasyonel maliyet sağlar.
- **SetFit ve Gömme (Embedding) Yaklaşımları:** SetFit gibi az örnekli (few-shot) yöntemler sınıf başına en az birkaç örnek veri gerektirirken, `jeff` hiçbir örnek veri gerektirmeden anında sonuç üretir.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://github.com/firelex/jeff)

---

**Kaynak:** [GitHub](https://github.com/firelex/jeff)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/firelexjeff-sifir-ornekli-siniflandirma-icin-qwen-ve-gemma-i-ax4vr1bv