Context Window Dolunca Model Neyi “Unutuyor”?

“Model unuttu” şikâyeti çoğu zaman ağırlık unutması değil, girdi kesmedir. Bu yazı, dolu pencerede neyin kaybolduğunu anlatır.

Aşağıdaki bölümler, Context Window Dolunca Model Neyi “Unutuyor” sorusunu manşet dilinden çıkarıp mühendislik diline indirger. Amaç “kulağa hoş teknik kelime” yığmak değil; karar verirken hangi varsayımın kırıldığını görmenizi sağlamaktır.

Unutma türleri

Ağırlık unutması (catastrophic forgetting) ile context truncation farklıdır.

Pencere dışı token’lar bu adımda yoktur; KV’de de yoksa yok sayılır.

Ürün “hafıza” özelliği ayrı sistemdir: özet, vektör DB, profil store.

Bu mekanizmayı veya yöntemi izole kavram sanmak yaygın bir hatadır. Gerçek sistemlerde context window, bağlam penceresi, lost in the middle gibi başlıklar veri boru hattı, kayıp fonksiyonu, serving kısıtları ve eval tasarımıyla birlikte yaşar. Laboratuvar demosu ile üretim KPI’sı arasındaki uçurum çoğu zaman “algoritma bilmiyorduk”tan değil, bu birleşik sistemin tek bir satıra indirgenmesinden doğar.

Lost in the middle

Uzun bağlamda baş ve son bazen ortadan daha iyi kullanılır. İğne-samanlık eval’leri bunu ölçer.

RoPE ölçeği ve attention deseni bu davranışı etkiler.

Uzun context manşeti, orta kısmın kalitesini garanti etmez.

Ölçüm disiplini olmadan ilerlemek, özellikle bu konuda pahalıdır. Doğru sorular şunlardır: hangi metrik, hangi tutulmuş set, hangi maliyet, hangi hata maliyeti? Context window token limiti dolunca genelde en eski veya politikaya göre seçilen kısımlar düşer. Bu cümleyi ezberlemek yetmez; sisteminizde karşılığını enstrümante etmeniz gerekir.

Ne yapılmalı?

Özet bellek, RAG, öncelikli pin, uzun bağlam modelleri, kullanıcıya şeffaf limit.

Sistem prompt’unu şişirip kullanıcı içeriğini kesmeyin.

Model hatırlamıyor çünkü o token’lar artık girdi değil.

Son bir uyarı: popüler anlatım bu başlığı ya abartır ya da küçümser. Abartı “sihirli zekâ”; küçümseme “sadece toy örnek”tir. Gerçek, ikisinin arasındadır — ve Dil Modelleri bağlamında rekabet avantajı, abartıyı değil ölçülebilir takası yöneten ekiplerdedir.

Yaygın yanlışlar

Birinci yanlış, tek bir hiperparametre veya tek bir katmanla tüm hikâyeyi açıklamaktır. Context Window Dolunca Model Neyi “Unutuyor”? sorusu, çoğu zaman bir ailenin parçasıdır; komşu yazılarda kv cache nedir llm neden yavaş ve tokenization neden onemli ile birlikte okunmalıdır.

İkinci yanlış, demo başarısını üretim garantisi saymaktır. Offline skor yüksek, online KPI düşük olabilir. Üçüncü yanlış, güvenlik ve maliyet kısıtlarını “sonra bakarız” demektir; sonra bakmak genelde en pahalı bakıştır.

Uygulayıcı için kontrol listesi

1. Tanım: Bu yazıdaki ana iddiayı kendi sisteminizde bir cümleyle yeniden yazın — kopyalamayın, somutlaştırın.
2. Metrik: Başarıyı hangi sayı ile bileceksiniz? (doğruluk, gecikme, $, false positive, insan eval)
3. Taban çizgi: Model/yöntem yokken ne oluyor?
4. Hata modu: Bozulursa kim zarar görür, nasıl geri alırsınız?
5. Maliyet: Prefill/decode, eğitim adımı, edge güç veya rater saati — hangisi baskın?
6. Regresyon: Sonraki değişiklik eski yeteneği sessizce öldürür mü?

Bu liste “çerçeve kutusu” değildir; mühendislik borcunu erken görünür kılan soru setidir. Atlanırsa context window başlığı güzel sunum, kötü sistem üretir.

Truncation politikaları

FIFO (en eskiyi at), sliding window, özetleyerek sıkıştır, önemli mesajları pinle. Her politikanın kurbanı farklıdır. Sistem prompt’unu pin’lemezseniz model “kimliğini” kaybeder; kullanıcı mesajını keserseniz görev bozulur.

Özet bellek: eski turları kısa özete indir. Özet hatası kalıcı zehirlenmedir; periyodik yeniden özet ve kaynak diyaloga dönüş linki iyi pratiktir.

Kullanıcıya şeffaflık

“Hafızam doldu, erken mesajlar düşebilir” demek, sessiz hata yapmaktan iyidir. Ürün güveni, teknik limitin dürüstçe gösterilmesinden doğar.

Derinlemesine bağlama

Dolu pencere ağırlık unutması değil, girdi kesmedir. Bellek ürün özelliğidir. Truncation politikasını kullanıcıya ve metriğe bağlayın.

Sınırlar, ölçüm ve sahada kırılma noktaları

Context Window Dolunca Model Neyi “Unutuyor”? başlığını laboratuvar cümlesi olarak bırakmak kolay, üretim sistemine gömmek zordur. Kırılma genelde üç yerde olur. Birincisi dağılım kayması: eğitimde görülen veri ile sahadaki veri aynı aileden görünür ama yeterince kayar; skorlar düşer, özgüvenli yanlışlar artar. İkincisi metrik körlüğü: tek bir offline skor yükselirken gecikme, maliyet, false positive veya kullanıcı güveni bozulur. Üçüncüsü süreç eksikliği: model doğru sinyal üretir ama iş emrine, güvenlik zincirine veya insan onayına bağlanmadığı için rafta kalır.

Bu üç kırılmayı erken görmek için en az şu gözlem seti gerekir: tutulmuş eval, üretim proxy metrikleri, hata maliyeti senaryoları ve geri alma planı. “Daha büyük model / daha düşük loss / daha uzun bağlam” refleksleri bazen doğrudur; çoğu zaman ise yanlış yere gaz basmaktır. context window dolunca ne unutulur diliminde de aynı disiplin geçerlidir — kavramı bilmek, sistemi kurmak demek değildir.

Ayrıca komşu bileşenleri unutmayın. Tokenizer, position, attention, kayıp, decoding, cache ve güvenlik katmanı birbirine bağlıdır. Birini “hallettik” deyip diğerini rastgele bırakmak, özellikle ölçekte pahalı sürpriz üretir. İyi ekipler tek manşet mekanizmayı değil, uçtan uca boru hattını sahiplenir.

Ne zaman bu yaklaşımı seçmeli, ne zaman seçmemeli?

Seçmek için işaretler: problem yüksek boyutlu örüntü taşıyor, kural yazmak patlıyor, veri (veya log) var, hata tolere edilebilir veya insan/kural sarmalayıcı mevcut, maliyet/gecikme bütçesi net. Seçmemek için işaretler: sert emniyet fonksiyonu, sıfır hata toleransı ve kanıtlanabilir determinizm şartı, veri yokluğu, tek seferlik ucuz kuralın yetmesi, açıklanabilirlik regülasyonunun kara kutu engellemesi.

Gri alanda hibrit kazandır: öğrenen model skorlar ve önceliklendirir; deterministik sınırlar ve insan onayı devreye girer. Bu cümle endüstriyel AI için olduğu kadar LLM ürünleri için de geçerlidir — tool-use ve RAG da bir tür “dış kural ve dış bellek” sarmalayıcısıdır. Context Window Dolunca Model Neyi “Unutuyor”? özelinde de soru aynıdır: bu mekanizma hangi riski azaltıyor, hangi yeni riski açıyor, kim onaylıyor?

Sonuç

Dolu pencere o anki girdi dışı diyalogu siler. Bellek ürün özelliğidir, sihir değil.

Daha derin okuma için aynı arşivde attention, eğitim dinamiği, çıkarım ve endüstriyel güvenlik yazıları birbirine bağlanmıştır. Tek haber “yeterli bilgi” değil; sistemin bir dilimini netleştirme aracıdır — ve Context Window Dolunca Model Neyi “Unutuyor” dilimi, modern yapay zekânın en çok yanlış anlatılan parçalarından biridir.