Tether’ın araştırma birimi, yapay zeka dünyasına üzerinde çalışılacak çok daha fazla ödev verdi. Tether AI Research tarafından yayımlanan QVAC Genesis III veri kümesi, daha küçük yapay zeka modellerine yalnızca cevapları üretmeyi değil, aynı zamanda o cevaplara nasıl ulaştıklarını açıklamayı öğretmek için tasarlanmış 191,43 milyar STEM belirteci (token) içeriyor. Makine öğrenimi araştırmalarından çok stablecoin’lerle tanınan bir şirket için dikkat çekici bir hamle ve dev bulut veri merkezleri yerine yerel olarak çalışan yapay zekaya yönelik daha geniş bir bahis anlamına geliyor.
İçindekiler
Öne çıkan noktalar
- Tether AI Research, 19 STEM alanına yayılan 159,6 milyon doküman içeren, 191,43 milyar belirteçlik sentetik veri kümesi QVAC Genesis III’ü yayımladı.
- Veri kümesi, modellerin yalnızca nihai cevapları vermesini değil, hataları ve doğru alternatifleri de açıklamasını öğretmek için Failure Analysis (Hata Analizi) ve Option-Level Reasoning (Seçenek Düzeyi Akıl Yürütme) adlı iki eğitim yöntemini kullanıyor.
- Option-Level verisiyle eğitilen 1,7 milyar parametreli bir model, kıyaslama testlerinde %99,45 geçerli cevap oranına ulaştı.
- Genesis III, Cosmopedia-v2 veri kümesiyle eğitilen modellere kıyasla ARC-Easy’de performansı 28,57 yüzde puana, ARC-Challenge’da ise 21,35 puana kadar artırdı.
- Araştırma makalesi, 2026 Dil Modellemesi Konferansı’nda (COLM) sunulmak üzere kabul edildi.
Tether, STEM Yapay Zeka Eğitimini İlerletmek İçin QVAC Genesis III’ü Yayımladı
QVAC Genesis III veri kümesinin temel fikri söylemesi basit ama uygulaması zor: Daha küçük yapay zeka modelleri, yalnızca doğru cevapları değil, akıl yürütmeyi de gösteren verilerle eğitilirlerse bilim ve matematik problemlerinde daha iyi performans gösterebilir. Tether AI Research, bu açığı kapatmak için veri kümesini özellikle, büyük bulut altyapısına bağımlı olmak yerine nihayetinde sıradan cihazlarda çalışabilecek modelleri hedefleyerek oluşturdu.
Sentetik Veri Kümesi STEM Kapsamını Genişletiyor
Genesis III bir anda ortaya çıkmadı. Doğrudan, 24 Ekim 2025’te yayımlanan Genesis I ve 22 Aralık 2025’te gelen Genesis II adlı iki önceki sürümün üzerine inşa edildi. Crypto Briefing’in aktardığı rakamlara göre Genesis I yaklaşık 41 milyar belirteç içeriyordu ve Genesis II bunu yaklaşık 148 milyara ölçeklendirdi. Genesis III, toplam külliyatı 159,6 milyon dokümana yayılmış 191,43 milyar belirtece çıkararak bir yılın altında kayda değer bir ölçek artışı sağlıyor.
Veri kümesi, lise, üniversite ve profesyonel seviye materyalleri kapsayan, müfredata uyumlu 19 STEM alanına yayılıyor. Buna biyoloji, kimya, fizik, matematik, bilgisayar bilimi, tıp, astronomi, elektrik mühendisliği, istatistik ve makine öğrenimi de dahil. Bu genişlik önemli, çünkü teoride aynı veri kümesi, bir an fizik problemi çözen, bir sonraki an ise kodlama sorusunu ele alan bir yapay zeka eğitmeni eğitmek için kullanılabilir.
Konferans Sunumu ve Tanınırlık
Genesis III’ün arkasındaki çalışma şimdiden akademik bir eşiği geçti. 2026 Dil Modellemesi Konferansı’nda (COLM) sunulmak üzere kabul edilen veri kümesini detaylandıran makale, Tether AI Research’ün sahnede diğer dil modeli araştırmacılarına katılmasını sağlayacak. Crypto Briefing ayrıca, yayımla birlikte gelen bir araştırma makalesinin 17 Eylül 2026’da arXiv’e gönderildiğini, böylece dışarıdaki araştırmacılara iddiaları bağımsız olarak kontrol etme imkânı tanındığını bildirdi.
Bu neden önemli? COLM gibi akademik bir ortamda meslektaş görünürlüğü, veri kümesine tipik bir kurumsal ürün lansmanının görmediği bir inceleme katmanı kazandırıyor ve Tether’ın Genesis III’ü ticari bir araç kadar bir araştırma katkısı olarak da konumlandırdığını gösteriyor.
Yapay Zekaya Akıl Yürütme ve Açıklama Öğreten Yenilikçi Eğitim Yöntemleri
QVAC Genesis III veri kümesini tipik bir soru-cevap eğitim setinden ayıran şey, hem hataları hem de doğru cevapları ele alış biçimi. Bir soruyu yalnızca doğru bir cevapla eşleştirmek yerine, veri kümesi her problemden daha fazla öğrenme çıkarmayı amaçlayan iki tekniğin etrafında inşa edilmiş.
Failure Analysis ve Option-Level Reasoning Teknikleri
Failure Analysis (Hata Analizi) adı verilen ilk yöntem, daha küçük bir “öğrenci” modelin hatalarını taze eğitim materyaline dönüştürüyor. Daha yetenekli bir öğretmen model, öğrencinin akıl yürütmesinin nerede bozulduğunu inceliyor, hatanın arkasındaki yanlış anlamayı açıklıyor ve ardından doğru çözümü adım adım ortaya koyuyor.
İkinci yöntem olan Option-Level Reasoning (Seçenek Düzeyi Akıl Yürütme) ise öğrenci modelin zaten doğru cevapladığı sorular üzerinde çalışıyor. Burada öğretmen model, seçilen cevabın neden doğru olduğunu açıklamakla kalmıyor, diğer tüm makul seçeneklerin neden yanlış olduğunu da anlatıyor. Crypto Briefing, bu birleşik yaklaşımı, daha zayıf bir modelin hem başarılarının hem de başarısızlıklarının farklı şekillerde öğretim materyaline dönüştüğü “çift öğretmen-destilasyon stratejisi” olarak tanımladı.
Modeller Cevapların Ötesinde Açıklama Yapmayı Öğreniyor
Bu iki yöntem birlikte, modellerin geleneksel eğitim verilerinin sıklıkla atladığı bir şeyi öğrenmesini hedefliyor: Yalnızca doğru çıktıyı üreten kalıpları ezberlemek yerine, hatalı akıl yürütmeyi tanımayı ve düzeltmeyi. Bu ayrım, Tether’ın yayımlamayı nasıl çerçevelediğinin merkezinde yer alıyor.
“Yapay zeka endüstrisinin büyük kısmı, modelleri büyütmeye ve onlara daha fazla hesaplama gücü vermeye odaklandı. Genesis III, bunun yerine daha küçük modellerin öğrendiği veriyi iyileştirmeye odaklandığınızda neler olabileceğini gösteriyor,” diyor Tether CEO’su Paolo Ardoino. “STEM için bu, bir modele yalnızca nihai cevabı öğretmekten fazlasını ifade ediyor. Ona bir şeyin neden doğru olduğunu, akıl yürütmenin nerede yanlış gittiğini ve bunun nasıl düzeltileceğini öğretmek anlamına geliyor. Amaç, faydalı yapay zekayı büyük bulut altyapısından insanların hâlihazırda sahip olduğu cihazlara taşımak.”
Performans Artışları ve Daha Küçük, Yerel Yapay Zeka Modellerinin Faydaları
Tether’ın testlerinden çıkan başlıca sonuç, QVAC Genesis III veri kümesiyle eğitilen modellerin, STEM akıl yürütme kıyaslamalarında karşılaştırılabilir açık kaynak eğitim verilerini geride bırakması ve bunu bağımsız araştırmacıların dikkatini çekecek kadar geniş bir farkla yapması.
Diğer Veri Kümelerine Karşı Kıyaslama Üstünlüğü
Option-Level verisiyle eğitilen 1,7 milyar parametreli bir model, kıyaslama yanıtlarının %99,45‘inde geçerli cevaplar üretti. Cosmopedia-v2 ile eğitilmiş, belirteç sayısı eşleştirilmiş bir modelle karşılaştırıldığında Genesis III, ARC-Easy kıyaslamasında performansı 28,57 yüzde puan, ARC-Challenge’da 21,35 puan ve MMLU STEM’de 15,03 puan artırdı. Crypto Briefing ayrıca, veri kümesinin etkinliğini destekleyen GPQA Diamond ve ek MMLU STEM alt kümeleri üzerinde yapılan ek değerlendirmelere de dikkat çekti. Genesis III ile önceden eğitilmiş modelin, test edilen kıyaslamalar genelinde, ekstra matematik ve kod verisiyle eğitilmiş daha büyük bir model olan Cosmo-1B’yi de geride bıraktığı bildirildi.
Bu rakamlar önemli, çünkü yapay zeka geliştirmede yaygın bir varsayıma meydan okuyor: Daha fazla hesaplama gücüne sahip daha büyük modellerin, daha iyi performansa giden tek yol olduğu düşüncesine. Burada, nispeten küçük 1,7 milyar parametreli bir model, yalnızca nasıl eğitildiği sayesinde daha büyük sistemlerle başa baş gidiyor ya da onları geride bırakıyor.
Yerel Yapay Zeka Mahremiyet ve Bağlantı Avantajları Sağlıyor
Bu daha küçük modeller uzak sunuculara bağımlı olmak yerine yerel olarak çalışabildiği için, Genesis III’ten oluşturulan araçlar, internet bağlantısının sınırlı olduğu veya mahremiyetin endişe kaynağı olduğu okullarda ve topluluklarda kullanılabilir. Araştırmacılar ve profesyoneller için aynı yaklaşım, hassas soruları sürekli olarak harici bir sunucuya göndermeden çalışan, uzmanlaşmış teknik asistanları da destekleyebilir.
Crypto Briefing’e göre veri kümesi, qvac/GenesisIII tanımlayıcısı altında, Creative Commons CC-BY-NC 4.0 lisansı ile Hugging Face üzerinde ücretsiz olarak sunuluyor; bu da üzerine inşa etmek isteyen her araştırmacı veya geliştirici için maliyetsiz erişim sağlıyor. Bu dağıtım tercihi, QVAC’ın Yerel Yapay Zeka ve merkeziyetsiz uyarlanabilir zeka sistemlerini teşvik etme yönündeki beyan edilmiş misyonuyla uyumlu; bu yaklaşım, kurumsal veri merkezlerinde yoğunlaşma yerine bireysel cihazlarda çalışan yapay zekayı tercih ediyor.
Bu durum, daha geniş yapay zeka ortamı için de önemli. Eğer daha küçük ve daha ucuz modeller, özel STEM görevlerinde gerçekten daha büyük, buluta bağımlı sistemlerle rekabet edebiliyorsa, yapay zeka geliştirmedeki rekabet baskısının bir kısmı ham hesaplama ölçeğinden veri kalitesi ve eğitim metodolojisine kayabilir; Ardoino, yayımla ilgili yorumlarında bu argümanı doğrudan dile getiriyor.
SSS
QVAC Genesis III nedir?
QVAC Genesis III, Tether AI Research tarafından daha küçük yapay zeka modellerini STEM akıl yürütmesi için eğitmek amacıyla yayımlanan, 191,43 milyar belirteçlik sentetik bir veri kümesidir.
QVAC Genesis III, STEM için yapay zeka eğitimini nasıl iyileştiriyor?
Yapay zeka modellerine yalnızca cevapların ötesinde açıklamalar öğretmek, akıl yürütme ve düzeltme yeteneklerini geliştirmek için Failure Analysis (Hata Analizi) ve Option-Level Reasoning (Seçenek Düzeyi Akıl Yürütme) yöntemlerini kullanır.
Genesis III ile eğitilen daha küçük modeller ne gibi faydalar sunuyor?
Yerel olarak çalışabilirler; bu da mahremiyet sağlar, bağlantı sorunları yaşayan ortamlarda erişilebilirliği artırır ve büyük bulut altyapısına olan bağımlılığı azaltır.
Genesis III hangi STEM alanlarını kapsıyor?
Genesis III, biyoloji, kimya, fizik, matematik, bilgisayar bilimi ve tıp da dahil olmak üzere 19 STEM müfredat alanına yayılmaktadır.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”QVAC Genesis III nedir?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”QVAC Genesis III, Tether AI Research tarafından daha küçük yapay zeka modellerini STEM akıl yürütmesi için eğitmek amacıyla yayımlanan, 191,43 milyar belirteçlik sentetik bir veri kümesidir.”}},{“@type”:”Question”,”name”:”QVAC Genesis III, STEM için yapay zeka eğitimini nasıl iyileştiriyor?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Yapay zeka modellerine yalnızca cevapların ötesinde açıklamalar öğretmek, akıl yürütme ve düzeltme yeteneklerini geliştirmek için Failure Analysis (Hata Analizi) ve Option-Level Reasoning (Seçenek Düzeyi Akıl Yürütme) yöntemlerini kullanır.”}},{“@type”:”Question”,”name”:”Genesis III ile eğitilen daha küçük modeller ne gibi faydalar sunuyor?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Yerel olarak çalışabilirler; bu da mahremiyet sağlar, bağlantı sorunları yaşayan ortamlarda erişilebilirliği artırır ve büyük bulut altyapısına olan bağımlılığı azaltır.”}},{“@type”:”Question”,”name”:”Genesis III hangi STEM alanlarını kapsıyor?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Genesis III, biyoloji, kimya, fizik, matematik, bilgisayar bilimi ve tıp da dahil olmak üzere 19 STEM müfredat alanına yayılmaktadır.”}}]}
Yapay zeka desteğiyle hazırlanmış ve editör ekibi tarafından gözden geçirilmiştir.




