Erk-Linear

%20-lineer hibrit: Erk-14B'nin 40 dikkat katmanından 8'i, subquadratic bir lineer-dikkat mekanizmasına (Gated DeltaNet) damıtılmıştır. Kalan 32 katman softmax "çıpa" olarak korunur.

⚠️ Standart yükleme çalışmaz. Bu özel bir hibrit mimaridir (model_type: erk-linear-hybrid); AutoModelForCausalLM, pipeline, vLLM ve SGLang doğrudan çalışmaz. Yüklemek için aşağıdaki özel loader (modeling_erk_linear.py) ve flash-linear-attention gerekir.

Kod, protokol, teknik rapor: github.com/ecloudtechnology/erk-linear · Temel model: Qwen3-14B

Konumlandırma

Bu, sıfırdan bir mimari değil, güçlü bir açık modelin üzerinde bir mimari araştırmasıdır: Türkçe bir dil modelinin dikkatinin ne kadarının, kaliteyi ölçülebilir biçimde bozmadan lineerleştirilebileceğini haritalayan bir çalışma. Sonuç, dört modern hibritin (Qwen3-Next, Kimi Linear, Jamba, Zamba) izlediği yolun muhafazakâr, kalite-öncelikli bir örneğidir.

Sonuçlar (oracle vs %20-hibrit, aynı iç protokol, paired bootstrap %95 GA)

Değerlendirme	Erk (orijinal)	Erk-Linear	Fark	%95 GA
TurkishMMLU (held-out 750) ¹	%68,8	%68,1	−0,7	[−2,9 ; +1,7]
TurkMorfBench (morfoloji)	%54,3	%53,3	−1,0	[−3,9 ; +2,0]
NIAH geri-çağırma (≤4K)	%100	%100	±0	—
Perplexity (@512/@2048)	1,00×	1,03×	+%3	—

İki benchmark'ta (MMLU, morfoloji) fark istatistiksel olarak anlamlı değildir.

_{¹ TurkishMMLU, ko-eğitim checkpoint seçiminde kullanılan 150 sorunun hariç tutulduğu held-out 750 üzerinde raporlanır (seçim sızıntısı yok); tam 900'de fark −0,3'tür. Ham soru-bazlı tahminler repoda.}

Verimlilik: kısa-bağlam prefill'inde kazanç yoktur; uzun bağlamda KV-cache belleği azalır — 8 GDN katmanı sabit ~43 MB durum tuttuğu için net tasarruf bağlam uzadıkça %20'ye yaklaşır (4K'da −%14, 64K'da −%20 / ~2,1 GB; GDN durumu dahil ölçüldü). Ayrıntı: teknik rapor.

Kullanım

pip install torch transformers flash-linear-attention safetensors huggingface_hub

from modeling_erk_linear import load_erk_linear   # depodaki dosya
model, tokenizer = load_erk_linear()
ids = tokenizer("Türkiye'nin başkenti", return_tensors="pt").to(model.device)
print(tokenizer.decode(model.generate(**ids, max_new_tokens=20)[0], skip_special_tokens=True))

Loader Erk-14B tabanını ve 8 katmanın Gated DeltaNet ağırlıklarını indirip hibridi kurar. GDN sarmalayıcısı cache'li üretimde (use_cache=True) recurrent + convolution durumunu adımlar arası devreder; model.generate() çıktısı tam-yeniden-hesaplamayla sayısal gürültüye kadar aynıdır. Adımlar: GitHub deposu.

Sınırlamalar

• %20 lineer — muhafazakâr, kalite-öncelikli bir orandır (kayıpsıza-yakın sınır ~%22; ötesi kapasite duvarına çarpar).
• TurkishMMLU checkpoint'i 150 MMLU-probe sorusuyla seçildi; sonuç bu sorular hariç held-out 750'de raporlanır.
• Değerlendirme iki benchmark + iki kontrolle sınırlıdır; ≥16K uzun-bağlam geri-çağırma ve decode hızı gelecek iştir.
• Referans loader tek-dizi kullanım içindir (eş zamanlı/batch servis ayrı durum yönetimi gerektirir).
• Erk, Qwen3-14B üzerine kuruludur.

Lisans

Apache-2.0 (kod). Ağırlıklar temel modelin lisansına tabidir.

Teşekkür

Erk-Linear'ın geliştirme ve değerlendirme süreçleri, AI EDIH Türkiye projesi kapsamında tahsis edilen kaynaklarla İstanbul Teknik Üniversitesi Ulusal Yüksek Başarımlı Hesaplama Merkezi (UHeM) altyapısında yürütülmüştür. Değerli destekleri için UHeM ekibine ve AI EDIH Türkiye konsorsiyumuna teşekkür ederiz.