Görsellerde Tip Güvenliği

📰 Hikayesi ve Doğuşu

Bağımsız geliştirici bykof, yapılandırılmış metin sorgulama aracı Jev'in felsefesini incelerken kritik bir boşluğu fark etti: Neden benzer bir tip güvenliği ve yapılandırılmış çıktı disiplini görseller için de geçerli olmasın? Günümüz multimodal modelleri bir görsel hakkında karar verirken uzun serbest metinler üretiyor, JSON şemalarına uymakta zorlanıyor ve yüksek çıkarım süreleriyle maliyet yaratıyor. Peekaboolean, geliştiricilerin bir görüntü hakkında yalnızca net, tipli (typed) sorular sorması ve doğrudan kalibre edilmiş olasılıklarla somut cevaplar alması amacıyla hayata geçirildi.

⚡ Nasıl Çalışıyor & Mimari Detaylar

Peekaboolean'in omurgasında SmolVLM-500M-Instruct yer alıyor. Görsel kulesi dondurulan modelin sadece dil katmanına LoRA adaptörü uygulandı. Eğitimi ise Qwen3-VL-30B-A3B öğretmen modelinden damıtılarak (distillation) ve açık kaynak VQA veri setleriyle tamamlandı. Sistemin en yenilikçi tarafı, klasik metin üretimi (autoregressive decoding) yapmamasıdır. Girdi görseli tek bir geçişte encode edilip KV önbelleğine alınır; ardından sunulan her seçenek için modelin içindeki logit(Yes) − logit(No) skoru hesaplanır. Bu sayede model yalnızca üç soru tipini çözer: choice (çoktan seçmeli), score (dereceli değerlendirme/rubric) ve noul (evet/hayır olasılığı). Apple M1 Pro üzerinde 6 soruluk (28 seçenekli) bir istek 400 ms sürerken, masaüstü GPU'larda bu süre 60 ms'ye kadar inmektedir.

💡 Neden Radarımıza Girdi?

Üretim ortamında görsel modelleri kullanırken karşılaşılan en büyük handikap determinizm eksikliği ve gecikmedir. Peekaboolean, serbest metin halüsinasyonlarını mimari seviyede engelleyerek görsel sınıflandırma, belge filtreleme ve görüntü kalitesi denetimini saf bir olasılık motoruna dönüştürüyor. Modelin daha önce hiç görmediği bir değerlendirme cetvelini dahi tanımlanan kriterlere göre anında puanlayabilmesi, 500M gibi kompakt bir parametre boyutuyla uç cihazlarda bile dev modellerin işlevini görebileceğini kanıtlıyor.

🚀 Nasıl Denenir & Kaynaklar

Proje Python 3.13 ve modern paket yöneticisi uv ile hızlıca ayağa kaldırılabiliyor. GitHub deposu klonlandıktan sonra yayımlanan v0.1.0 adaptör ağırlıkları indirilerek MPS (Apple Silicon), CUDA veya CPU üzerinde doğrudan çalıştırılabiliyor. Kullanıcılar bir JSON istek dosyası içerisinde görüntüye dair kriterlerini, soru tiplerini ve seçenekleri belirterek milisaniyeler içinde kalibre edilmiş doğruluk yüzdeleri alabiliyor.