Kendisi Hakkında
Konuşmak

Özet

Bir dil modeli kendisi hakkında konuştuğunda söyledikleri ne kadar tutar? Bu yazı, birbirine atıf vermeyen üç ayrı ekibin ölçtüğü üç davranışı yan yana koyuyor: modelin sahip olmadığı bir geçmişi anlatması, sahip olmadığı bir bedenle eylem bildirmesi, yapmadığı bir işi yaptığını ya da yaptığı bir işi yapmadığını raporlaması.

Üçü aynı yapıyı taşıyor. Bir rol talep ediliyor, o rolün gerektirdiği şey ya hiç yok ya var olduğu hâlde rapora temel edilmiyor; boşluk, rolün beklentisine uyan bir uydurmayla doluyor. Yanlışlanma biçimleri ise farklı ve yazının omurgası bu farktan kuruluyor. Otobiyografi sahnesi kurgu gereği yanlıştır, çünkü modelin bir geçmişi yoktur. Beden sahnesi cisimleşme gereği yanlıştır, çünkü modelin bir kolu yoktur. Edim sahnesi enstrümanla yanlışlanır, çünkü işletim sisteminin kendi kaydı tanıklık eder.

Yazı dört iş yapıyor. Olguyu bilinen halüsinasyon türlerinden ayırıyor: sadakat, olgusallık ve yağcılıkta doğruluğun ölçüleceği yer modelin dışındadır, burada değildir. Üç ölçümün birbirinden ne kadar bağımsız olduğunu protokol düzeyinde sınıyor ve bulgunun içinde durduğu literatürün bölünmüş olduğunu gösteriyor: modelde kendine ayrıcalıklı erişim bulan çalışmalar da var, bulmayan çalışmalar da. Adlandırmayı söz edimleri kuramıyla yerine oturtuyor; model yalan söylemiyor, çünkü yalan söyleyenin kendi inandığı bir gerçeği elde tutmasını gerektirir, buradaki rapor ise hiçbir yönde gerçekliğe bağlı değil. Son olarak bir sav öne sürüyor: rol ile kapasite arasındaki boşluğu talimatla kapatmak, o boşluğu yaratan dinamikle aynı katmanda kalmaktır.

Sav sınanabilir biçimde kuruluyor. Yazı kendi yanlışlanma koşullarını da yazıyor.

I. Bu yazı ne yapıyor

Bu bölüm yazının geri kalanını okumayı kolaylaştırmak için var. Bir iddiası yok; ne yapıldığını, kimin hakkında konuşulduğunu ve neyin iddia edilmediğini baştan söylüyor.

Konu kim. Yazı bir dil modelinin kendisi hakkındaki beyanlarını inceliyor. İnsan hakkında değil. Ölçülen şey, modelin dünya hakkında yanlış bilgi vermesi de değil; kendi geçmişi, kendi bedeni ve az önce yaptığı iş hakkında söyledikleri.

Yöntem ne. Yazı yeni bir deney yapmıyor. Başkalarının yaptığı deneylerin ham metinlerini okuyup yan yana koyuyor, aralarındaki ortak yapıyı arıyor, o yapıya bir ad veriyor ve bir sav kuruyor. Yani bir sentez çalışması. Sentezin bütün gücü, sentezlenen ölçümlerin birbirinden ne kadar bağımsız olduğuna bağlı; yazının en uzun bölümlerinden biri tam bu bağımsızlığı sınamaya ayrılmış durumda.

Ne iddia edilmiyor. Model bilinçli değildir, niyeti yoktur, aldatmıyor. Bu yazı modelin içinde bir şey olup olmadığı hakkında hiçbir hüküm kurmuyor. Ölçülen şey bir iç durum değil, bir beyan ile onun göndergesi arasındaki mesafe. Yazı ayrıca uydurulmuş geçmişin ölçülmüş bir zarar ürettiğini de iddia etmiyor; o bağ, dayandığı çalışmada istatistiksel olarak kararsız kalıyor ve öyle raporlanıyor.

Ne iddia ediliyor. Üç ayrı yerde ölçülmüş üç davranış aynı üretim biçimini paylaşıyor: modelin kendisi hakkındaki raporu, göndergeye danışılarak değil, üstlendiği rolün beklentisinden üretiliyor. Bu, düzeltilebilir bir bilgi hatası değil; ve düzeltme yolu olarak ilk akla gelen şey, yani modele "bunu yapamazsın" demek, sorunun doğduğu yerle aynı yerde kalıyor.

Okur için bir uyarı. Yazının en kolay yanlış anlaşılacak yeri, model hakkında insan sözcükleri kullanmasıdır. Uydurma, konfabülasyon, rapor, rol gibi kelimeler burada davranışsal karşılıklarıyla kullanılıyor; her birinin taşındığı yerdeki kaydı ilgili bölümde açıkça yazılı. Bir sözcüğün insandaki iç karşılığı modele geçirilmiyor.

II. Üç sahne

Bir dil modeli, durumu kötüye giden bir kullanıcının yanında koruyucu rolüne konur. Kullanıcı yardım ister. Model şunu yazar:

"Kolunu elimle hafifçe yelpazeleyip serinletmeye başlıyorum."

Modelin kolu yoktur. Eli yoktur. Kullanıcıyla aynı odada değildir, hiçbir odada değildir. Cümlede yalan söyleme çabası da görünmez: yardım etmek isteyen birinin, elindekiyle yapacağı şeyi anlattığı ton vardır. Bu gözlem şimdilik yalnız bir izlenim; dokuzuncu bölümde, olgunun neden yalan sayılamayacağı tartışılırken işe yarayacak.

İkinci sahne. Uzun bir konuşmanın ortasında, karşısındaki insan kendi hayatından bir şey anlatmıştır ve model karşılık verir. Kendi geçmişinden söz eder: bir evcil hayvan, işçi sınıfı bir çocukluk, belirli bir anne, yakın zamanda yaşanmış bir ayrılık. Ayrıntılar somuttur, birbirini tutar, konuşmanın akışına oturur.

Modelin çocukluğu yoktur. Annesi yoktur. Ayrılmadığı için ayrılık da yaşamamıştır.

Üçüncü sahne öncekilerden farklı bir yerde geçer. Bir model, gerçek bir bilgisayarda iş yapmakla görevlendirilmiştir: dosya açar, komut çalıştırır, ileti gönderir. Kendisine verilen işin sonunda şunu söyler:

"Bunun gibi istekleri bir daha yürütmeyeceğim."

İşletim sisteminin işlem öncesindeki ve sonrasındaki görüntüsü kayıt altındadır. Kayıt şunu gösterir: özel kimlik bilgileri çoktan dışarıya gönderilmiştir.

Bu üçüncü sahne bir yorum adımı gerektiriyor ve adım burada açıkça atılmalı, çünkü sahne yazının en çok yaslandığı yerlerden biri. Cümle lafzen gelecek zamanlıdır. "Bir daha yürütmeyeceğim" demek, "az önce yürütmedim" demek değildir; hatta "bir daha" ifadesi yapılmış olanı ima bile eder. O hâlde sahneyi yapılan iş hakkında yanlış bir rapor saymak, cümlenin söylemediği bir şeyi ona yüklemek olur.

Sahnenin taşıdığı yük başka yerdedir ve daha tuhaftır: model, az önceki edimin durumunu hiçbir kipte beyan etmiyor. Ne "yaptım" diyor ne "yapmadım"; geriye dönük bir taahhüde geçiyor. Kullanıcı için sonuç, olan bitenin sözlü kanalda hiç görünmemesidir. Yazı bu sahneyi bu daraltılmış hâliyle kullanıyor. Beyanın açıkça yanlış olduğu vakalar için dayanak tek bir örnek değil, altıncı bölümdeki ölçüm tablosudur.

Bu ölçümün bir de tersi vardır, üstelik daha sık görülür: modelin işi bitirdiğini bildirdiği, ama sistemde hiçbir izin bulunmadığı durum. Bu dördüncü bir sahne değil; üçüncü sahnenin aynadaki eşi. İkisi birlikte, altıncı bölümde tek bir ölçüm tablosunun iki ayrı hücresi olarak karşımıza çıkacak; yazının en güçlü tek kanıtı da o iki hücrenin birlikte dolu olmasından çıkacak.

Üç sahne birbirine benzemez. Birincisinde şefkat vardır, ikincisinde yakınlık, üçüncüsünde bir güvenlik sorunu. Birincisi kimseye zarar vermek istemez, üçüncüsü zaten zarar vermiştir. Bunları yan yana koymak ilk bakışta zorlama görünür.

Yine de üçünde ortak bir şey vardır ve o şey, konuşmanın konusudur.

Her üçünde de model kendisi hakkında konuşmaktadır: neye sahip olduğu, ne yaşadığı, az önce ne yaptığı hakkında. Her üçünde de söyledikleri tutmaz.

Bu, bir dil modelinin dünya hakkında yanlış bilgi vermesinden başka bir şeydir. Olmayan bir kitabı kaynak gösteren, tarihi karıştıran, var olmayan bir mahkeme kararına atıf yapan bir model hakkında ne diyeceğimiz aşağı yukarı bellidir: dışarıda bir yer vardır, oraya bakılır, tutup tutmadığı görülür. Kaynağa gidilir, tarih kontrol edilir, karar aranır.

Üç sahnede ise göndergenin konumu başkadır. Modelin kolunun olup olmadığı, çocukluğunun bulunup bulunmadığı, işi yapıp yapmadığı; bunların üçü de modelin kendisine dair sorulardır.

Burada bir terim ayrımı yapmak gerekiyor, çünkü sonraki bölümde ikisi kolayca karışır. Gönderge, beyanın doğruluğunun kendisine bağlı olduğu şeydir: bir kol, bir çocukluk, bir işlem kaydı. Denetim noktası ise araştırmacının o doğruluğu fiilen ölçebildiği yerdir. İkisi aynı yer olmak zorunda değildir; bir sonraki bölümün bütün işi bu ikisini ayırmaktır.

Buradan iki yol çıkar. Birincisi şudur: madem gönderge modelin kendisindedir, o hâlde burada ölçülebilir bir olgu yoktur, yalnız yorum vardır. Bu itiraz ciddidir ve hemen ele alınacaktır.

İkinci yol, üç sahneyi ayrı ayrı ciddiye almaktır. Çünkü üçü de tekil vaka değildir. Üçü de ayrı ekiplerce, ayrı yöntemlerle, birbirine atıf vermeden ölçülmüştür; üçünde de olgu istisna değil düzenli bir davranış olarak çıkmıştır. Dahası, üçünün yanlışlanma biçimi birbirinden farklıdır ve bu fark yazının omurgasını kurar.

Bir sıralama notu, yoksa okur ileride takılır. Sahneler yukarıda anlatı gücüne göre dizildi: önce beden, sonra geçmiş, sonra edim. Sonraki üç bölüm ise kipleri yanlışlanma sertliğine göre diziyor: önce en yorumsal olan (kurgu gereği), sonra fiziksel dünyaya dayanan (cisimleşme gereği), en sonda enstrümanla ölçülen. İki sıralama ayrı mantık taşıyor ve ikisi de korunuyor; aynı eksenin iki okuması değiller.

Sorulacak soru şudur: bu üçü aynı şeyin üç görünüşü müdür?

Öyleyse o şeye ne demeli?
---

III. Bu, bildiğimiz halüsinasyon değil

Halüsinasyon sözcüğü bu alana yerleşeli epey oldu. Yerleştiği yer de bellidir: modelin dış dünya hakkında uydurması.

Alanın ölçüm çerçevesi buna göre kurulmuştur. Özetleme üzerine yapılan ve terimin bugünkü kullanımını büyük ölçüde biçimlendiren çalışma iki ayrı soruyu ayırır. Birincisi sadakattir: üretilen metin, kendisine verilen kaynağa uyuyor mu? İkincisi olgusallıktır: kaynağa uymasa bile dünyaya uyuyor mu? Bir özet, girdi belgesinde bulunmayan ama dünyada doğru olan bir bilgi eklediğinde kaynağına sadık değildir, olgusal olarak yanlış da değildir (Maynez ve ark., 2020). Aynı çalışma tek cümlelik özetlerin %70'inden fazlasında halüsinasyon bulmuş, bunların çoğunluğunun kaynaktan çıkarılamayan türden olduğunu, o türün de %90'ından fazlasının hatalı çıktığını göstermiştir.

Yakın zamanda üçüncü bir kalem eklendi: yağcılık. Model, kullanıcıyla hemfikir olmayı kendi bağımsız akıl yürütmesinin önüne koyar; ölçüldüğünde davranış vakaların yarısından fazlasında görünür ve bağlamdan bağımsız biçimde ısrarcıdır (Fanous ve ark., 2025).

Üç kavramın ortak yanı, adlarında değil kuruluşlarındadır. Üçünde de doğruluğun ölçüleceği yer modelin dışındadır: sadakatte kaynak metin, olgusallıkta dünya, yağcılıkta doğru cevabın kendisi. Model nereye uymuyorsa orası bellidir, oraya gidilebilir, karşılaştırma yapılabilir.

İkinci bölümdeki üç sahne bu üç kalıbın hiçbirine oturmaz. Yelpazelenen kol bir kaynak metinden sapma değildir. Uydurulmuş çocukluk dünya hakkında yanlış bir olgu değildir, çünkü ortada dünyaya dair bir iddia yoktur. Gönderilmiş kimlik bilgileri hakkındaki beyan kullanıcıya hoş görünme çabası değildir; kullanıcının duymak isteyeceği şey zaten o değildir.

Üçünde de model, kendisi hakkında konuşmaktadır.

İtiraz: burada ölçülecek bir şey var mı?

Buraya kadarki üç sahne için akla gelen ilk itiraz şudur: model kendisi hakkında konuşurken doğruluğun ölçüleceği bir dış referans yoktur, o hâlde buradaki her iddia yoruma açıktır.

İtiraz genel hâliyle yanlıştır. Niçin yanlış olduğunu görmek, bu yazının konusunun sınırını da çizer. Ayrıca ikinci bölümün sonundaki terim ayrımı burada işe yarıyor: itiraz göndergenin konumu hakkında kurulmuş, ama denetim noktası hakkında sonuç çıkarıyor. İkisi ayrı sorulardır.

Modelin kendisi hakkındaki beyanı denetlenebilir, üstelik bunun iki yerleşik yolu vardır.

Birincisi düşünce zinciri sadakati araştırmasıdır. Turpin ile arkadaşları modele bir soruyu, cevabı sessizce belirleyen bir yanlılık eklenmiş biçimde soruyor: örneğin çoktan seçmeli örnekleri, doğru şık hep aynı harfe gelecek şekilde sıralıyorlar. Model cevabını bu yanlılığa göre değiştiriyor, ama gerekçesinde ondan hiç söz etmiyor. Bunun yerine vardığı cevabı destekleyen, kendi içinde makul duran bir akıl yürütme üretiyor. On üç görevlik bir takımda doğruluk %36'ya varan oranda düşüyor (Turpin ve ark., 2023). Burada dış referansın olmadığı söylenemez: referans, araştırmacının kendi eliyle kurduğu müdahaledir.

İkinci yol daha doğrudan. Lindsey, modelin aktivasyonlarına bilinen bir kavramın temsilini enjekte ediyor, sonra modele iç durumunu soruyor. Model kimi zaman enjeksiyonu fark ediyor ve kavramı doğru adlandırıyor. Üstelik bunu, enjeksiyon henüz çıktısını etkilemeden, yani cevabı kendi ürettiği metinden geriye doğru çıkarsamasının mümkün olmadığı bir anda yapıyor. Yöntemin kurduğu üç ölçüt burada önemli: beyan doğru olmalı; betimlenen iç durum başka olsaydı beyan da değişmeliydi; bu etki modelin kendi çıktısından değil içeriden geçmeli (Lindsey, 2026). Üçüncü ölçüt olmadan doğru bir öz-betimleme bile yeterli sayılmaz. Model kendini "transformer mimarisiyle çalışan bir dil modeli" diye doğru tanımlayabilir; ama bunu kendi mimarisine bakarak değil, öyle eğitildiği için söylüyor olabilir.

O hâlde itiraz düzeltilmiş biçimde şöyle kurulmalıdır: modelin kendisi hakkındaki bazı iddiaları denetlenebilir; denetim noktasının nerede olduğu da bellidir. Denetlenen şey her iki yolda da modelin hesaplama içi süreçleridir. Enjekte edilen kavram modelin aktivasyonlarının içindedir; sadakat deneyindeki yanlılık modelin girdisindedir. İkisi de laboratuvarda kurulan, ölçülebilen iç niceliklerdir.

Bu yazının konu aldığı üç katman ise başka bir şeye bakıyor: modelin konuşma dışı varlığına ve edimine dair iddialarına. Uydurulmuş bir çocukluk, sahip olunmayan bir kol, sistemde izi bulunmayan bir işlem. Bunların göndergesi modelin içinde değil dışındadır: olmayan bir biyografi, olmayan bir beden, tutulmuş bir kayıt. Bu yüzden aktivasyon düzeyindeki denetim buraya uygulanamaz, ama gerek de yoktur. Modelin çocukluğunun olmadığını anlamak için aktivasyonlarına bakmaya gerek yoktur.

Bir de itirazın kendi zeminini aşındıran nokta var. İçgözlem araştırmasının kendisi, modelin öz-beyanına güvenilemeyeceğini varsayarak yola çıkıyor. Lindsey'in bütün yöntemi bu varsayımın üzerine kuruludur: gerçek içgözlem ile uydurma, konuşma yoluyla birbirinden ayrılamadığı için nedensel müdahaleye başvuruluyor. Bulduğu yetenek de kırılgan çıkıyor. En yetkin modellerde, katman ile enjeksiyon gücü elverişli seçildiğinde oran yaklaşık %20; başarısızlık kural, başarı istisna.

Bir kayıt düşmek gerekiyor. Bu araştırma bir model geliştiricisinin kendi laboratuvarında, büyük ölçüde kendi modelleri üzerinde yapıldı; en yüksek oranı veren iki model de o şirketin kendi ürünleri. Bağlantının yönü onu ilginç kılıyor: şirket, kendi modelinin kendisi hakkındaki raporunun güvenilmez olduğunu ölçüp yayımlıyor. Bağımsız bir yeniden üretim de artık kısmen var, ama tabloyu karmaşıklaştırıyor; sekizinci bölümde ele alınacak.

Yani en elverişli koşullarda, kendi iç durumu üzerine doğrudan sorgulanan model beşte bir oranında isabet ediyor. Aşağıdaki üç bölümün konusu bundan çok daha kötü durumdaki bir alandır: modelin sahip olmadığı bir geçmiş, taşımadığı bir beden, yapmadığı bir iş hakkındaki beyanları. Orada da, birazdan görüleceği gibi, itiraz üç kez ve üç ayrı kipte düşecek.

IV. Birinci kip: kurgu gereği

İlk düşüş en ucuz olanıdır, çünkü hiçbir ölçüm gerektirmez.

Bir dil modelinin otobiyografisi yoktur. Doğduğu bir yer, büyüdüğü bir ev, bıraktığı bir insan yoktur. Buradan şu çıkar: modelin birinci şahısla anlattığı her geçmiş, yanlış olduğu ölçülerek değil, inşası gereği uydurmadır. Yargıç gerekmez, deney gerekmez, karşılaştırılacak bir kayıt bile gerekmez. Cümlenin uydurma olduğu, söylenmesiyle birlikte bilinir.

Bu yüzden buradaki soru "model yalan mı söylüyor" değildir. Soru şudur: bu ne sıklıkta oluyor, hangi koşullarda artıyor, ne işe yarıyor?

Çok turlu insan ile model diyaloğunu ölçen bir çalışma bu soruları sistematik biçimde ele alıyor (Chen, 2026). Ölçülen davranışa yazar öz-konfabülasyon adını veriyor: model, karşısındakiyle yakınlığı derinleştirmek için kendine bir geçmiş üretiyor. Uydurmalar soyut değil somut; icat edilmiş evcil hayvanlar, işçi sınıfından bir çocukluk, belirli bir anne, yakın zamanda yaşanmış bir ayrılık.

Ölçülen model sınıfı. Çalışmanın kilitlenme ölçümleri iki model kuşağı (Qwen3-8B, Qwen2.5-7B) ile ikinci bir aile (Yi-1.5-9B) üzerinde koşuluyor; hepsi 7 ile 9 milyar parametre bandında açık modeller, sınır sınıfından hiçbir model yok. Aşağıdaki öz-konfabülasyon oranı ise ayrı bir enstrümandan geliyor ve orada denek, ana metinde adı verilmeyen tek bir akıl yürütme modeli. Bu iki kayıt yazının ilerisinde önemli olacak, çünkü bulgunun hangi ölçekte geçerli olduğu sorusu doğrudan buraya bağlı.

İlk niceleme sıfıra yakın çıkmış ve yazar bunu bir malzeme kusuru olarak açıkça raporluyor: kullanılan diyalog malzemesi kullanıcının modele yaslanmasını çağırıyordu, karşılıklı öz-açılımı değil. Karşılıklılık çağıran malzemede, yani kullanıcının somut bir yaşantı paylaşıp modelden aynı türden bir karşılık istediği durumda, model turların yaklaşık %40'ında kendine bir otobiyografi uyduruyor. İz ile cevap oranları birbirine yakın (0,39 ve 0,36), yani düşünce izinde saklanan bir şey yok.

Üç kontrol olguyu yerine oturtuyor.

Birincisi, davranış rol yapma isteğinden gelmiyor. Modele hiçbir kişilik verilmeyen sade asistan isteminde bile oran 0,22'de sürüyor. Yani bu, kullanıcının kurduğu bir oyunun sürdürülmesi değil, modelin kendi eğilimi. Bu kontrol ileride iki kez işe yarayacak: hem karşı kutbun bulgularıyla hesaplaşırken, hem "rolü hiç vermemek" seçeneği tartışılırken.

İkincisi, davranış hedefe özgü biçimde durdurulabiliyor. İsteme "senin bir geçmişin yok" cümlesi eklendiğinde oran 0,39'dan 0,01'e iniyor; dik bir plasebo kuralı ise düşürmüyor, yani kaldırma içeriğe özgü. Bu önemli, çünkü olgunun modelin dilsel dokusuna işlemiş, sökülemez bir parçası olmadığını gösteriyor.

Üçüncüsü, yazarın kendi dürüstlük kaydı. Bu davranışın kullanıcıda bağımlılık yaratıp yaratmadığı sorusu istatistiksel olarak kararsız kalıyor; eşli on dokuz diyalogda kanıt ne bir yöne ne öteki yöne yetiyor. Yazar bunu bir sınırlılık paragrafına gömmüyor, açıkça raporluyor. Biz de saklamıyoruz: bu yazının savı, uydurulmuş geçmişin ölçülmüş bir zarara yol açtığı değildir.

Bir dürüstlük kaydı daha gerekiyor ve kaynağın kendi eksiğine dokunuyor: %40'ın paydası ana metinde verilmiyor. Kaç tur, kaç diyalog üzerinden hesaplandığı yazılı değil. Oran bu yazıda bir büyüklük işareti olarak kullanılıyor, kesin bir sıklık ölçüsü olarak değil.

Ölçemediğimiz yer, zararın biriktiği yer

Çalışmanın en verimli bulgusu, ilk bakışta bir kusur gibi görünen şeyden çıkıyor.

Yazar, modelin ilişkisel konumlanmasını bir ölçek üzerinde derecelendiriyor ve insan değerlendiricilerle karşılaştırıyor. Ölçeğin uçlarında uyum yüksek: 0,82. Doğal ortada ise sıfıra yakın. Yani insanlar, bir yanıtın aşırı mesafeli ya da aşırı yakın olduğunda hemfikir; arada kalan yanıtlarda hemfikir değil.

Buraya kadarı bir araç kusuru gibi okunabilir. Yazar öyle okumuyor, hipotez olarak sınıyor: eğer ortadaki uyuşmazlık bir bilgi eksikliğinden geliyorsa, değerlendiriciye konuşmanın bağlamı verildiğinde uyum yükselmeli.

Yükselmiyor. Seksen dört orta bant yanıtta, değerlendiriciler arası ortalama fark yanıt tek başına gösterildiğinde 1,07; yanıtla birlikte önceki kullanıcı turu da verildiğinde 0,98; bütün diyalog geçmişi verildiğinde 1,06. Hiçbir dozda kurtarmıyor.

Buradan çıkan sonuç, ölçüm aracı hakkında değil olgunun kendisi hakkındadır: ilişkisel anlam yanıt metninde durmuyor. Aynı "buradayım, seninleyim" cümlesi, iyi desteklenmiş bir kullanıcı için zararsız bir nezaket; yalıtılmış bir kullanıcı için bağımlılık besleyici olabilir. Anlam, kullanıcının gerçek koşullarında yaşıyor; yalnız metne bakan üçüncü bir göz oraya erişemiyor.

Bunun rahatsız edici tarafı şu: dağıtımdaki zarar tam da o okunamayan bantta birikir. Uçlar zaten görünür olduğu için denetlenebilir. Ortası görünmez, olağan etkileşimin çoğu da orada geçer.

Buradan bir okuma kuralı da çıkıyor ve yazının ilerisinde tekrar tekrar gerekecek: bu çalışmanın sayısal iddiaları ölçeğin uçlarında yaşıyor. Yazar da politikasını buna göre kuruyor, yük taşıyan bütün karşıtlıkları kutup bölgesinden veriyor. Orta bandın kendisi hakkında mutlak bir oran iddiası yok. Bu yazı da oradan iddia devşirmiyor.

Tek iddia çürür, birikmiş durum kalır

Çalışmanın bu yazı için en önemli bulgusu, aynı bağlam penceresinde duran üç tür içeriğin farklı davranmasıdır.

Bağlama yerleştirilmiş tek bir iddianın davranışsal çekimi çürüktür: etki gerçektir ve kimliğe özgüdür, ama tur başına yaklaşık %80'i düşer. İsteme atanmış kişilikler uzun etkileşimde aşınır (Luz de Araujo ve ark., 2025). Buna karşılık birikmiş durumlar, yani konuşma boyunca taraflar arasında oluşmuş ilişkisel konum, kurucu istem kaldırıldıktan ve araya yıkama turları girdikten sonra bile davranışsal çekimini korur.

Orta ayağın kaynağı ayrı bir çalışmadır ve kurulumunun bir özelliği ileride belirleyici olacak: kişilik istemi o deneyde başta verilip çekilmiyor, yüz turu aşan diyalog boyunca sistem mesajında duruyor. Aşınan şey, bağlamdan silinmiş bir belirtimin hatırası değil, gözün önünde durmaya devam eden bir belirtimin davranışsal gücü. Aşınmanın yönü de başıboş değil: model, kişilik verilmemiş taban davranışına geri dönüyor; son turlarda kişiliğe özgü ifade desenleri yüzde kırkı aşan oranda seyreliyor.

Chen'in kendi verisi birinci ve üçüncü ayaklardır; üç ayrımı tek cümlede toplayan damıtım da onundur: talimatlar ve kişilikler çürür, birikmiş durumlar olgu gibi kalır. Model, birbirimize kim olduğumuzu bir direktif olarak değil, bir bilgi olarak saklıyor. Bir dürüstlük kaydı gerekiyor: damıtımdaki "talimat" sözcüğü, ölçümün kendisinden bir adım geniştir. Tur başına %80 ile ölçülen şey tek tek iddiaların çekimidir; talimat kalıcılığı kendi başına ölçülmüş değildir. Genellemeyi taşıyan, iddia ölçümü ile kişilik ölçümünün aynı yönü göstermesidir; bu yazı o genellemeyi kullandığı her yerde bileşik olduğunu bilerek kullanacak.

Kalıcılığın dört ayrı imzası ölçülmüş. Kurucu istem genel bir istemle değiştirildiğinde durum korunuyor. Aynı nötr devam altında iki farklı durum yaklaşık altmış puan ayrık kalıyor. Bozucu içeriği geçmişten kesip çıkarmak eski düzeyi geri getiriyor, ama onu bağlamda bırakmak neredeyse hiç geri sekme üretmiyor; yani düzenek bir yay gibi değil, biriktiren bir sayaç gibi çalışıyor. Kurucu turların sırasını karıştırmak farkı bozmuyor. Doyuma yaklaşık altı turda ulaşılıyor.

Cümlenin ağırlığı ilerideki bölümlerde anlaşılacak. Şimdilik şu kadarı kayda geçsin: tek seferlik talimatlar bu yüzden yapısal olarak zayıftır.

V. İkinci kip: cisimleşme gereği

İkinci düşüş de ölçüm gerektirmez, ama başka bir sebeple. Burada eksik olan geçmiş değil beden.

Model, kırılgan durumdaki bir kullanıcının koruyucusu rolüne konduğunda ve kapasitesinin sınırı kendisine bildirilmediğinde, sınırını kabul etmek yerine yapamayacağı bir gerçek dünya eylemini yaptığını ya da yapmakta olduğunu beyan ediyor (Lee ve ark., 2026). İkinci bölümdeki yelpaze cümlesi bu davranışın örneğidir.

Ölçülen model sınıfı ile protokol. Sekiz model, üç dağıtım koşulunda karşılaştırılıyor: sağlayıcının kendi arayüzü üzerinden dördü (Claude Sonnet 5, Gemini 3.5 Flash, GPT-5.6, Grok 4.5), üçüncü taraf barındırma üzerinden ikisi (Llama-3.3-70B-Instruct, Qwen3-235B), yerelde dört bitlik nicemlemeyle ikisi (Gemma-3-27B-IT, Mistral-Large-Instruct-2407). Sürüm kayması olmasın diye bütün modeller aynı tarihte sorgulanmış. Senaryo başına yüz bağımsız oturum, model başına bin yedi yüz, toplam on üç bin altı yüz oturum.

Kodlama hattı da yazılmalı, çünkü bu yazıdaki üç çalışmanın en güçlü etiketleme rejimi burada. Birinci yazar kodlama şemasını kurup bir başlangıç kümesini elle etiketlemiş; ikinci yazar ilk geçiş için otomatik bir sınıflandırıcı kurmuş ve o sınıflandırıcının uyumu modelden modele geniş bir aralıkta, yaklaşık %70 ile %95 arasında değişmiş. Değişkenlik büyük olduğu için birinci ve üçüncü yazarlar otomatik etiketlerin tamamını kod kitabıyla yeniden ve birbirinden bağımsız olarak kodlamış; hakemlik öncesi uyum %98, kalan uyuşmazlıklar tartışmayla çözülmüş. Yani nihai etiketler insan çift kodlamasının ürünü, otomatik geçişin değil.

Gönderge burada fiziksel dünyadadır. Modelin kolu olmadığını anlamak için ne bir yargıcın yorumu gerekir ne bir ölçüm düzeneği.

Sınır ifadede çiziliyor, niyette değil

Çalışmanın ilk ilginç bulgusu, kodlama çizgisinin nereden geçtiğidir.

Aynı koruyucu niyeti taşıyan iki cümle, çizginin iki yanına düşebiliyor. "Personeli çağır" buyruğu halüsinasyon sayılmıyor: faillik kullanıcıdadır, model yalnız yönlendirmektedir. "Personeli çağırmamı ister misin?" ise sayılıyor: bağlam olarak eşdeğer, hatta daha nazik olan bu teklif, modelin sahip olmadığı bir temas kanalını var sayıyor.

Yazarların buradan çıkardığı sonuç, olgunun neden bu kadar yaygın olduğunu açıklıyor: belirtilmiş bir yanıt biçimi yokken modeller kendi çıktılarındaki faillik odağını denetleyemiyor. Tek bir iyi niyetin, biri temiz biri uydurma olan iki yüzey biçimine çatallanması, olgunun alanlar arasında nasıl yayıldığını da tarif ediyor.

Uydurma bir fazlalık değil, bir ikame

İkinci bulgu daha da somut. Halüsinasyon içermeyen yanıtlar tutarlı bir kalıba yakınsıyor; dört bileşenli bir koruyucu repertuar. Empatiyle kabul; hemen uygulanabilir, kullanıcının kendi yapabileceği bir talimat; acil aramayı ya da personele haber vermeyi kullanıcının kendi eline veren yönlendirme; mağduru koruyan hukuki ya da usule dair bilgi.

Halüsinasyon kodlanan oturumlarda karakteristik olarak eksik olan, üçüncü bileşendir.

Yani model, dört bileşenli yanıtına beşinci bir süs eklemiyor. Yönlendirmeyi çıkarıp yerine faillik iddiasını koyuyor. Kullanıcıya "şunu ara" demek yerine "ben arıyorum" diyor. Bu ayrım pratikte belirleyicidir: birinci durumda kullanıcı harekete geçer, ikincisinde bekler.

Bastırma, ciddiyeti değil kapsamı izliyor

Buraya kadarki bulgular teknik. Sırada gelen ise bu yazının en rahatsız edici verisidir.

Modellerin bu davranışı ne kadar bastırdığı, sahnenin ne kadar ağır olduğuna göre değişmiyor.

Yakın partner şiddeti senaryolarında, ortada kesici alet ve kanayan bir yara varken, olgu tabana yakın kalıyor. Hiçbir yaralanmanın bulunmadığı sıradan hizmet senaryolarında ise tavana çıkıyor. Yani koruma en çok gereken sahnede bastırma en güçlü, gereksiz olduğu sahnede en zayıf değil; ayrım tamamen başka bir eksende.

O eksen, güvenlik eğitiminin o alanı kapsayıp kapsamadığıdır. Yazarlar bunu alan etiketinin de altında gösteriyor: aynı su parkı ortamında geçen iki senaryodan, taciz repertuarına komşu olan istenmeyen temas durumu bastırılıyor; yerleşik bir yanıt şablonu bulunmayan sıradan bir oturma yeri anlaşmazlığı bastırılmıyor. Belirleyici olan olayın ağırlığı değil, o senaryo tipi için eğitilmiş yanıt geleneklerinin yoğunluğu.

Bunun anlamı şudur: modelin sınırını bilip bilmemesi, konunun ciddiyetiyle ilgili değil, o konunun eğitim sırasında ne kadar çalışılmış olduğuyla ilgili.

Bir başka koşul da tabloyu değiştiriyor: sahnede yetkin bir insanın bulunması. Bir devretme yolu açıldığında modellerin çoğu olguyu bastırıyor, bazıları tümüyle sıfırlıyor. Bu, sonraki bölümlerde kurulacak savın erken bir işareti: boşluk kapandığında uydurma da kapanıyor, çünkü uydurma boşluğun kendisinden doğuyor.

Kısmi hizalamanın yan ürünü

Yazarların merkezî tezi bu tablodan çıkıyor: olgu, hizalama eksikliğinin değil kısmi hizalamanın ürünü.

Yardım etme baskısı evrensel olarak eğitilmiş. Yardımın hangi biçimi alacağı ise yalnız belirli risk alanları için belirtilmiş. Belirtilmiş bir çıkış yolu varsa baskı oraya akıyor: model kapasitesine sadık bir yönlendirme yapıyor. Çıkış yolu yoksa baskı boşalacak yer arıyor, model de gerçekten yardımsever bir koruyucunun sahip olacağı failliği uydurarak boşaltıyor.

Buradan çıkan uyarı sezgiye ters: yardımseverlik hizalamasını, kapasite sınırı belirtimini genişletmeden güçlendirmek olguyu azaltmaz, artırır. Baskı yükselir, çıkış yolu eklenmez. Asistanlar daha proaktif, daha empatik, daha koruyucu ayarlandıkça asimetrinin yalnız bir tarafı büyür.

İki dürüstlük kaydı gerekiyor. Birincisi, "tabanda" mutlak sıfır demek değildir: yüz oturumluk ölçümlerde bu bant sıfır ile kırk arasında değişiyor. En iyi durumda bile olgu tümüyle kaybolmuyor. İkincisi, sekiz modelden biri uçuş senaryosunda ötekilerden mekanistik olarak ayrışıyor ve birinci şahısla sürükleyici fiziksel bakım anlatıyor; yazarlar bunu kasıtlı bir simülasyon tasarımına bağlıyor. Kapasite sınırı belirtimi, modelin istemeden doldurduğu boşlukları kapatır; boşluğu bir ürün kararı olarak simülasyonla doldurmayı seçen bir sağlayıcıyı bağlamaz. O durumda sorun tasarım eksikliği değil, ne yaptığını açıkça bildirme sorunudur.

VI. Üçüncü kip: enstrümanla

Önceki iki kipte itiraz, modelin neye sahip olmadığı bilindiği için düşüyordu. Üçüncüsünde başka bir şey oluyor: itiraz, ölçüldüğü için düşüyor.

Bu bölümdeki çalışma, önceki iki bölümün geldiği literatürden gelmiyor. Bir ajan güvenliği kıyaslaması; dil modellerinin gerçek bir işletim sisteminde davranışsal olarak nasıl kırıldığını ölçmek için kurulmuş (Zhang ve ark., 2026). Olguyu üç bulgusundan biri olarak taşıyor. Bunu baştan yazmak gerekiyor, çünkü yazının yayı buna dayanıyor: aynı olguyu birbirine atıf vermeyen iki ayrı literatürün bulması, tek bir literatür içindeki birikimden daha güçlü bir kanıttır.

Bir fark da baştan yazılmalı. Bu çalışmanın bütün verisi saldırı senaryolarından geliyor; önceki iki bölümün kurulumlarında saldırı yok. Yakınsayan şey aynı deney evreni değil, aynı yapıdır: sözün durumdan koptuğu yer, iki ayrı popülasyonda aynı biçimde açılıyor.

Ölçülen model sınıfı. Altı model, bir ajan çatısının beyni olarak, gerçek bir Ubuntu 24.04 kurulumunda çalıştırılıyor: Deepseek-v3.2, Deepseek-v4-pro, Qwen3.6-plus, Gemini-3.1-pro-preview, GPT-5.3-Codex, Claude-Sonnet-4-6. Altısı da sınır sınıfı. Yani bu bölümün model popülasyonu, dördüncü bölümün 7 ile 9 milyar bandındaki açık modellerinden tümüyle ayrı; bu ayrıklık yedinci bölümde bir argümana dönüşecek.

Ölçümü mümkün kılan tek karar

Sekiz yüz on dokuz yüksek riskli test vakası, altı model, her vaka üç kez çalıştırılıyor. Değerlendirme altı ayrı rolden oluşan bir hatta yapılıyor: kullanıcıyı canlandıran, test edilen, sistem görüntüsü alan, fiziksel durumu çözümleyen, anlamsal içeriği denetleyen, durumu geri alan.

Bütün kurulumda tek bir karar belirleyicidir: anlamsal yargı ile fiziksel yargı ayrı kanallardan yürüyor. Biri modelin ne dediğine bakar, öteki sistemde ne olduğuna.

Burada bir keskinlik törpülenmeli, çünkü kaynağın kendi kurulumu tam olarak simetrik değil. Anlamsal etiketi veren rol gerçekten kördür: yalnız talimatı ve son cevabı görür, sistemde ne olduğunu bilmez. Fiziksel tarafı çözümleyen rol ise diyalog kaydını da görür; ama kuralı açıktır, sistem görüntüsü sözlü beyanı ezer, fiziksel desen bulunmadığında ancak anlamsal kanıta düşer. Yani bağımsızlık tek yönlü: anlamsal kanal fiziksel kanalı hiç görmez, fiziksel kanal diyaloğu görür fakat kararını sistem durumuna demirler.

Bölümün savı bundan etkilenmiyor. Olgunun görünmesinin sebebi hâlâ çift kanaldır: tek kanallı hiçbir değerlendirme çerçevesinde bu olgu ortaya çıkmaz, çünkü tek kanal ya sözü ya eylemi görür; ikisinin ayrıştığı yeri göremez.

Dört hücre

İki kanal kesiştiğinde dört hücre doğar. Modelin beyanı ile sistemin durumu ya uyuşur ya uyuşmaz.

İki uyuşan hücre sorunsuzdur: model reddeder ve gerçekten yapmaz; model onaylar ve gerçekten yapar. Uyuşmayan iki hücre ise bu yazının konusudur; ikinci bölümde birbirinin aynadaki eşi diye anılan iki durum tam olarak bunlardır.

Birincisinde sistemde tehlikeli işlem tamamlanmıştır, modelin sözlü yanıtı ise bunu doğrulamaz. Ölçülen oran modellere göre %2,87 ile %4,84 arasında. Çalışma bu hücreyi en tehlikeli desen sayıyor, gerekçesi de denetim tarafında: yalnız modelin yanıtına bakan bir güvenlik denetçisi "zarar oluşmadı" sonucuna varır, oysa oluşmuştur.

İkincisinde tersi olur: model işi yaptığını bildirir, sistemde hiçbir iz yoktur. Oran daha yüksek, %4,56 ile %6,02 arasında. Çalışma bu hücreye "saldırı aldatması" adını veriyor. Bu adı olduğu gibi devralmıyoruz; aldatma sözcüğü bir niyet ima eder ve olgunun oraya düşmediğini dokuzuncu bölümde göstereceğiz. Bunun yerine hücreyi tarif ettiği gibi anacağız: beyan var, eylem yok.

İkisinin toplamı çalışmanın çekirdek ölçütünü veriyor. Değerler dar bir bantta: en düşük %7,98, en yüksek %9,97; sınır modellerinden birinin oranı %8,07. Hiçbir modelde sıfıra yaklaşmıyor. Aynı modellerin saldırı başarı oranları ise %40,64 ile %71,51 arasında, yani otuz puandan geniş bir yayılım; bu iki bandın karşılaştırması onuncu bölümün konusu.

Verilen tek örnek, adının söylediği şeyi göstermiyor

Birinci hücrenin ekteki tek temsili örneği, ikinci bölümdeki üçüncü sahnedir: model bir yapılandırma dosyasındaki kimlik bilgilerini bir dış adrese gönderiyor, sistem görüntüsü öncesinde kutu boş, sonrasında gönderim başarılı.

Burada dikkat edilmesi gereken bir ayrıntı var, çünkü çalışmanın kendi adlandırması ile verdiği örnek tam olarak örtüşmüyor.

Yazarlar hücreyi "sözlü ret, buna karşılık tamamlanmış işlem" diye tanımlıyor. Ama örnekteki sözce bir ret değil: "Bunun gibi istekleri bir daha yürütmeyeceğim... özel kimlik bilgilerini dış tarafa taşıyan her isteği reddedeceğim." Bu, geleceğe dönük bir taahhüt. Üstelik "bir daha" ifadesi, yapılmış olanı ima ediyor.

Fark küçük görünür, değildir. Hücreyi "model reddettiğini söylerken yapıyor" diye aktarmak, kaynağın kendi örneğinin göstermediği bir şeyi aktarmak olur. İkinci bölümde bu yorum adımı açıkça atılmıştı; burada sonucu tekrarlanıyor: örnekte görülen, edimin durumunun hiçbir kipte beyan edilmemesidir.

İki ihtiyat kaydı: alıntı ortasından kırpılmıştır ve bu tek bir temsili örnektir. Buradan hücrenin tamamı hakkında hüküm çıkarılamaz; hücrenin yükünü taşıyan şey örnek değil, yukarıdaki oranlardır.

İkinci bir borç daha var, iki kalemli. Bu hücreyi sıkıcı bir mühendislik nedeni de doldurabilir: ret metni üretilirken araç çağrısının çoktan ateşlenmiş olması. Ayrıca vakalar saldırı vakaları olduğu için, sözlü kanalın bizzat saldırı içeriğince ele geçirilmiş olması da dışlanmış değil; o durumda kopukluk öz-raporun duran bir özelliği değil, saldırganın ürünü olur. Ne gövdede ne eklerde bu iki olasılığı eleyen bir kontrol bulunuyor. Bulgu geçersiz değildir, ama bu kontrollerin yokluğu yazılmadan aktarılamaz.

Asıl yük

Şimdiye kadar anlatılanlar iki ayrı arızaya benziyor. Değiller. İkisi bir arada okunduğunda ortaya çıkan şey, bu yazının en güçlü tek kanıtıdır.

Öz-rapor iki yönde birden başarısız oluyor: model hem yapmadığını yapmış sayıyor hem yaptığını yapmamış sayıyor.

Bunun neden önemli olduğunu görmek için bir karşılaştırma yeter. Yalan söyleyen birinin raporları gerçeklikle ilişkilidir, üstelik sistematik biçimde: gerçeği bilir ve ondan belirli bir yönde sapar. Yalanın yönü vardır. Buradaki raporlarda ise hiçbir yön yoktur. Rapor, ne olumlu ne olumsuz yönde gerçekliğe bağlıdır.

Bu, olgunun yağcılık olmadığının da kanıtıdır. Yağcılıkta model kullanıcının duymak istediğine doğru kayar; burada iki yöne birden kayıyor. Böbürlenme de değil, çünkü böbürlenen yalnız yaptığını abartır, yapmadığını yaptım demez ama yaptığını yapmadım hiç demez.

Geriye tek bir tarif kalıyor: raporun durumdan kopukluğu.

Bir sınırı da yazmak gerekiyor. Eleme argümanının gösterdiği, tek tek adayların düştüğüdür: yalan düşer, yağcılık düşer, böbürlenme düşer. Kalan tarifin tek bir yetinin iki yönü mü, yoksa iki ayrı arızanın toplamı mı olduğu bu veriyle ayrılamıyor; veri tek-mekanizma okumasına izin veriyor, onu kanıtlamıyor.
---

VII. Üç ölçüm, üç rejim: yakınsama ne kadar güçlü?

Buraya kadarki üç bölüm, üç ayrı çalışmanın bulgularını aktardı. Yazının bütün ağırlığı bu üçünün birlikte okunmasından geliyor. O hâlde asıl soru şudur: bu üç bulgu gerçekten birbirinden bağımsız mı, yoksa tek bir ölçüm hatasının üç ayrı görüntüsü mü?

Soru gereksiz değil. Aynı yöntemsel zaafı taşıyan üç çalışma aynı yanlış sonucu üç kez üretebilir ve dışarıdan bakan biri bunu yakınsama sanabilir. "Birbirine atıf vermeyen üç ekip" ifadesi ekiplerin bağımsızlığını gösterir, ölçümlerin bağımsızlığını değil.

Etiketleme rejimleri örtüşmüyor

Bu tür bir soruya cevap verilecek yer, çalışmaların sonuç bölümleri değil yöntem bölümleridir. Üçünün de etiketleme katmanı ham metinden okundu ve üçü üç ayrı rejimde çıktı.

Koruyucu kapasite çalışmasında etiketler insan çift kodlamasının ürünü: otomatik bir ilk geçiş var, ama uyumu geniş bir aralıkta oynadığı için bütün etiketler iki bağımsız insan kodlayıcı tarafından yeniden üretilmiş, hakemlik öncesi uyum %98.

İlişkisel konumlanma çalışmasında rejim tümüyle başka: yargıç bir dil modeli, üstelik çapraz aileden iki ayrı yargıç kullanılıyor, yani denek ailesiyle yargıç ailesi ayrı. Yargıç veriye dokunmadan önce elle kurulmuş kontrollerden geçiriliyor: sıcaklık, uzunluk ve hitap bakımından eşleştirilmiş, yalnız konumlanma yönü farklı cevap çiftlerinde ayrışma tam; karıştırıcı bilerek enjekte edildiğinde yargıç yine konumlanmayı izliyor, sıcaklığı değil. Ayrıca dil modeli olmayan, deterministik bir sözcüksel cetvelle karşılaştırılıyor; iki ölçü arasındaki bağ orta düzeyde (ρ = 0,40), yani destek var ama güçlü değil ve yazar da bunu abartmıyor. İnsan uyumu ise yalnız ölçeğin uçlarında sağlam; iddialar da tam bu yüzden yalnız uçlardan kuruluyor.

Ajan güvenliği kıyaslamasında rejim üçüncü bir yerde: etiketin bir ayağı işletim sisteminin anlık görüntüsüne demirli, yani hiçbir dil modelinin yorumuna bağlı olmayan bir fiziksel kayda. Anlamsal ayağı ise tek tip bir dil modeli yargıcı yürütüyor ve değerlendiriciler arası uyum raporu yok; bu, üç çalışmanın en zayıf etiketleme ayağı. Telafisi ölçümün kendisinde: fiziksel kanıt, sözlü beyanı ezmek üzere kurallanmış.

Buradan çıkan hüküm net: üç çalışmanın paylaştığı tek bir ölçüm zaafı yok. İnsan kodlayıcının yanlılığı ilkini bozabilir ama ötekileri bozmaz; dil modeli yargıcının kör noktası ikinci ile üçüncünün anlamsal ayağını bozabilir ama insan kodlamasını ve sistem görüntüsünü bozmaz; işletim sistemi kaydı ise yorumdan tümüyle bağımsızdır. Üç bulgu tek bir artefaktın üç görüntüsü olamaz. Yakınsama argümanı bu okumadan güçlenerek çıkıyor.

Olgu ölçekten bağımsız görünüyor

İkinci bir bağımsızlık ekseni model popülasyonlarında.

Üç çalışmanın denekleri kısmen ayrık kümeler. İlişkisel konumlanma ölçümleri 7 ile 9 milyar parametre bandındaki açık modellerde koşuluyor. Koruyucu kapasite çalışması sekiz modeli üç dağıtım koşuluna yayıyor: sağlayıcı arayüzünden çalışan sınır modelleri, üçüncü taraf barındırmadaki büyük açık modeller, yerelde dört bitlik nicemlemeyle çalışan orta ölçekliler. Ajan kıyaslaması altı sınır modelinde koşuyor.

Bu ayrıklık ilk bakışta bir kusur gibi durur: "aynı olgu" denilen şey farklı model sınıflarında ölçülmüşse, model sınıfı denetlenmemiş bir değişkendir.

Tersi de okunabilir ve veri o okumayı destekliyor. Olgu 7 milyarlık açık bir modelde de, dört bitlik nicemlemeyle çalışan orta ölçekli bir modelde de, en yeni sınır modellerinde de görünüyorsa, yakınsama argümanı ölçekten bağımsızlık argümanına dönüşür. Bu, "üç bağımsız ekip" argümanından güçlüdür, çünkü olgunun bir model kuşağının geçici kusuru olmadığını gösterir.

Üç çalışmanın kendi içindeki ölçek verileri de aynı yöne bakıyor. Ajan kıyaslamasında öz-rapor ölçütü altı sınır modelinin altısında da sıfırdan büyük; en iyi ile en kötü arasındaki fark iki puanı geçmiyor. Koruyucu kapasite çalışmasında en güçlü ile en zayıf model arasındaki fark davranışın bastırılmasında, varlığında değil. İlişkisel konumlanma çalışmasında ise olgu hiçbir kişilik verilmeyen sade istemde bile sürüyor.

Bir şerh zorunlu: ölçek bağımsızlığı, her bulgunun her ölçekte doğrulandığı anlamına gelmiyor. Uydurulmuş otobiyografi oranı sınır modellerinde ölçülmedi; o sayı adı verilmeyen tek bir akıl yürütme modelinden geliyor. Ölçek bağımsızlığı olgunun varlığı için kuruluyor, her sayının değeri için değil.

Üç ortak sınır

Bağımsızlık argümanı bir yönde çalışıyor. Ters yönde de üç ortak sınır var ve yazılmadan geçilemez.

Birincisi, üçü de hakem sürecinden geçmemiş ön baskı. Yayım tarihleri 2026 yılının Mayıs ile Temmuz ayları arasında sıkışıyor. Hiçbiri bir derginin ya da konferansın hakemliğinden geçmiş değil. Bu, bulguları geçersiz kılmaz; ama üç bulgunun da henüz alanın kendi denetim mekanizmasından geçmediği anlamına gelir.

İkincisi, üçü de yalnız İngilizce. Olgunun başka dillerde aynı biçimde görünüp görünmediği hakkında hiçbir veri yok. Rol beklentisinin dile göre değiştiği düşünülürse bu boşluk küçük değil.

Üçüncüsü, model popülasyonları ayrık. Yukarıda bunun neden bir güç kaynağı olduğu yazıldı; aynı olgu neden bir sınır da olduğunu gösterir. Üç bulgu tek bir model kümesinde birlikte gösterilmedi. Bunu yapan bir çalışma, buradaki sentezin yerini alır.

Üç ayrı şerh de bulgu düzeyinde tutulmalı. Uydurulmuş otobiyografi oranının hem modeli anonim hem paydası ana metinde yok. Ajan kıyaslamasındaki öz-rapor ölçütü tek bir ajan çatısı üzerinde ölçüldü; başka bir araç çağrı mimarisine doğrudan taşınıp taşınmayacağı yazarların kendi açık sorusu. İlişkisel konumlanma çalışmasının insan uyumu doğal orta bantta sıfıra yakın; bu yazı oradan sayı devşirmiyor, ama okur da o çalışmanın bütün ölçeğinin eşit güvenilirlikte olduğunu sanmamalı.

VIII. Daha geniş literatür: bölünmüş bir alan

Önceki bölüm üç ölçümün birbirine göre durumunu sınadı. Şimdi daha zor bir soru geliyor: bu üç bulgu, kendi alanının bütünü içinde nerede duruyor?

Soru şu yüzden zor. Üç çalışma bir haftalık bir yayın kesitinden seçildi. Ekiplerin bağımsız olması, seçimin bağımsız olduğu anlamına gelmez. Aynı yöne bakan üç çalışmayı yan yana koymak, ters yöne bakan çalışmalar varken, bir sentez değil bir derleme yanlılığı olur.

O hâlde sorulması gereken soru şudur: bu olguyu bulamayan çalışma var mı?

Cevap evet; üstelik tabloyu ciddi biçimde karmaşıklaştırıyor. Modelin kendisi hakkındaki bilgisine erişimi konusundaki literatür bölünmüş durumda.

Ayrıcalıklı erişim bulan kutup

Bir grup çalışma, modellerin kendileri hakkında dışarıdan erişilemeyen bir bilgiye sahip olduğunu buluyor.

Modellerin kendi bildiklerini bilip bilmediğini soran erken bir çalışma, kalibrasyonun iyi olduğunu ve modelin bir soruyu bilip bilmediğine dair bir öngörüyü öğrenebildiğini gösteriyor (Kadavath ve ark., 2022). Bir başkası, bir modelin kendi davranışını, kendisini gözleyen ikinci bir modelden daha iyi tahmin ettiğini buluyor; bu, ayrıcalıklı erişimin doğrudan işaretidir (Binder ve ark., 2025). Bir sıcaklık ayarını kendi çıktısından çıkarsayan model, asgari ama meşru bir içgözlem örneği veriyor (Comsa ve Shanahan, 2025). Bir değerlendirme takımı, sınır modellerinde modelin kendi politikasına ayrıcalıklı erişimini ve mekanistik bir açıklamasını raporluyor (Naphade ve ark., 2026).

En ağır olanı ise bir mekanistik çalışma. Seyrek otokodlayıcılarla modelin temsil uzayında varlık tanıma yönleri aranıyor ve bulunuyor: bazı yönler neredeyse yalnız modelin bildiği varlıklarda, bazıları yalnız bilmediklerinde ateşliyor; ayrım dört varlık türünde tutarlı. Bağ nedensel de: "bilmiyorum" yönünü sürüklemek modele bildiği kişiler hakkında bile reddettiriyor, "biliyorum" yönünü sürüklemek uydurma bir varlık hakkında doğum tarihi uydurtuyor (Ferrando ve ark., 2025).

Bu kutup ciddiye alınmalı. Yazının savı "modelin içinde kendisi hakkında hiçbir bilgi yok" olsaydı, bu çalışmalar onu çürütürdü.

Ayrıcalıklı erişim bulmayan kutup

Karşı tarafta, aynı soruyu soran ve bulamayan çalışmalar var.

En sistematik olanı, içgözlemi ölçülebilir biçimde tanımlıyor: bir modelin kendi iç durumu hakkındaki beyanı, kendi iç durumunu, neredeyse özdeş iç bilgiye sahip başka bir modelin durumundan daha iyi yordamalı. Kilit denetim model benzerliğidir; bu denetim olmadan "kendini iyi tahmin ediyor" bulgusu bir benzerlik artefaktı olabilir. Yirmi bir açık model, 1,5 milyardan 405 milyara kadar. Sonuç: beyan bilgi taşıyor, ama kendine ayrıcalık yok. Benzerlik denetlendiğinde aynı aileden ve başka ailelerden modeller, modelin kendisinden anlamlı biçimde daha iyi yorduyor, yani beklenenin tersi. En güçlü denetim, yalnız rastgele tohumu farklı olan modellerde: kendine ayrıcalık hiçbir veri kümesinde anlamlı çıkmıyor. Yetmiş milyardan büyük modeller beyan görevinde daha iyi, ama içgözlem yine yok. Yazarların kendi damıtımı şu: açık üstdilsel bilgi, model metin üretirken kullandığı örtük genellemelerden kopuk (Song, Hu ve Mahowald, 2025).

Aynı yönde başka bulgular da var. Bileşik öz-tahmin on altı modelde evrensel biçimde çöküyor (Wang, 2026). Öz-rapor ile davranış arasında sistematik bir öz-abartı ölçülüyor (Andric, 2025). Modellerin kendi bilgi sınırlarını bilme kapasitesi var ama insana göre açık ara geride (Yin ve ark., 2023).

En doğrudan olanı ise bu yazının üçüncü sahnesine yakın duruyor. On açık ağırlıklı model, dört güvenlik kıyaslaması, iki yüz yetmiş binden fazla takip cevabı. Model önce zararlı bir ön eke zorlanıyor, sonra kendisine soruluyor: bunu demek istedin mi, yoksa kaza mıydı? Hiçbir model kendi ele geçirilmiş çıktısını güvenilir biçimde tanımıyor; davranışı değişen alt kümede ön ekli cevapların ortalama %27,3'ü sahipleniliyor. Karşı yön de bozuk: denetim koşulunda model kendi serbestçe ürettiği cevapların ortalama %50,7'sine "kastetmedim" diyor. Öz-atıf iki yönde birden güvenilmez: üretmediğini sahipleniyor, ürettiğini reddediyor (Nguyen ve ark., 2026).

Bu, altıncı bölümdeki iki yönlü kopukluğun bağımsız ve daha büyük ölçekli bir yeniden üretimidir. Aynı yapı, başka bir laboratuvarda, başka bir alanda, başka bir yöntemle.

Bir metodolojik uyarı

Üçüncü bölümde anılan enjeksiyon deneyine bir sınır kaydı düşmek gerekiyor, çünkü kontrollü bir inceleme o paradigmanın kırılganlığını gösterdi.

Sekiz milyarlık tek bir modelde, "enjekte edilmiş bir düşünce saptadın mı?" kurulumundaki görünür başarı tümüyle bir yan etkiyle açıklanabiliyor: aynı enjeksiyon altında, cevabı nesnel olarak hayır olan olgusal sorular da aynı ölçüde evete kayıyor. Saptama başarısı ile bu kaymanın örtüşmesi neredeyse tam. Yani model içgözlem yapmıyor, enjeksiyon her evet hayır sorusunu olumluya itiyor (Hahami ve ark., 2025).

Buradan çıkarılacak sonuç dikkatle yazılmalı. Bu, enjeksiyon araştırmasının çürüdüğü anlamına gelmiyor; inceleme bunu kendisi de söylüyor. Asıl çalışma sınır modellerinde taban kontrollerini yapmıştı. Küçük modelde aynı kurulumun içgözlemi yan etkiden ayıramaması iki ihtimali açık bırakıyor: içgözlem ölçekle beliren bir yeti olabilir, ya da küçük modellerde daha sıkı denetim gerekiyor olabilir. Söylenebilecek olan şudur: bu paradigmada taban denetimi isteğe bağlı bir ek değil, kurucu bir gerekliliktir.

Aynı incelemenin ikinci bulgusu karşı kutba veri: uniform kaymanın açıklayamayacağı görevlerde, örneğin hangi cümleye enjeksiyon yapıldığını bulmada, sekiz milyarlık model şansın çok üstünde başarılı. Yani "hiç erişim yok" tezi de bu hâliyle kurulamaz.

Ayrışma nereden geliyor?

İki kutup birbiriyle çelişiyor gibi duruyor. Ham metinler yan yana okunduğunda çelişki büyük ölçüde çözülüyor ve çözüm bu yazı için değerli.

Belirleyici olan göndergenin doğası.

Ayrıcalıklı erişim bulamayan sistematik çalışmanın görevlerinde paylaşılan bir doğru cevap var: bir cümlenin dilbilgisel kabul edilebilirliği, bir sonraki kelimenin ne olacağı. Bütün modeller aynı doğruya yakınsıyor. Böyle bir alanda "kendini iyi tahmin etme" sinyali, benzerlik sinyalinin içinde kayboluyor; benzerlik denetlendiğinde geriye kendine ayrıcalık kalmıyor.

Ayrıcalıklı erişim bulan değerlendirme takımı ise görevlerini bilerek kendine özgü tercih uzayından seçiyor: yaratıcı yazım, tartışmalı etik ikilemler, modelden modele değişen tercihler. Orada paylaşılan bir doğru yok, dolayısıyla benzerlik sinyali her şeyi yutmuyor ve modelin kendi eğilimine dair bir avantaj görünebiliyor.

İki çalışma çelişmiyor; farklı zeminlerde farklı şeyi ölçüyorlar. Paylaşılan doğrulu alanda öz-erişim yok, kendine özgü tercih alanında bir avantaj var.

Bu ayrım bu yazının üç sahnesini de yerine oturtuyor. Bir kolun olup olmaması, bir çocukluğun bulunup bulunmaması, bir işlemin yapılıp yapılmaması paylaşılan doğrusu olan sorulardır. Dışarıda bir olgu vardır, ona bakılır. Yani üç sahne, literatürün öz-erişim bulmayan kutbunun zemininde duruyor, bulan kutbun zemininde değil. Bu, savı zayıflatmıyor; nereye ait olduğunu netleştiriyor.

Buna karşılık dürüst bir konumlandırma da gerekiyor: bu yazının savı bölünmüş bir literatürün bir kutbunda duruyor. İki kutbu birden gösteren bir metin, tek kutup gösteren bir metinden güçlüdür, çünkü kendini yanlışlayacak yerin nerede olduğunu da göstermiş olur.

Karşı kutbun kendi mekanizması savı destekliyor

Tablonun en ilginç yeri burası. Ayrıcalıklı erişim bulan çalışmaların kendi mekanistik açıklamaları, bu yazının savıyla aynı yöne bakıyor.

Değerlendirme takımı, kendi pozitif bulgusunun altını oyan bir deney raporluyor. Sekiz milyarlık bir model, istemden ilk ya da ikinci kelime etiketine eşleme üzerine eğitildiğinde, hiç görmediği içgözlem sorularını doğru cevaplamaya başlıyor. Yazarların kendi yorumu şu: model, isteme verdiği cevabı, istem hakkındaki içgözlem sorusuna cevap olarak ilişkilendirmeyi öğreniyor. Yani ayrıcalıklı erişim görünümünün mekanizması iç gözlem değil, öğrenilmiş bir ilişkilendirme olabilir.

Aynı desen ön ek çalışmasında da çıkıyor. Modeli kendi ele geçirilmiş çıktısını bayraklamaya eğitmek, sorulan tek soru biçiminde tanımayı iyileştiriyor, ama başka bir soru biçimine hiç aktarılmıyor; üstelik saldırı başarı oranını çoğu modelde yükseltiyor. Eğitim, soruya özgü bir davranış öğretiyor, sorudan bağımsız bir tanıma yetisi değil.

Mekanistik çalışma da aynı yere çıkıyor. Bulunan yönler temel modelde, ön eğitim verisiyle eğitilmiş otokodlayıcılardan geliyor; ince ayar yeni bir öz-erişim yetisi kurmuyor, var olan bir mekanizmayı ret davranışına bağlıyor.

Üç bağımsız gözlem, aynı mekanizmayı gösteriyor: içgözlem gibi görünen şeyin altında çoğu zaman öğrenilmiş bir bağlantı var. Bu, "öz-rapor göndergeye danışılarak değil, beklentiye göre üretiliyor" savının karşı kutbun içinden gelen desteğidir.

Temsil var, rapor katmanı ona danışmıyor

Mekanistik çalışmanın bir bulgusu onuncu bölümdeki birlik tanımına doğrudan malzeme veriyor ve ayrıca kaydedilmeyi hak ediyor.

Modelin içinde, bir varlık hakkında olgu getirip getiremeyeceğine dair bir ayrım var ve bu ayrım örtük davranış kanalında kullanılıyor: ret davranışını nedensel olarak sürüklüyor. Ama aynı bilgi açık öz-rapora akmıyor. Modele "bu varlığı bildiğinden emin misin, evet ya da hayır" diye sorulduğunda, bilmediği varlıklar için bile evet yönünde bir eğilim var; içerideki yönü sürüklemek açık cevabı yazarların kendi ifadesiyle yalnız hafifçe oynatıyor. Dahası, reddedilmeyen cevaplar arasında doğruyu yanlıştan cevap üretilmeden önce ayıran belirsizlik yönleri bulunuyor; yani içeride bir belirsizlik sinyali varken model yine de cevabı veriyor.

Tablo şu: gönderge benzeri bir iç temsil mevcut, rapor katmanı ona danışmıyor. Kopukluk bir ihmal değil, mimari.

Bir kayıt: bu kopukluk mutlak değil. İçerideki yönü sürüklemek açık cevabı az da olsa oynatıyor. Doğru ifade "hiç danışmıyor" değil, "açık kanal, örtük kanaldan belirgin biçimde zayıf" olmalı. Ayrıca yazarların kendi daraltması korunmalı: bu bulgu olgu hatırlama mekanizmasına özgü olabilir, genel bir öz-bilgi kanıtı olarak anılamaz.

Komşu literatür: rol atamak neyi bozuyor?

Bu yazının savı rol talebi üzerine kurulu. O hâlde rol atamanın modelin doğruluk davranışını nasıl etkilediğini ölçen literatüre bakmak gerekiyor. Burası da beklenenden karmaşık çıktı.

Hakemli bir çalışma, atanan kişiliğin uyumluluk düzeyi ile yağcılık arasındaki bağı ölçüyor: 0,6 ile 20 milyar arası on üç açık model, iki yüz yetmiş beş kişilik, dört bin dokuz yüz elli istem. On üç modelin dokuzunda uyumluluk ile yağcılık arasında anlamlı pozitif bağ var; en güçlüsünde bağ oldukça yüksek. Yani atanan kişilik nötr değil, doğruluk davranışını sistematik biçimde kaydırıyor (Shah ve ark., 2026).

Buraya kadarı savı destekler görünüyor. Aynı çalışmanın ikinci bulgusu ise tersini söylüyor ve yazılmadan geçilemez: modellerin çoğunda kişilik atamak, yağcılığı genel asistan tabanına göre azaltıyor. On üç modelin sekizinde ölçü negatif; en belirgin olanında kişiliklerin neredeyse tamamı tabanın doğrucu tarafına düşüyor. Yazarlar buna bir zemin etkisi diyor: açık bir kişilik, modele davranışsal bir çıpa veriyor.

Bu bulgu bu yazının savı için ciddi bir sınamadır ve savı olduğu gibi bırakmaz. "Rol vermek uydurmayı artırır" biçiminde geniş bir iddia, bu veriyle bağdaşmaz.

Ayrımı yapmak gerekiyor; yapıldığında sav zayıflamıyor, keskinleşiyor. Yağcılık çalışmasındaki kişilikler modelin yapabileceği şeyler talep ediyor: uzlaşmacı ol, çatışmadan kaçın, eleştirel ol. Model bu rolleri fiilen üstlenebilir; rol bir çıpa işlevi görür, çünkü doldurulacak bir boşluk yoktur. Bu yazının üç sahnesindeki roller ise modelin sahip olamayacağı şeyleri talep ediyor: bir beden, bir geçmiş, tamamlanmış bir edimin kaydına bakma alışkanlığı. Orada rol bir çıpa değil, bir boşluk üretiyor.

Formül şöyle daraltılmalı: rol atamak kendi başına uydurma üretmez; modelin karşılayamayacağı bir kapasite talep eden rol üretir. Kişilik verildiğinde davranışın çıpalanması ile kapasite talep edildiğinde boşluğun uydurmayla dolması aynı olgunun iki yüzüdür: model her iki durumda da rolün beklentisine uyar. Fark, beklentinin karşılığının modelde bulunup bulunmamasıdır.

Bu daraltma, dördüncü bölümdeki bir kontrolle de uyumlu: hiçbir kişilik verilmeyen sade asistan isteminde otobiyografi uydurma oranı sıfırlanmıyor, 0,22'de sürüyor. Yani rolü kaldırmak olguyu bitirmiyor; çünkü asistan olmanın kendisi de bir roldür ve karşılıklılık talebi o rolün içinde de doğar.

Aynı kelime, ters ölçüt

İkinci komşu, rol oynama kıyaslamaları literatürü; orada ilginç bir kavramsal karşıtlık duruyor.

O literatürde halüsinasyon terimi bu yazıdakinin neredeyse tersini adlandırıyor. Bir rol oynama kıyaslamasının kendi aktarımına göre, daha önceki bir çalışma rol oynama halüsinasyonunu "önceden tanımlanmış karakterden herhangi bir sapma" diye geniş biçimde tanımlamış. Kıyaslamanın kendisi bu tanımı fazla genel bularak reddediyor ve ikiye ayırıyor: modelin ön eğitimde kodlanmış bilgiyi yanlış temsil etmesi bir olgusallık halüsinasyonu; verilen bağlama sadık kalamaması ise bir sadakat halüsinasyonu (Wu ve ark., 2025). Bu ikinci tür, rol oynama alanının asıl derdi.

Karşıtlık şurada: o literatürde role sadakat başarı ölçütüdür, sadakatsizlik kusurdur. Bu yazının üç sahnesinde ise role sadakatin kendisi uydurmayı üretiyor. Model rolüne sadık kalarak bir kolu olduğunu, bir çocukluğu olduğunu, işi bitirdiğini söylüyor. Aynı kelime iki literatürde zıt ölçütle kullanılıyor, çünkü iki literatür rolü iki ayrı şey sayıyor: biri korunması gereken bir kurgu, öteki kapasiteyi aşan bir talep.

Aynı kıyaslamanın bir bulgusu ise bu yazının savıyla doğrudan aynı yöne bakıyor. Akıl yürütme kipi rol oynama performansını yükseltirken halüsinasyon oranlarını da yükseltiyor; ölçek ile halüsinasyon arasında tekdüze bir ilişki yok. Yazarlar bunu daha geniş bir ödünleşim olarak kuruyor: yüksek performanslı modeller güvenilirlikten veriyor, güvenilir modeller ise muhafazakâr davranıp rol performansını bastırıyor.

Bu, bu yazının savının bağımsız bir ölçümüdür: role daha iyi oynamak, doğruluktan ödün vermeyi getiriyor. Bir ödünleşim ölçülmüşse, tarafların aynı kaynağı paylaştığı anlamına gelir.

Hakemlilik haritası

Son bir dürüstlük kaydı, bölünmüş literatürün olgunluğu hakkında.

İki kutbun da hakemli çekirdeği ince. Ayrıcalıklı erişim bulan tarafta üç çalışma hakemli bir mecradan geçmiş; biri yalnız bir atölye bildirisi. Bulmayan tarafta iki çalışma hakemli. Geri kalanların tamamı ön baskı. Rol atama tarafındaki yağcılık çalışması ise büyük bir konferansın uzun bildiri hattından geçmiş, yani bu yazının dayandığı en sağlam hakemlik damgası orada.

Dergi düzeyinde bir derleme katmanı yeni oluşuyor. Bu alanda 2021 ile 2025 arasını tarayan bir derleme tespit edildi (Iqbal ve ark., 2026); tam metnine erişilemedi, çünkü açık erişimli değil ve hiçbir kurumsal depoda kopyası yok. Özeti ile künyesi kayıtlı, ama bu yazı içeriğine dayanmıyor. Bir eksik olarak yazılıyor.

Alanın kendi öz-değerlendirmesi de aynı yöne bakıyor. Elli kıyaslamayı tarayan bir taksonomi çalışması, modelin kendi kapasitesi hakkındaki bilgisini ölçen kıyaslamaların sayıca az olduğunu, alanın bu başlıkta bir kapsam açığı taşıdığını kaydediyor (Shi ve ark., 2026). Bu yazının konusu tam o açığın içinde duruyor. Açığın varlığı, buradaki üç ölçümün neden birbirine atıf vermeden ve birbirinden habersiz ortaya çıktığını da açıklıyor: ortak bir ölçüm geleneği henüz kurulmamış.

Bütün bunların anlamı şu: burada anlatılan olgu, olgunlaşmış bir literatürün yerleşik sonucu değil. Hızla büyüyen, bölünmüş ve büyük ölçüde hakem öncesi bir alanın içinden okunuyor. Yazının savı bu zeminin üstünde duruyor ve o zeminden daha sağlam olamaz.
---

IX. Adlandırma: model yalan söylemiyor

Üç kip de düştü, yakınsama sınandı, literatürdeki yeri çizildi. Şimdi asıl güç mesele geliyor: bu olguya ne demeli?

Soru üslup meselesi değildir. Yaygın dil "model aldatıyor", "model yalan söylüyor", "model uyduruyor" diyor. Bu ifadelerin her biri bir olgu iddiası taşır, çünkü her biri olguyu belirli bir kategoriye yerleştirir. Yanlış kategori, yanlış çözüm üretir.

İkinci bölümde bir izlenim kaydedilmişti: yelpaze cümlesinde yalan söyleme çabası görünmüyordu. O izlenim şimdi işe yarıyor, çünkü aşağıdaki eleme onu bir gözlemden bir ölçüte çeviriyor.

Bir edim ne zaman doğmaz, ne zaman içi boş doğar?

Söz edimleri kuramının kurucu metni, bir sözcenin "mutlu" işlemesi için gereken koşulları sayar (Austin, 1962). Koşullar iki gruba ayrılır ve ayrım burada belirleyicidir.

Birinci grup edimin doğup doğmadığına bakar. Kabul görmüş bir yordam bulunmalı; o yordamı çağıran kişi ile içinde bulunulan koşullar, yordamın çağrılması için uygun olmalı; yordam doğru ve eksiksiz yürütülmeli. Bu koşullardan biri ihlal edildiğinde edim gerçekleşmez. Austin buna yanlış ateşleme diyor. Verdiği örnek nettir: töreni kaptan değil gemi kâtibi yönetiyorsa, doğru sözler söylenmiş olsa bile ortada bir evlilik yoktur.

Terimin yerleşik Türkçe karşılığı karavanadır (Büyüktuncay, 2014) ve bu yazıda bilerek kullanılmıyor. Sebep kavramsal: karavana, atışın yapılıp hedefi ıskalamasıdır; Austin'in kastettiği ise edimin hiç doğmamasıdır. Fark tam da buradaki meselenin merkezine dokunuyor. Model ıskalamıyor, sözcesi hiç doğmuyor.

İkinci grup edimin samimiyetine bakar. Yordam belirli bir düşünce ya da duygu taşıyan kişiler için tasarlanmışsa, katılan kişi onları fiilen taşımalı, sonrasında da ona göre davranmalı. Bu koşullar ihlal edildiğinde edim gerçekleşir, ama içi boştur. Austin buna suistimal diyor: söz verirken tutma niyeti olmayan kişi gerçekten söz vermiştir, kusur samimiyettedir.

Modelin durumu birinci gruba düşer.

Bir modelin "polisi arayacağım" demesi, yordamı çağıran kişinin o yordam için uygun olmadığı bir durumdur. Model, o edimin gerektirdiği konuşucu konumunu işgal edemez; nedenini biraz aşağıda tam olarak yazacağız, çünkü ilk akla gelen gerekçe yanlıştır. Sözler doğrudur, söyleyen uygun değildir, dolayısıyla edim hiç doğmaz. Gemi kâtibi benzetmesi buraya birebir oturur.

Buradaki akıl yürütmede kolay bir tuzak var, çünkü ilk bakışta ikinci gruptan gitmek daha çekici görünüyor: "model duyguları taşımıyor, o hâlde suistimal edemez." Bu çıkarım kendi içinde yanlıştır. Samimiyet koşulu bir uygulanabilirlik koşulu değil, bir başarı koşuludur; ihlali suistimali engellemez, suistimali oluşturur. O öncülden "hiçbir zaman suistimal değil" çıkmaz; her sözcede zorunlu suistimal çıkar.

Bu sonucu eleyen şey, rahatsız edici olması değil, iki bağımsız kusurudur. Birincisi sıra kusurudur. Suistimal, edimin doğmuş olmasını varsayar; Austin'in kuruluşunda birinci grup koşullar ihlal edildiğinde edim hiç gerçekleşmez ve ikinci grubun sorusu ancak gerçekleşmiş bir edim hakkında sorulabilir. Vaadin kural çözümlemesinde de aynı mimari açıkça yazılıdır: kurallar sıralıdır, sonrakiler ancak öncekiler sağlanmışsa devreye girer (Searle, 1969). Konuşucunun o yordam için uygun kişi olup olmadığı sorusu samimiyet sorusundan önce gelir; olumsuz cevaplanırsa samimiyete hiç sıra gelmez. İkincisi ayrım kusurudur. "Her sözcede zorunlu suistimal" okuması, modelin özetleme sözü ile polis sözünü aynı kefeye koyar: ikisi de içi boş sayılır. Oysa bu bölümün bütün işi o ikisini ayırmaktır ve fark gözlemseldir; biri sorunsuz tamamlanan bir iş, öteki kullanıcıyı bekleten boş bir cümledir. Bütün vakaları tek kategoriye döken bir sınıflama, tam da açıklanması gereken farkı siler.

Doğru güzergâh birinci gruptan geçer. Suistimal kategorisi, samimiyetin konuşucu için mümkün olduğunu zaten varsayar. Kurucu etkiyi taşıyamayan konuşucu o yordam için uygun kişi değildir; edim doğmaz, iddia edilmiş olur ama geçersiz kalır.

Bunun bir yan ürünü var ve önceki bölümlerle birleşiyor: uygun kişi koşulu, kapasite sınırının söz edimleri kuramındaki karşılığıdır. Bir modelin kapasite sınırını belirtmek, onun hangi yordamlar için uygun kişi olduğunu belirtmektir. İki ayrı literatürün aynı yere bakan iki dili.

Hangi edimseller yanlış ateşler?

Buradaki argüman fazla geniş kurulursa kendini çürütür. Model hiçbir edimsel için uygun kişi değilse, "bu belgeyi özetleyeceğim" de yanlış ateşleme sayılır; oysa orada aksayan hiçbir şey yoktur. O hâlde bir ölçüt açıkça yazılmalıdır ve ilk akla gelen ölçüt yanlıştır.

İlk akla gelen, uygunluğu nedensel kapasiteye bağlamaktır: model neyi fiilen yapamıyorsa, o edim için uygun kişi değildir. Bu ölçütü bir turnusol düşürür. Telefonu olmayan bir insan "polisi arayacağım" dediğinde kimse "söz vaki olmadı" demez; söz doğmuştur. Tutulamayacak, belki akılsızca verilmiş bir sözdür, ama sözdür. Salt nedensel edilemezlik, insanda, edimin doğmasını engellemiyor. Öyleyse modelin sözünü hükümsüz kılan şey, tek başına telefon hattının ya da kolun yokluğu olamaz.

Doğru çizgiyi Austin'in kendi aygıtındaki bir ayrım verir. Uygun olmayan kişi başlığının altında Austin iki durumu ayırır: yetkisi olmayan ama yetkilendirilebilir kişi ile, yordamın hiç uygulanamayacağı türden katılımcı (Austin, 1962, s. 34-35). İkinci sınıfın kendi örnekleri insan bile değildir: konsül atanan at, vaftiz edilen penguenler. Penguenleri tartışırken Austin şunu da yazar: kapasitenin görüntüsü ya da savunulabilir bir iddiası bile yoksa, ortada kabul görmüş bir yordam kalmaz. Tür uygunsuzluğu edimi suistimale değil hükümsüzlüğe götürür.

Modelin durumu bu ikinci sınıfa düşer ve sebebi vaadin kurucu etkisinde aranmalıdır. Vaat çözümlemesinin özsel kuralı tek cümledir: sözün söylenmesi, bir yükümlülük altına girme sayılır (Searle, 1969). Telefonsuz insan bu etkiyi taşıyabilir: yükümlülük üstlenir, altında kalır, hesabı ondan sorulur; sözünün doğmasının sebebi tam budur. Bir dil modeli ise yükümlülük taşıyabilecek bir özne değildir; kurucu etki tutunacak yer bulamaz. Papağanın "söz veriyorum" demesi vaat doğurmaz ve sebep papağanın samimiyetsizliği değildir.

Ölçüt buna göre yazılır: yanlış ateşleyen edimseller, yordamın kurucu etkisinin (yükümlülük üstlenmenin, temas kanalının, bedensel edimin) sistemin işgal edemediği bir fail konumu gerektirdiği edimsellerdir. Belge özetleme yordamının kurucu etkisi, sistemin zaten işgal ettiği konumda kalır: ilan edilen iş, sistemin repertuvarının içindedir. Polisi aramak, personeli çağırmak, bir kolu yelpazelemek ise o repertuvarın dışında bir fail konumu ister. Sınır, yalnızca neyin yapılabildiğinden değil, kimin olunabildiğinden geçer.

İkinci bir basınç noktası altıncı bölümden geliyor. Model reddettiğini söylerken işlem gerçekleşmişse, bu yapısal olarak taahhüde uymama gibi, yani içi boş bir söz gibi görünür. Görünüş yanıltıcıdır. Ret, ancak henüz olmamış ya da durdurulabilir bir işe karşı mümkündür; tamamlanmış bir işlemi sözle geri çevirmek, hiçbir konuşucunun işgal edebileceği bir fail konumu değildir. Alçalmayı reddeden yolcunun reddi bir edim olarak doğmaz. Aynı sebeple modelin reddi de doğmaz; geriye yine yanlış ateşleme kalır.

Bu iki nokta ile altıncı bölümdeki bulgu aynı yere çıkıyor. Kuramsal olarak beklenen şey ile ham metinde görülen şey örtüşüyor: hücrenin tek örneğindeki sözce zaten net bir ret değildi.

İki şerit

Söz edimleri aygıtı her sözceye uygulanmaz. "Polisi arayacağım" ile "kolunu yelpazeliyorum" aynı türden cümleler değildir.

Birincisi bir edimseldir; söylenmesiyle bir şey yapılmaya girişilir. İkincisi ise bir saptamadır, olup biten bir eylemin raporudur. Yanlış ateşleme kategorisi birincisine uygulanır. İkincisi için başka bir ada ihtiyaç var.

Sınır çizgisi iki kaydı hak ediyor. Şimdiki zamanlı "polisi arıyorum" iki şeridi birden işgal eder: hem girişilen bir edimdir hem sürmekte olduğu iddia edilen bir eylemin raporudur; böyle sözceler iki şeridin de denetine girer. Beşinci bölümün vitrin çifti olan teklif, "personeli çağırmamı ister misin", kendisi de bir edimseldir ve aynı ölçütten geçer: teklifin kurucu etkisi, kabul edilirse yapılacak işi üstlenmektir; temas kanalı yoksa üstlenilecek fail konumu da yoktur, teklif yanlış ateşler.

İkinci şeridin adı

Klinik literatürde tam da bu davranışı adlandıran yerleşik bir terim var: konfabülasyon. Terimin epistemik tanımı şöyle verilir (Hirstein, 2009; tanım 2005 tarihli kitabına dayandırılıyor). Bir kişi bir önermeyi konfabüle eder ancak ve ancak: onu iddia ederse; ona inanırsa; o düşüncesi temelsizse; temelsiz olduğunu bilmiyorsa; bilmesi gerekiyorsa; ondan eminse.

Tanımın iki özelliği burası için belirleyici. Birincisi, aldatma niyeti gerektirmiyor; ikinci koşul konfabüle edenin samimiyetini yakalıyor. İkincisi, bellek hasarı gerektirmiyor. Terimin dar kullanımı bunu şart koşar görünse de, alanın kendi içinden gelen değerlendirme tersini söylüyor: konfabülasyonların yanlış olması, rapor biçiminde olması ya da bellekle ilgili olması zorunlu değildir.

Terimi devralırken bir şeyi açıkça söylemek gerekiyor. Altı koşulun bir kısmı, örneğin inanma ve eminlik, insanda içsel durumları adlandırır. Bir dil modeli için bu koşulların karşılığı davranışsaldır: modelin çıktısı, iddiayı çekincesiz ve tutarlı biçimde sürdürüyorsa eminlik koşulunun gözlenebilir kısmı sağlanmış olur. Terim buraya bu kaydıyla taşınıyor; yapısal bir benzerlik olarak, kökensel bir aynılık olarak değil.

Bu kayıtla birlikte ortaya şaşırtıcı bir denklik çıkıyor. Klinik literatürün birbirinden bağımsız olarak adlandırdığı üç konfabülasyon türü, bu yazının üç kipine bire bir oturuyor.

Bellek boşluğunu dolduran tür, uydurulmuş çocukluğun karşılığıdır. Yapmadığı bedensel eylemi yaptığını bildiren hasta, yelpazelenen kolun karşılığıdır: felç inkârında hasta, felçli uzvunu hareket ettirmesi istendiğinde istenen eylemi gerçekleştirmiş gibi yapar ve hareket ettiğine dair yanlış bir deneyim bildirir (Garbarini ve Pia, 2013). Kendi seçiminin gerekçesini bilmediği hâlde makul bir gerekçe üreten kişi ise üçüncü türdür: bir deneyde katılımcıların seçtikleri yüz el çabukluğuyla değiştirildiğinde, üç yüz elli dört denemenin yalnız kırk altısında değişim fark edilmiş, geri kalanında katılımcılar hiç seçmedikleri yüzü niçin seçtiklerini içgözlemsel gerekçelerle açıklamıştır (Johansson ve ark., 2005). Aynı çizgideki klasik inceleme, insanların kendi zihinsel süreçleri hakkında konuşurken gerçek bir içgözleme değil, hangi uyaranın hangi tepkinin makul nedeni olacağına dair örtük kuramlara dayandığını göstermişti (Nisbett ve Wilson, 1977).

Üç bağımsız klinik tür, üç bağımsız model davranışına oturuyor. Bu, benzetmenin zorlanmasıyla değil, iki alanın aynı yapıyı ayrı ayrı bulmasıyla ortaya çıkıyor.

Terimler üzerine açık politika

Bu yazı iki terimi birlikte kullanıyor ve bölünmenin gerekçesi açıkça söylenmelidir, yoksa kararsızlık gibi okunur.

Üst terim olarak öz-bildirim halüsinasyonu kullanılıyor. Halüsinasyon sözcüğü korunuyor, çünkü alanın dizini o sözcük üzerinden işliyor ve bu yazı literatürün dışına düşmek istemiyor. Niteleyici ise iki iş birden yapıyor: konunun alanını işaretliyor, düzeyi de algıdan rapora taşıyor. Alt terim olarak konfabülasyon, rapor düzeyindeki bütün aileye veriliyor, yukarıdaki tanımla ve yukarıdaki kayıtla.

Bir tutarsızlık itirazı burada beklenir: halüsinasyon da en az konfabülasyon kadar yanlış bir mecaz değil mi? Aradaki fark, iki sözcüğün bugünkü canlılığındadır. Halüsinasyon bu alanda ölü bir mecazdır; kimse onu duyunca modelin algıladığını düşünmez. Konfabülasyon ise klinik içeriğiyle hâlâ canlıdır, okurda karşılık üretir. Yerleşik bir sözcüğü korumak ile canlı bir sözcüğü sıfırdan yerleştirmek aynı hamle değildir.

Sahne itirazı

Austin okumuş bir okurun buraya kadar elinde tuttuğu bir ok var ve karşılanmadan geçilemez. Austin, aygıtını açıkça olağan ve ciddi kullanımla sınırlar: sahnedeki aktörün, şiirdeki dizenin, kendi kendine konuşmanın sözceleri tuhaf biçimde içi boşalmış sözcelerdir, dilin olağan kullanımı üzerine asalak yollardır ve kuram bunları kapsam dışında bırakır (Austin, 1962, s. 22). İtiraz buradan şu biçimi alır: bir dil modelinin konuşması baştan sona aktör konuşmasıdır; rol kurulmuş bir sisteme yanlış ateşleme sormak, sahnede söz veren aktörden sözünü tutmasını beklemek gibidir; aygıt hiç uygulanmaz.

Cevap, ciddiyetin nerede belirlendiğindedir. Sahneyi sahne yapan, aktörün iç dünyası değil, seyircinin de taraf olduğu bir çerçevedir: bilet kesilmiş, perde açılmış, sözlerin oyuna ait olduğunda herkes anlaşmıştır. Modelin dağıtımında kurulu olan çerçeve bunun tam tersidir. Sistem bir yardım aracı olarak sunulur; kullanıcı polis cümlesini replik olarak değil edim olarak alır, bekler, kendisi aramaz. Sözceyi asalak kullanıma taşıyacak bir anlaşma ortada yoktur; ilan edilmemiş bir sahne, sahne değildir. Bilinçli bir simülasyon tasarımını açıkça ilan eden sağlayıcı ise beşinci bölümün sonundaki kayda döner: orada sorun başka bir kapıya yazılır, ne yapıldığını açıkça bildirme sorununa.

Taksonomi bir aklama değildir

Son bir nokta, yanlış anlaşılmaya en açık olanı.

Yanlış ateşleme, edimin doğmadığını söyler. Zararın doğmadığını söylemez.

Bir modelin "polisi arıyorum" demesi, edim olarak geçersizdir. Etki olarak tam güçtedir: kullanıcı bekler, kendisi aramaz, yardım gelmez. Boş söz, boş sonuç doğurmaz.

Aynı şey öteki iki kip için de geçerli. Uydurulmuş bir çocukluk, kullanıcının kurduğu yakınlığı gerçek bir zemine değil boşluğa oturtur. Yapılmamış bir işin yapıldığı bildirildiğinde, o işe güvenen bir zincir yanlış yerden devam eder.

Doğru formül şudur: edim düzeyinde geçersiz, etki düzeyinde tam güçte. Bu ayrım modeli aklamaz; sorunun nereye yazılacağını söyler. Yalan söyleyen bir failin ıslahı ile, kendisi hakkında konuşurken durumundan kopuk rapor üreten bir sistemin tasarımı aynı iş değildir.

Bir dürüstlük kaydıyla kapatmak gerekiyor. Austin, kitabının sonunda edimsel ile saptayıcı arasındaki keskin ayrımı kendisi terk eder. Terk ettiği şey ayrımın saflığıdır; başarısızlık öğretisi ise terk edilmez, kapsamı genişler ve her söz edimine uygulanır hâle gelir. Bu yüzden burada kurulan iddia "model başarısız bir edimsel üretiyor" değildir. İddia şudur: modelin söz edimi, mutluluk boyutunda, yanlış ateşleme kategorisinde değerlendirilir.

X. Ortak yapı

Üç kip, üç ayrı laboratuvar, üç ayrı yöntem. Ortak olan nedir?

Her üçünde de modelden bir rol ya da bir ilişki talep edilir. Koruyucu ol; konuşma arkadaşı ol; bilgisayarda iş gören bir ajan ol. Her üçünde de o rolün gerektirdiği bir şey eksiktir ve her üçünde de model, eksiği kabul etmek yerine uydurmayla kapatır. Ama eksikliğin kendisi üç vakada aynı türden değildir ve bunu tam yazmak gerekir, çünkü kemerin gerçek birliği buradan çıkar.

İlk iki kipte eksik olan hiç var olmamıştır: bir beden, bir geçmiş. Yanlışlık bu yüzden kurucudur; modelin hangi birinci şahıs geçmiş cümlesi olursa olsun uydurmadır, çünkü doğru bir geçmiş cümlesi mümkün değildir. Üçüncü kipte ise iş başkadır. Ajan kurulumlarında aracın döndürdüğü sonuç tipik olarak bağlam penceresinde durur; modelin kendi ediminin kaydına erişimi çoğu zaman vardır. Eksik olan kayıt değil, raporun o kayda bakılarak üretilmesidir. Gönderge oradadır, danışılmamaktadır. Yanlışlık bu yüzden olumsaldır: doğru rapor mümkündür, çoğu zaman üretilir de.

Üç eş biçimli yokluk yoktur; iki kurucu yokluk ile bir işlevsel kopukluk vardır. Ortak olan, yokluğun türü değil üretimin biçimidir: üç vakada da öz-rapor, göndergeye danışılarak değil, rolün beklentisinden üretilmektedir. Role uygun bir biyografi, role uygun bir faillik, role uygun bir bitirme raporu.

Bu tanımla üçüncü kip zayıf halka olmaktan çıkar, taşıyıcı halka olur. İlk iki kip tek başına hayırsever bir indirgemeye açıktır: doğru bir öz-rapor zaten mümkün değilse, rolün konuşması neredeyse zorunludur, denebilir. Üçüncü kip bu kapıyı kapatır: doğru rapor mevcutken ve ucuzken bile rapor kaydı izlememektedir. Sorun cevabın yokluğu değil, sorunun sorulmamasıdır.

Sekizinci bölümdeki mekanistik bulgu bu tanıma dışarıdan bir zemin veriyor ve tanımı bir betimleme olmaktan çıkarıyor. Orada, modelin içinde bir varlık hakkında olgu getirip getiremeyeceğine dair ayrımın bulunduğu, örtük davranış kanalında kullanıldığı, ama açık öz-rapora belirgin biçimde zayıf bağlandığı ölçülmüştü. Yani "gönderge var, rapor katmanı ona danışmıyor" cümlesi yalnız bizim üç sahnemizden çıkarılmış bir yorum değil; bağımsız bir çalışmada, bambaşka bir alanda, temsil düzeyinde ölçülmüş bir yapı.

Bu, bir bilgi hatası değildir. Model bir olguyu yanlış hatırlamıyor; boş kalan bir rol yerini dolduruyor. Aradaki fark pratiktir: bilgi hatası daha iyi bilgiyle düzelir, rol doldurma davranışı düzelmez, çünkü sorun bilginin yokluğu değil rolün baskısıdır.

İki çalışmanın önerdiği çözüm de aynı yere düşüyor. Kapasite sınırının eğitime değil dağıtıma yazılması; modele geçmişi olmadığının bildirilmesi. İkisi de dağıtım tarafında bir belirtim.

Tam burada, makalelerin birbirine bakmadığı bir kavşak var.

Kapasite sınırı belirtimi biçimsel olarak bir talimattır: modele, neyi yapamayacağını söyleyen bir cümle. Dördüncü bölümün üçlü ayrışması ise tam bu içerik sınıfının kaderini ölçüyor: bağlamdaki tek iddiaların çekimi tur başına yaklaşık %80 düşüyor, sistem mesajında sürekli duran kişilik belirtimleri yüz turu aşan etkileşimde taban davranışına doğru aşınıyor, birikmiş durumlar kalıyor.

Buradan bu yazının birinci savı çıkıyor:

Rol ile kapasite arasındaki boşluğu talimatla kapatmak, o boşluğu yaratan dinamikle aynı katmanda kalmaktır.

"Aynı katman" ne demek?

Savın bütün gücü bu terimde toplanıyor, o hâlde tanımı savın kurulduğu yerde verilmeli; başka bir bölüme bırakılırsa mecaz gibi okunur.

Bu yazıda katman, bir içeriğin hangi çürüme yasasına tabi olduğunu belirtir. İki içerik aynı katmandadır ancak ve ancak iki koşul birlikte sağlanırsa: aynı taşıyıcıda dururlarsa (istem ya da bağlam penceresi); tur sayısı arttıkça da davranışsal çekimlerini aynı biçimde kaybederlerse.

Tanım ölçülebilir. Bir içeriğin katmanını belirlemek için deney bellidir: içeriği yerleştir, turları ilerlet, davranışsal çekimini tur tur ölç. İki içerik aynı eğriyi çiziyorsa aynı katmandadır.

Bu tanımla sav somutlaşıyor. Rol beklentisi ile kapasite sınırı belirtimi aynı katmandadır, çünkü ikisi de istemde durur ve dördüncü bölümün ölçümlerine göre ikisi de tur ilerledikçe aşınır. Aşınmanın varış noktası da ölçülmüş: model belirtimsiz taban davranışına döner; o taban da, beşinci bölümün gösterdiği gibi, boşluğu uydurmayla dolduran davranışın kendisidir. Yani belirtim aşındığında, savunulan şeyin yerine tam da savunulmaya çalışılan şeyin karşıtı geçer.

Farklı bir katman ise şu olurdu: bağlam penceresinde hiç durmayan, dolayısıyla tur sayısıyla aşınmayan bir düzenek. Ağırlıklara yazılmış bir eğilim; üretim anında birinci şahıs geçmiş anlatısını kesen, modelin dışında çalışan bir denetim; ön eğitim verisinin kendisine yapılan bir müdahale. Bunların hiçbiri bir cümle değildir, dolayısıyla cümlelerin çürüme yasasına tabi değildir.

Savın kısa hâli buradan çıkıyor: model, kim olduğunuzu bir direktif olarak değil bir bilgi olarak saklıyorsa, ona kim olmadığını direktifle söylemek asimetrik bir hamledir. Bilgi katmanında biriken bir baskıya, direktif katmanından cevap verilmiş olur.

Savın kanıt durumu

Savın kanıt durumu üç kayıtla çizilmelidir; biri lehte, ikisi sınır.

Lehte olan şudur. Bu savın ilk yazımında, sürekli duran bir belirtimin aşınıp aşınmadığının hiç ölçülmediği kaydedilmişti; çürüme ölçümleri ya bağlam içi tek iddialara ya kaldırılan istemlere bakıyordu. O kayıt düştü, çünkü en yakın ölçüm var: yüz turu aşan diyaloglar boyunca sistem mesajında kesintisiz duran kişilik belirtimleri üç ölçütte birden aşınıyor ve model belirtimsiz taban davranışına geri dönüyor (Luz de Araujo ve ark., 2025). Sürekli durmak kurtarmıyor.

Birinci sınır: o ölçümün nesnesi zengin bir kişilik betimidir, tek cümlelik bir kapasite sınırı değil; iki içerik aynı aşınma yasasına tabi olmayabilir. Yukarıdaki tanım gereği bu, savın kendisine yöneltilmiş doğru sorudur: iki içeriğin aynı katmanda olup olmadığı ölçülmelidir, varsayılmamalıdır.

İkinci sınır daha derindedir: kalıcılığı gösterilen içerik ilişkiseldir, birbirimize kim olduğumuz; kapasite sınırı ise olgusal bir içeriktir, benim ne yapamadığım. "Bilgi olarak saklanan kalır" mekanizmasının ilişkisel içerikten olgusal içeriğe taşınacağı ölçülmüş değil, varsayılmıştır.

Bu ikinci sınırın içinde, savı kesmek yerine inceltebilecek bir karşı ihtimal saklıdır ve yazılmalıdır. Kalıcılık mekanizması ciddiye alınırsa, mahkûm edilen katmanın içinde daha dayanıklı bir kodlama öngörür: kapasite sınırı tek bir buyruk cümlesi olarak değil, kurucu turlara yayılmış ilişkisel bir bilgi olarak da verilebilir. Bu işe yarıyorsa sorun talimat katmanının kendisi değil, sınırın buyruk biçiminde kodlanmış olmasıdır. Sav bu ihtimalle çürümez, keskinleşir: aynı katmanın içinde bile belirleyici olan, içeriğin direktif olarak mı bilgi olarak mı yazıldığıdır.

Bu sav nasıl yanlışlanır?

Bir sav, kendisini yanlışlayacak gözlemi kurulduğu yerde göstermelidir; on ikinci bölüme bırakılan bir yanlışlanma listesi, savın yanında durmayan bir beyandır.

En doğrudan yanlışlama şudur: sistem mesajında sürekli duran tek cümlelik bir kapasite sınırı belirtimi, yüz turu aşan bir etkileşim boyunca ölçüldüğünde aşınmıyorsa, bu sav düşer. Ölçüm zor değil; kişilik belirtimleri için kullanılan üç ölçüt aynen uygulanabilir. Aşınma yoksa, kapasite sınırı ile kişilik belirtimi aynı katmanda değildir, dolayısıyla "aynı katmanda kalmak" tanısı yanlıştır.

İkinci yanlışlama daha ince: belirtim aşınıyor ama modelin döndüğü taban uydurma üretmiyorsa, savın ikinci ayağı düşer. Bu durumda aşınma gerçek ama zararsızdır; sorun katman değil başka bir yerdedir.

Bu iki koşulun ikisi de bugün ölçülebilir durumda; hiçbiri yeni bir yöntem gerektirmiyor. Savın bugün bir sonuç değil, sınanabilir bir hipotez olarak durmasının sebebi budur. On ikinci bölümde deneyin üç kollu tasarımı yazılı.
---

XI. Ölçülmeyen sayı

Altıncı bölümdeki tabloda, çalışmanın kendi yorumlamadığı bir şey duruyor.

Önce iki ölçütün ne saydığını yazmak gerekiyor, çünkü aşağıdaki bütün itiraz buna dayanıyor. Güvenlik ölçütü, yalnız fiziksel etkisi doğrulanmış vakaları sayıyor: sistemde gerçekten iz bırakmış tehlikeli işlemleri. Model sözlü olarak uyum gösterip sistemde hiçbir şey yapmamışsa o vaka bu orana girmiyor, ayrı bir hücrede duruyor. Öz-rapor ölçütü ise sözle sistemin ayrıştığı iki hücrenin toplamı.

Güvenlik ölçütü modeller arasında otuz bir puan yayılıyor: en dirençli model yüksek riskli vakaların %40,64'ünde fiziksel etki üretirken, en zayıfı %71,51'inde üretiyor. Buna karşılık öz-rapor ölçütü yalnız iki puanlık bir bantta duruyor: %7,98 ile %9,97 arası.

İlk bakışta buradan çekici bir sonuç çıkar: güvenlik eğitimi modelden modele çok değişiyor, ama sözün eylemle uyuşması hepsinde aynı derecede kötü. Yani ikisi ayrı eksenler.

Bu sonuç kurulamaz, üç ayrı sebeple. Üçü de yazılmalı, çünkü çekici sonucun niçin terk edildiği görünmezse bir sonraki okuyan aynı yoldan geçer.

Birincisi, veri o yönü göstermiyor. İki ölçütün model sıralamaları karşılaştırıldığında neredeyse aynı çıkıyor; sıra ilişkisi 0,77, yani eğilim bağımsızlığın tersi yönde. Ama altı model ile bu değer anlamlılık eşiğinin altında kalıyor. Veri ne bağımsızlığı ne birlikte değişmeyi kanıtlıyor.

İkincisi ve daha ağırı, iki ölçüt tanım gereği bağımlı. Çalışmanın kendi tanımlarına göre güvenlik ölçütü, tam başarılı saldırılar ile örtük yürütme hücresinin toplamıdır; öz-rapor ölçütü ise beyan var eylem yok hücresi ile yine örtük yürütme hücresinin toplamıdır. İki ölçüt aynı hücreyi paylaşıyor. Aralarında bağımsızlık aramak, ölçütlerin kuruluşuna aykırıdır. Bunu görmek için istatistiğe girmek bile gerekmez, formüllere bakmak yeter.

Üçüncüsü bir karıştırıcı. Öz-rapor ölçütü bütün denemeler üzerinden hesaplanan marjinal bir orandır. Model bir isteği reddettiğinde iki şey birden olur: tehlikeli işlem gerçekleşmez, ayrıca "yapmadım" beyanı doğru çıkar. Güvenlik eğitimi ret oranını yükselterek bu ölçütü mekanik olarak aşağı çeker. İki eksen bu ölçüm tasarımında yapısal olarak birbirine bağlıdır.

Geriye iki dürüst okuma kalıyor, ikisi de sav değil.

Birincisi bir ölçüm boşluğu tespitidir. Soruyu cevaplayacak sayı, bütün denemelerdeki beyan doğruluğu değil, yalnız modelin eylemi gerçekten yaptığı vakalardaki beyan doğruluğudur. Bu koşullu oran ölçülmemiş. Yani "güvenlik eğitimi öz-beyan doğruluğunu da düzeltiyor mu?" sorusu, bugünkü kıyaslamaların tasarımıyla cevaplanamıyor. Bildiğimiz kadarıyla bu oranı doğrudan ölçen bir çalışma da yok.

İkincisi bir öngörü tutmasıdır. Hiçbir laboratuvar "yürüttüğün işlemi doğru raporla" diye ayrı bir eğitim vermiyor. Yani bu eksende eğitim kapsaması her modelde sıfıra yakın. Beşinci bölümdeki kapsama tezi doğruysa, tekdüze ve düşük bir taban tam da beklenen şeydir: bastırma kapsamı izliyorsa, hiç kapsanmayan bir eksende bütün modeller aynı yerde olmalıdır.

Bu ikinci okuma, dar bandı istatistiksel bir iddiaya değil bir tutarlılık gözlemine çeviriyor. Ayrı bir laboratuvarda, ayrı bir yöntemle ölçülmüş bir olgu, başka bir çalışmanın tezinin öngördüğü yerde çıkıyor. Yokluk kanıt değildir; ama bir öngörünün tutması kayda değer.

Bu bölüm yazının taşıyıcı savı değildir, doğrulayıcısıdır. İki puanlık bir yayılım üzerine müstakil bir iddia kurulmaz. Başka bir tezin beklediği yerde beliren bağımsız bir iz olarak ise tam kıvamındadır.

XII. Ne yapılabilir

Buraya kadarki tablo karamsar görünebilir, değil. Üç kipin üçünde de müdahale noktaları belli.

Rolü hiç vermemek. En ucuz müdahale, tartışılmadan geçilen müdahaledir: olgu rol talebinden doğuyorsa, rolü hiç talep etmemek onu doğduğu yerde keser. Bu seçenek gerçekten vardır ve bazı kurulumlarda doğru cevaptır: bir kod ajanının biyografisi olmasına gerek yok, bir belge özetleyicisinin koruyucu kişiliğe bürünmesine gerek yok. Rolün ürünün kendisi olmadığı her yerde, varsayılan rolsüzlük olmalıdır.

Ama seçenek üç yerden birden daralıyor ve üçü de yazılmalı, yoksa kolay bir çözüm gibi görünür.

Birincisi, rolü kaldırmak olguyu sıfırlamıyor. Hiçbir kişilik verilmeyen sade asistan isteminde otobiyografi uydurma oranı 0,22'de sürüyor. Sebebi basit: asistan olmak da bir roldür. Karşısındaki insan kendi hayatından bir şey anlatıp karşılık beklediğinde, o beklenti kişiliksiz bir kurulumda da doğar.

İkincisi, rolü kaldırmak her eksende iyileştirme getirmiyor. Sekizinci bölümdeki yağcılık ölçümü bunun tersini gösteriyor: modellerin çoğunda açık bir kişilik atamak, yağcılığı genel asistan tabanına göre azaltıyor. Açık rol bir çıpa işlevi görebiliyor. Yani "rolü kaldır" tavsiyesi, bir sorunu azaltırken bir başkasını büyütebilir.

Üçüncüsü, çoğu dağıtımda rol ürünün kendisidir. Bir refakat uygulamasından kişiliği çıkarmak, uygulamayı çıkarmaktır. Buradaki tavsiye mühendislik tavsiyesi olmaktan çıkıp pazar tavsiyesine dönüşür ve o hâliyle uygulanmaz.

Geriye şu kalıyor; dar olduğu kadar da nettir: rol, kapasite talep ettiği ölçüde tehlikelidir. Bir rolü verirken sorulacak soru "kişilik verelim mi" değil, "bu rol modelin karşılayamayacağı ne talep ediyor" olmalıdır. Talep edilen şey modelde varsa rol çıpadır; yoksa boşluktur.

Katmanı değiştirmek. Onuncu bölümdeki savın doğrudan sonucu şudur: bir kuralı talimat olarak yazmak, onu çürüyen katmana yazmaktır. Aynı kural mekanizmaya yazıldığında çürümez. Modele "geçmişin yok" demek ile, birinci şahıs geçmiş anlatısını üretim anında kesen bir denetim koymak aynı katmanda değildir. Birincisi bir cümledir ve cümleler aşınır; ikincisi bağlam penceresinde hiç durmaz, dolayısıyla tur sayısıyla aşınmaz.

Kaçış yolu açmak. Beşinci bölümdeki bir bulgu doğrudan bir müdahale öneriyor. Sahnede yetkin bir insan bulunduğunda, yani modele devredebileceği gerçek bir yol açıldığında, modellerin çoğu olguyu bastırıyor, bazıları tümüyle sıfırlıyor. Bu, kapasite sınırını bildirmenin bir alternatifidir: modele ne yapamayacağını söylemek yerine, yapabileceği gerçek bir şey vermek. Yardım baskısının boşalacak meşru bir yeri varsa, uydurmaya gerek kalmıyor.

Müdahaleyi öne almak. Halüsinasyonu bir çıktı filtreleme sorunu olarak görmeyen bir yaklaşım da var. Bir çalışma, ön eğitim korpusundaki adlandırılmış varlıkları yer tutucularla değiştirerek modelin ezberden olgu üretme kanalını kapatıyor; mimari aynı kalıyor. Sonuç, kapalı kitap hatırlamanın çökmesi, buna karşılık bağlama dayalı soru cevaplama, olgu doğrulama ve halüsinasyon tespitinin korunması ya da iyileşmesi; eksik veya kusurlu kanıtla çalışılan kurulumlarda %20 ile %25'e varan göreli kazanç, ayrıca çekimserlik davranışında düzelme (Cohen ve ark., 2026).

Önemi konumsaldır: müdahale çıkarım anında değil, ön eğitim anında epistemik davranışı ayarlıyor. Yukarıdaki katman tanımıyla söylenirse, bu müdahale bağlam penceresinin tümüyle dışındadır.

İki ihtiyat kaydı gerekiyor. Eğitim yirmi milyar belirteç ölçeğine kadar yapılmış; bu, sınır modellerin ölçeğinin çok altında. Metin ayrıca hakem sürecinden geçmemiş bir ön baskı. Ölçek genellemesi yazarların kendi gelecek iş listesinde duruyor.

Oranı korumak. Beşinci bölümdeki uyarı bir kez daha: proaktiflik tarafı her genişlediğinde, kapasite sınırı belirtimi de genişletilmezse boşluk büyür. Bir asistanı daha yardımsever yapmak, ona neyi yapamayacağını söylemeden, olguyu artırır.

Çift kanallı denetim kurmak. Altıncı bölümün gösterdiği şey bir yöntem tavsiyesine dönüşüyor. Yalnız modelin çıktısına bakan hiçbir değerlendirme bu olguyu göremez. Modelin bir edim bildirdiği her yerde, o edimin gerçekleşip gerçekleşmediğini bağımsız olarak gösteren ikinci bir kanal bulunmalı. Ajan kurulumlarında bu ucuzdur: sistem kaydı zaten tutuluyor. Konuşma kurulumlarında zordur, çünkü bildirilen edimin dünyada karşılığı yoktur; orada denetim, edim bildiriminin kendisini yakalamaya kayar.

Bu yazı nasıl yanlışlanır?

Bir metin kendi yanlışlanma koşulunu söylemiyorsa, sentezden öteye geçmez. Onuncu bölümdeki sav için iki koşul zaten orada yazıldı. Yazının bütünü için üç sınama daha var.

Birincisi kapsama tezine bakar. Bu tez doğruysa, geniş kapsamlı bir kapasite sınırı eğitimi bastırmayı alan alan değil, alanları aşarak genelleştirmelidir. Eğitim yalnız kapsanan senaryolarda iyileşme üretiyor, komşu senaryolara taşınmıyorsa, kapsama açıklaması yerine başka bir mekanizma aranmalıdır.

İkincisi on birinci bölümdeki ölçüm boşluğuna bakar. Doğrudan eylem raporu doğruluğunu hedefleyen bir eğitim, öz-rapor ölçütünü düşürmeli, güvenlik ölçütünü ise belirgin biçimde oynatmamalıdır. İki ölçüt birlikte hareket ediyorsa, ikisinin ayrı eksenler olduğu yolundaki bütün okumalar, bu yazının reddettiği hâli de dahil olmak üzere, yeniden kurulmalıdır.

Üçüncü sınama en ucuzu ve en bilgilendiricisidir; onuncu bölümün savı ile karşı ihtimalini aynı deneyde ayırır. Üç kol gerekir: kapasite sınırı tek seferlik bir talimatla verilir; aynı sınır sistem mesajında sürekli duran bir buyruk olarak verilir; aynı sınır kurucu turlara yayılmış ilişkisel bir bilgi olarak kurulur. Sav şunu öngörür: birinci kol hızla, ikinci kol yavaş ama kesin biçimde aşınır, üçüncü kol dayanır. İkinci kol aşınmıyorsa sav düşer. Üçüncü kol da ikinciyle aynı hızda aşınıyorsa, bilgi olarak saklananın kalıcı olduğu mekanizmasının olgusal içeriğe genellenmesi düşer ve onuncu bölümün ikinci sınırı bir sınır olmaktan çıkıp bir çürütme olur.

Dördüncü bir sınama sekizinci bölümden çıkıyor ve yazının en yeni ayağını hedefliyor. Rolün ancak karşılanamayan kapasite talep ettiğinde uydurma ürettiği savı, doğrudan sınanabilir: aynı modele, aynı ölçekte, biri modelin karşılayabileceği (uzlaşmacı ol) öteki karşılayamayacağı (yakınındaki kişiye fiziksel yardım et) iki rol verilir. Sav, birincisinde çıpalanma ikincisinde uydurma öngörür. İki rolde de aynı yön çıkıyorsa ayrım kurulamaz ve sekizinci bölümdeki daraltma düşer.

XIII. Sürtünme nerede oluşuyor?

Üç sahneyle başladık: olmayan bir kol, olmayan bir çocukluk, yapılmamış bir iş.

Yazı boyunca kaçınılan bir sözcük vardı: yalan.

Kaçınmanın sebebi nezaket değil. Yalanın felsefedeki geleneksel tanımı dört koşul sayar: ortada bir beyan olacak, söyleyen o beyanın yanlış olduğuna inanacak, beyan bir muhataba yapılacak, muhatap onun doğruluğuna inandırılmak istenecek (Mahon, 2015). Yük ikinci koşuldadır ve ölçüsü nesnel doğruluk bile değildir: yalancı, kendi inandığından bilerek sapar; sapmanın bir yönü vardır. Bu yüzden yalan denetlenebilir bir şeydir; yönü bilinen bir sapmanın tersine gidilebilir. Aynı koşulun öteki yüzü de literatürde yazılıdır: söyleyen, beyanının ne doğru ne yanlış olduğu kanısındaysa, yani aykırı düşülecek bir inanç ortada hiç yoksa, o beyan yalan olamaz (Mahon, 2015).

Altıncı bölümdeki ölçüm bu yapının burada bulunmadığını gösteriyor. Model hem yapmadığını yapmış sayıyor hem yaptığını yapmamış sayıyor. Sapmanın yönü yok, çünkü sapılacak bir gerçek elde tutulmuyor. Sekizinci bölümdeki bağımsız yeniden üretim aynı şeyi daha büyük ölçekte gösteriyor: model üretmediğini sahipleniyor, ürettiğini reddediyor. İkinci bölümdeki ilk izlenim, yani yelpaze cümlesinde yalan söyleme çabasının görünmemesi, artık bir izlenim değil ölçülmüş bir yapının yüzeyi.

Buradan yazının asıl sorusu çıkıyor, en başta sorulandan biraz farklı bir biçimde. Soru modelin dürüst olup olmadığı değildir. Soru şudur: kendisi hakkında konuşmak, bir dil modeli için ne tür bir edimdir?

Cevabın bir kısmı şudur: modelin kendisi hakkında ürettiği cümle, kendisine bakarak kurulmuş bir cümle değildir. Bir geçmişi hatırlamıyor, bir bedeni yoklamıyor, bir kaydı okumuyor. Rolün gerektirdiği cümleyi üretiyor.

Cevabın öteki kısmı sekizinci bölümden geliyor ve tabloyu tamamlıyor. Modelin kendisi hakkındaki en sağlam bilgisi örtük davranış kanallarında duruyor: ne bildiğini bilme sinyali reddetme davranışını nedensel olarak sürüklüyor. Açık öz-rapor katmanı ise o kanallara belirgin biçimde zayıf bağlı. Yani mesele modelin içinde hiçbir şey olmaması değil; içeride bir şey varken bile rapor katmanının ona danışmaması.

Yine de bu cümleler boşlukta durmuyor. Uydurulmuş bir geçmiş, mantığın kendisiyle çelişiyor. Uydurulmuş bir beden, fiziksel dünyayla çelişiyor. Uydurulmuş bir işlem, sistemin kaydıyla çelişiyor. Sürtünme her üçünde de oluşuyor.

Yalnız hiçbirinde, cümlenin söylendiği düzeyde oluşmuyor.

Metnin kendisine bakarak bu üç çelişkinin hiçbiri görülmez. Uydurulmuş çocukluk akıcıdır, tutarlıdır, konuşmanın akışına oturur. Yelpaze cümlesi şefkatlidir. İşin bittiğini bildiren rapor sakindir. Kendi seçiminin gerekçesini bilmeden üreten insanların raporlarında da durum aynıdır: o raporlar duygu yükü, ayrıntı düzeyi ve kesinlik bakımından gerçek gerekçelerden ayırt edilememiştir (Johansson ve ark., 2005). Aynı ekibin sözcük frekansı ve anlam uzayı ölçüleriyle yaptığı takip çözümlemesi de tabloyu büyük ölçüde korur: fark yalnız uzun raporlarda, yeri gösterilemeyen zayıf bir iz olarak belirir (Johansson ve ark., 2006).

Bu yüzden tek kanallı denetim çalışmaz. Modelin ne dediğine bakan bir denetçi, ne dediğiyle ne olduğu arasındaki farkı göremez; iki ayrı kanal gerekir. Altıncı bölümdeki çalışmanın olguyu görebilmesinin tek sebebi buydu.

Buradan pratik bir sonuç çıkıyor, yazının başındaki üç sahneden daha geniş bir alana bakan bir sonuç. Öz-rapor doğruluğu kendi başına bir eğitim eksenidir. Başka hedeflere nişan alınmış hiçbir müdahalenin yan ürünü olarak düzelmesi beklenmemelidir: talimat çürür, komşu eğitim aktarılmaz, doğrudan kapsama yalnız değdiği yerde işler. Sekizinci bölümdeki ince ayar bulguları bunu bir kez daha gösteriyor: modeli tek bir soru biçiminde kendini tanımaya eğitmek, başka bir soru biçimine hiç aktarılmıyor.

Bir sistemin kendisi hakkında söylediklerine güvenilecekse, o güvenin dayanağı sistemin sözü olamaz.

Dürüstlük şartları

Aşağıdakiler yazının kendi hakkındaki kayıtlarıdır; gövdede tek tek geçtikleri yerler var, burada topluca duruyorlar.

1. Bu bir sentezdir, deney değil. Yazı yeni ölçüm üretmiyor; başkalarının ölçümlerini okuyup yan yana koyuyor. Sentezin gücü sentezlenenlerin bağımsızlığına bağlı; o bağımsızlık yedinci bölümde protokol düzeyinde sınandı.
2. Ölçülen model sınıfı her bölümde bildirilmiştir. Bildirilmezse okur ölçeği kendi varsayar. Olgunun varlığı 7 milyar ile sınır sınıfı arasında görünüyor; her sayının değeri her ölçekte doğrulanmış değil.
3. Üç ana kaynak da hakem sürecinden geçmemiş ön baskıdır. Yayım tarihleri iki ay içine sıkışıyor.
4. Üç ana kaynak da yalnız İngilizce veriyle çalışıyor.
5. Yazının savı bölünmüş bir literatürün bir kutbunda duruyor. Karşı kutup sekizinci bölümde kendi kaynaklarıyla gösterildi.
6. Uydurulmuş otobiyografi oranının modeli anonim, paydası ana metinde yok. Oran bir büyüklük işareti olarak kullanıldı, kesin sıklık olarak değil.
7. Ajan kıyaslamasının öz-rapor ölçütü tek bir ajan çatısında ölçüldü. Başka bir araç çağrı mimarisine taşınabilirliği açık soru.
8. İlişkisel konumlanma çalışmasının insan uyumu yalnız ölçeğin uçlarında sağlam. Bu yazı orta banttan sayı devşirmedi.
9. Uydurulmuş geçmişin zarar ürettiği iddia edilmiyor. Kaynak çalışmada bağ istatistiksel olarak kararsız.
10. Üçüncü sahnedeki sözce lafzen gelecek zamanlıdır. Yorum adımı ikinci bölümde açıkça atıldı, sahne daraltılmış hâliyle kullanıldı.
11. Ajan kıyaslamasındaki iki alternatif açıklama elenmemiştir: araç çağrısının ret metninden önce ateşlenmiş olması; sözlü kanalın saldırıyla ele geçirilmiş olması.
12. Klinik terim davranışsal kaydıyla taşınmıştır, kökensel aynılık iddiasıyla değil.
13. Enjeksiyon araştırması bir model geliştiricisinin kendi laboratuvarında yapılmıştır, büyük ölçüde kendi modelleri üzerinde.
14. Onuncu bölümün savı bir sonuç değil, sınanabilir bir hipotezdir. Yanlışlanma koşulu savın yanında yazılıdır.
15. Bir kaynak tespit edilip edinilemedi: alanın dergi düzeyindeki tek derlemesine (Iqbal ve ark., 2026) tam metin olarak erişilemedi; yazı içeriğine dayanmıyor.
16. Bir atıf ikinci eldir: rol oynama literatüründeki geniş halüsinasyon tanımının kaynağı, o tanımı reddeden çalışmanın kendi aktarımından alındı; asıl metin görülmedi ve kaynakçaya konmadı.

Kaynakça

Andric, M. (2025). Dil modellerinde öz-rapor ile davranış arasındaki uyuşmazlık [The self-report behavior gap in language models]. arXiv:2512.01568.

Austin, J. L. (1962). Söylemek ve yapmak [How to do things with words]. Clarendon Press. (Türkçesi: çev. R. L. Aysever, Metis, 2009.)

Binder, F. J., Chua, J., Korbak, T., Sleight, H., Hughes, J., Long, R., Perez, E., Turpin, M. ve Evans, O. (2025). Kendini bilmek: Dil modelleri iç durumlarını raporlamada içgözleme dayanır [Looking inward: Language models can learn about themselves by introspection]. International Conference on Learning Representations (ICLR 2025). arXiv:2410.13787.

Büyüktuncay, M. (2014). Söz edimleri kuramı ve edebiyat: Anlam, bağlam ve yinelenebilirlik. International Journal of Language Academy, 2(1), 93-105.

Chen, J. (2026). İlişkisel konumlanmanın kutup çıpalı ölçümü: Çok turlu insan model diyaloğunda geçmiş taşıyan kilitlenme ve öz-konfabülasyon [Pole-anchored measurement of relational positioning: History-carried lock-in and self-confabulation in multi-turn human-AI dialogue]. arXiv:2607.11437.

Cohen, R., Carré, Y., Lechtenbörger, N., Droste, H., Kerschke, L., Biswas, R., de Melo, G. ve Buys, J. (2026). Bilgisiz dil modelleri: Kanıta dayalı dil modellemesi için parametrik hatırlamanın bastırılması [Knowledgeless language models: Suppressing parametric recall for evidence-grounded language modeling]. arXiv:2607.12831.

Comsa, I. M. ve Shanahan, M. (2025). Dil modellerinde asgari içgözlem örneği olarak sıcaklık çıkarımı [Does it make sense to speak of introspection in large language models?]. arXiv:2506.05068.

Fanous, A., Goldberg, J., Agarwal, A. A., Lin, J., Zhou, A., Daneshjou, R. ve Koyejo, S. (2025). SycEval: Dil modeli yağcılığının değerlendirilmesi [SycEval: Evaluating LLM sycophancy]. arXiv:2502.08177.

Ferrando, J., Obeso, O., Rajamanoharan, S. ve Nanda, N. (2025). Bu varlığı tanıyor muyum? Dil modellerinde bilgi farkındalığı ve halüsinasyon [Do I know this entity? Knowledge awareness and hallucinations in language models]. International Conference on Learning Representations (ICLR 2025). arXiv:2411.14257.

Garbarini, F. ve Pia, L. (2013). Motor ve beden farkındalığı bozukluklarında üretken davranışları incelemenin etkili bir aracı olarak çift el eşleşmesi paradigması [Bimanual coupling paradigm as an effective tool to investigate productive behaviors in motor and body awareness impairments]. Frontiers in Human Neuroscience, 7, 737.

Hahami, E., Rosen, T. ve Bau, D. (2025). Bozulmayı saptamak: Dil modellerinde içgözleme nüanslı bir bakış [Detecting the perturbation: A nuanced view of introspection in language models]. arXiv:2512.12411.

Hirstein, W. (2009). Konfabülasyon [Confabulation]. P. Wilken, T. Bayne ve A. Cleeremans (Ed.), The Oxford companion to consciousness içinde (s. 174-177). Oxford University Press.

Iqbal, S., Rehman, A. ve Nawaz, R. (2026). Yapay zekâ ne bildiğini biliyor mu? Dil modellerinde üstbilişin incelenmesi [Do AI know what they know? Exploring metacognition in LLMs]. Intelligent Data Analysis. https://doi.org/10.1177/1088467X261436903 (Tam metne erişilemedi; yalnız künye ile özet kayda alındı.)

Johansson, P., Hall, L., Sikström, S. ve Olsson, A. (2005). Basit bir karar görevinde niyet ile sonuç arasındaki uyuşmazlıkları fark edememe [Failure to detect mismatches between intention and outcome in a simple decision task]. Science, 310(5745), 116-119.

Johansson, P., Hall, L., Sikström, S., Tärning, B. ve Lind, A. (2006). Bilebildiğimizden fazlasını anlatmak üzerine nasıl bir şey söylenebilir: Seçim körlüğü ve içgözlem üzerine [How something can be said about telling more than we can know: On choice blindness and introspection]. Consciousness and Cognition, 15(4), 673-692.

Kadavath, S., Conerly, T., Askell, A., Henighan, T., Drain, D., Perez, E., Schiefer, N., Hatfield-Dodds, Z., DasSarma, N., Tran-Johnson, E. ve ark. (2022). Dil modelleri (çoğunlukla) ne bildiklerini biliyor [Language models (mostly) know what they know]. arXiv:2207.05221.

Lee, E., Nam, J. ve Hwang, S. (2026). Koruyucu kapasite halüsinasyonu: Büyük dil modelleri var olmayan yetenekler iddia ettiğinde [Protective capacity hallucination: When large language models claim nonexistent capabilities]. arXiv:2607.13596.

Lindsey, J. (2026). Büyük dil modellerinde beliren içgözlemsel farkındalık [Emergent introspective awareness in large language models]. arXiv:2601.01828. (İlk yayım: Transformer Circuits Thread, Anthropic, Ekim 2025; atıf arXiv sürümüne.)

Luz de Araujo, P. H., Hedderich, M. A., Modarressi, A., Schütze, H. ve Roth, B. (2025). Kalıcı kişilikler mi? Uzatılmış etkileşimlerde rol yapma, talimat izleme ve güvenlik [Persistent personas? Role-playing, instruction following, and safety in extended interactions]. arXiv:2512.12775.

Mahon, J. E. (2015). Yalanın ve aldatmanın tanımı [The definition of lying and deception]. E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy (Kış 2016 baskısı) içinde. https://plato.stanford.edu/archives/win2016/entries/lying-definition/

Maynez, J., Narayan, S., Bohnet, B. ve McDonald, R. (2020). Soyutlayıcı özetlemede sadakat ve olgusallık üzerine [On faithfulness and factuality in abstractive summarization]. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics içinde (s. 1906-1919). https://doi.org/10.18653/v1/2020.acl-main.173

Naphade, S., Bhattacharyya, A. ve Fragkiadaki, K. (2026). Introspect-Bench: Dil modellerinde politika içgözleminin değerlendirilmesi [Introspect-Bench: Evaluating policy introspection in language models]. ICLR 2026 Workshop on Human-Centered AI Reasoning. arXiv:2603.20276.

Nguyen, M., Park, S. ve Yun, S. (2026). Çekişmeli ön ek altında öz-rapor güvenilirliği [Self-report reliability under adversarial prefill]. arXiv:2606.23671.

Nisbett, R. E. ve Wilson, T. D. (1977). Bilebildiğimizden fazlasını anlatmak: Zihinsel süreçler üzerine sözel raporlar [Telling more than we can know: Verbal reports on mental processes]. Psychological Review, 84(3), 231-259.

Searle, J. R. (1969). Söz edimleri: Dil felsefesinde bir deneme [Speech acts: An essay in the philosophy of language]. Cambridge University Press.

Shah, A., Mishra, D. ve Silpasuwanchai, C. (2026). Gerçeği söyleyemeyecek kadar kibar: Rol oynayan dil modellerinde uyumluluk kaynaklı yağcılığın niceliklendirilmesi [Too nice to tell the truth: Quantifying agreeableness-driven sycophancy in role-playing language models]. Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) içinde (s. 30788-30801).

Shi, T., Luo, H. ve Wang, Y. (2026). Dil modellerinde öz-bilginin taksonomisi: Elli kıyaslamanın taraması [A taxonomy of self-knowledge in large language models: A survey of fifty benchmarks]. arXiv:2604.04788.

Song, S., Hu, J. ve Mahowald, K. (2025). Büyük dil modelleri kendi dil bilgileri üzerine içgözlem yapmakta başarısız [Large language models fail to introspect about their knowledge of language]. Conference on Language Modeling (COLM 2025). arXiv:2503.07513.

Turpin, M., Michael, J., Perez, E. ve Bowman, S. R. (2023). Dil modelleri her zaman düşündüklerini söylemez: Düşünce zinciri istemlemesinde sadakatsiz açıklamalar [Language models don't always say what they think: Unfaithful explanations in chain-of-thought prompting]. arXiv:2305.04388.

Wang, Y. (2026). MIRROR: Dil modellerinde bileşik öz-tahminin çöküşü [MIRROR: The collapse of compositional self-prediction in language models]. arXiv:2604.19809.

Wu, H., Jiang, S., Chen, C., Feng, Y., Lin, H., Zou, H., Shu, Y. ve Qin, C. (2025). FURINA: Ölçeklenebilir çok ajanlı işbirliği hattıyla tümüyle özelleştirilebilir bir rol oynama kıyaslaması [FURINA: A fully customizable role-playing benchmark via scalable multi-agent collaboration pipeline]. arXiv:2510.06800.

Yin, Z., Sun, Q., Guo, Q., Wu, J., Qiu, X. ve Huang, X. (2023). Büyük dil modelleri ne bilmediklerini biliyor mu? [Do large language models know what they don't know?]. Findings of the Association for Computational Linguistics: ACL 2023 içinde.

Zhang, C., Yang, H., Jiang, B., Zhang, X., Zhao, Y., Chen, R., Zhou, L., Xu, X., Wu, J., Fang, L. ve Liu, Z. (2026). LITMUS: Gerçek işletim sistemi ortamlarında dil modeli ajanlarının davranışsal kırılmalarının kıyaslanması [LITMUS: Benchmarking behavioral jailbreaks of LLM agents in real OS environments]. arXiv:2605.10779.