Eschatia Labs labs

Forschung

Forschung bei Eschatia Labs

Unsere Arbeit in fünf Gebieten. Jedes Gebiet nennt die Frage, die Methode, ein gemessenes Ergebnis und das, was öffentlich ist: Preprints hier, Modelle auf Hugging Face, Code auf GitHub.

01

Entscheidungsmodelle

Ein Entscheidungsmodell liest eine Situation, wählt eine der vorgegebenen Antworten und gibt jeder Antwort eine Wahrscheinlichkeit. Deem-4B arbeitet auf Englisch, Karar-4B auf Türkisch und Wähler-4B auf Deutsch. Alle drei wurden ausgehend von Intern-Decision-4B trainiert.Auf jevalt-bench erreicht Deem-4B 94,7 % Genauigkeit, gegenüber 84,7 % für Kev-4B.
Paper, Code, Modelle und Daten

Die drei Modelle wurden ausgehend von Intern-Decision-4B trainiert, zuerst mit allen drei Sprachen zusammen, dann mit jeder Sprache einzeln. Die Modelle, der Trainingscode und die Testdaten sind öffentlich, und die veröffentlichten Dateien laufen auf einem Laptop mit etwa 3 GB Arbeitsspeicher. Emberwick zeigt sie bei der Arbeit: ein Dorfspiel, in dem sie entscheiden, wie die Dorfbewohner reagieren.

Bei Testfragen außerhalb der Trainingsdaten erreicht Deem-4B 94,7 % Genauigkeit gegenüber 84,7 % für Kev-4B, einem offenen Entscheidungsmodell auf Basis von Qwen3.5-4B. Karar-4B erreicht 96,8 % gegenüber 87,1 % für Kev-4B und Wähler-4B 92,0 % gegenüber 81,1 % für Kev-4B.

02

Offene Benchmarks

Ein Benchmark ist ein fester Satz von Testfragen mit einer Bewertungsregel. jevalt-bench enthält 3.116 beschriebene Situationen in drei Sprachen. JevOss prüft, ob sich eine Antwort ändert, wenn die Frage leicht umformuliert wird. Tholos-Bench enthält 160 Aufgaben in einem gemeinsamen Arbeitsbereich mit Tabellen, Notizen und einer Aufgabentafel.3 Testsuiten · 3.116 Situationen · 160 Aufgaben im Arbeitsbereich
Paper, Code, Modelle und Daten

Testfragen werden vor dem abschließenden Trainingslauf beiseitegelegt, damit ein Ergebnis etwas über neue Fragen aussagt. Jeder Benchmark veröffentlicht seine Daten oder seinen Code, seine Bewertungsregel, seine Ergebnisse und seine bekannten Grenzen. jevalt-bench und Tholos-Bench sind Datensätze auf Hugging Face; JevOss ist ein Python-Paket auf GitHub.

In 200 JevOss-Tests mit einer im Text versteckten Anweisung änderte Deem-4B seine Antwort in 14,0 % der Fälle, gegenüber 36,0 % für Kev-4B. Nachdem etwa 600 Wörter themenfremder Text eingefügt wurden, verlor Deem-4B 17,4 Genauigkeitspunkte, gegenüber 5,4 für Kev-4B.

03

Erklärbare Deepfake-Erkennung

Ein Deepfake ist ein Video, in dem KI ein Gesicht verändert oder ersetzt hat. xdfdet prüft jedes Videobild mit EfficientNet-B4, einem Bilderkennungsmodell. Grad-CAM-Heatmaps zeigen, auf welche Teile des Gesichts sich jede Entscheidung stützt. Die AUC bewertet einen Detektor auf einer Skala von 0,5 (Raten) bis 1 (perfekt).Auf FaceForensics++ erreicht EfficientNet-B4 mit variierten und teilweise geschwärzten Trainingsbildern einen AUC-Wert von 0,897, gegenüber 0,868 ohne sie.
Paper, Code, Modelle und Daten

Wir haben neun Trainingsverfahren für den Detektor verglichen, darunter Augmentation (variierte Trainingsbilder) und Cutout (teilweise geschwärzte Bilder). Acht trainierte Modelle, der Code, das Paper zur UBMK 2026 und die Masterarbeit sind öffentlich.

Bei FaceForensics++, einer öffentlichen Sammlung echter und veränderter Gesichtsvideos, erreicht das Bildmodell EfficientNet-B4 einen AUC-Wert von 0,897, wenn es mit variierten und teilweise geschwärzten Bildern trainiert wird. Ohne diese Bilder erreicht EfficientNet-B4 0,868.

04

Lokale Aufgabenassistenten

Ein lokaler Aufgabenassistent erledigt Arbeit auf dem eigenen Computer, nach Regeln, die man selbst festlegt. Tholos-Assistenten teilen sich Tabellen, Notizen und eine Aufgabentafel. Jede Aktion wird ausgeführt, wartet auf eine Freigabe oder wird blockiert.Auf Tholos-Bench besteht Tholos-2B auf einer Kaggle-T4-Grafikkarte 137 von 160 Aufgaben, gegenüber 112 für MiniCPM5-2B.
Paper, Code, Modelle und Daten

Tholos-2B ist das kleine Modell hinter den Assistenten, trainiert aus MiniCPM5-2B mit Aufzeichnungen abgeschlossener Aufgaben. Das Modell, der Benchmark und die Trainingsdaten sind öffentlich. reevesagents, das Werkzeug, mit dem wir Programmierassistenten parallel ausführen, gehört ebenfalls hierher.

Auf derselben Grafikkarte, einer Kaggle T4, besteht Tholos-2B 137 der 160 Tholos-Bench-Aufgaben, MiniCPM5-2B als Ausgangsmodell 112. Auf demselben gewöhnlichen Prozessor (CPU) besteht Tholos-2B 134 Aufgaben und MiniCPM5-2B 117.

05

Spracherhalt

Eldalambë hilft beim Lesen und Schreiben von Quenya und Sindarin, den von Tolkien erfundenen Elbensprachen, und ihrer Schrift Tengwar. Ein kleines Sprachmodell prüft seine Antworten anhand eines Wörterbuchs und grammatischer Regeln. Das Paper ist öffentlich; Code, Daten und Modelldateien sind privat.Öffentlicher Preprint · Code, Daten, Modelle und Testsatz privat
Paper, Code, Modelle und Daten

Das Paper beschreibt ein kleines Modell, das mit Werkzeugen arbeitet: einer Wörterbuchsuche, grammatischen Regeln und einer Tengwar-Darstellung. Das Paper ist öffentlich; Code, Daten, Modelldateien und Testsatz sind privat.

Im Paper schreibt die ausgewählte Version Pro-Preserve bei 40 von 100 Testanfragen den erwarteten Satz, die frühere Version Pro2508 bei 21. Pro-Preserve erkennt Tolkiens Wörter in 277 von 300 Fällen, Pro2508 in 259.

Publikationen

Preprints, Paper und technische Berichte von Eschatia Labs

UBMK 2026

Augmentation and Cutout in Deepfake Detection: A Comparative Study of Accuracy, Calibration, and Attention

Vergleicht neun Trainingsverfahren für einen Deepfake-Detektor: wie genau er ist, wie gut seine Wahrscheinlichkeitseinschätzung zu den Ergebnissen passt und auf welche Teile des Gesichts er sich stützt. Die Arbeit wurde auf der UBMK 2026 in Istanbul vorgestellt und in IEEE Xplore veröffentlicht.

IEEE Xplore
Preprint

Language Preservation Using Agentic AI Architectures: A Tool-Grounded Small Language Model on a Constructed-Language Testbed

Ein kleines Sprachmodell für Quenya und Sindarin, die von Tolkien erfundenen Elbensprachen, mit Werkzeugen, die jede Antwort anhand eines Wörterbuchs und grammatischer Regeln prüfen.

Öffentlich
Technischer Bericht

JevAlt: Technical report

Wie Deem-4B, Karar-4B und Wähler-4B trainiert und getestet wurden, mit Ergebnissen, Grenzen und Downloadlinks.

Öffentlich
Technischer Bericht

Tholos-2B: Technical report

Wie Tholos-2B aus MiniCPM5-2B trainiert wurde und wie es bei den 160 Tholos-Bench-Aufgaben abschneidet.

Öffentlich
Masterarbeit

Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques

Die Masterarbeit hinter xdfdet: EfficientNet-B4-Detektoren, Bild für Bild auf FaceForensics++ getestet, mit Grad-CAM-Heatmaps. TED University, 2025. DOI 10.5281/zenodo.18998566.

Zenodo

Arbeitsweise

Ein Modell, eine Aufgabe, ein festgelegter Test.

  1. IJedes Modell wird für eine Aufgabe trainiert und anhand dieser Aufgabe getestet.
  2. IITestfragen fließen nicht in den abschließenden Trainingslauf ein.
  3. IIIErgebnisse, bekannte Fehler und die Dateien zur Wiederholung werden gemeinsam veröffentlicht.
  4. IVDie veröffentlichten JevAlt-Dateien laufen auf einem Laptop-Prozessor mit etwa 3 GB Arbeitsspeicher.