Investigación
El trabajo está organizado por pregunta de investigación. Cada entrada presenta el método y el resultado medido, con enlaces a los modelos, los datos, el código o el artículo correspondiente.
Modelos de decisión
Modelos pequeños que leen una situación, eligen una de las respuestas disponibles y asignan una probabilidad a cada respuesta. Deem-4B trabaja en inglés, Karar-4B en turco y Wähler-4B en alemán.
Publicaciones
-
El informe explica cómo se entrenaron los modelos de decisión en inglés, turco y alemán, cómo se probaron con preguntas excluidas del entrenamiento y si las probabilidades que indican coinciden con sus resultados. En las preguntas de prueba en turco, Karar-4B alcanza un 96,8% de exactitud, frente al 87,1% de Kev-4B. El informe también documenta límites y archivos publicados.
Informe técnico (sin revisión por pares)
Proyectos
-
JevAlt reúne modelos que eligen entre respuestas predefinidas y asignan una probabilidad a cada una. En preguntas del proyecto excluidas del entrenamiento, en inglés, Deem-4B alcanza un 94,7% de exactitud, frente al 84,7% de Kev-4B; en turco, Karar-4B alcanza un 96,8%, frente al 87,1% de Kev-4B; en alemán, Wähler-4B alcanza un 92,0%, frente al 81,1% de Kev-4B. Los archivos para ejecutar los modelos en la propia computadora (GGUF) necesitan unos 3 GB de memoria.
-
Emberwick es una simulación de un pueblo medieval que se puede jugar en el navegador. Deem-4B, Karar-4B y Wähler-4B deciden cómo responden sus habitantes ante tormentas, incendios, días de mercado y lobos al anochecer.
Modelos (3)
-
Deem-4B elige entre respuestas predefinidas en inglés y estima la probabilidad de cada una. En preguntas del proyecto excluidas del entrenamiento, Deem-4B alcanza un 94,7% de exactitud, frente al 84,7% de Kev-4B. Hay archivos para ejecutarlo en la propia computadora (GGUF).
-
Karar-4B elige entre respuestas predefinidas en turco y estima la probabilidad de cada una. En preguntas del proyecto excluidas del entrenamiento, Karar-4B alcanza un 96,8% de exactitud, frente al 87,1% de Kev-4B. Hay archivos para ejecutarlo en la propia computadora (GGUF).
-
Wähler-4B elige entre respuestas predefinidas en alemán y estima la probabilidad de cada una. En preguntas del proyecto excluidas del entrenamiento, Wähler-4B alcanza un 92,0% de exactitud, frente al 81,1% de Kev-4B. Hay archivos para ejecutarlo en la propia computadora (GGUF).
Conjuntos de datos (2)
-
Preguntas y respuestas de entrenamiento para los modelos de decisión de JevAlt en inglés, turco y alemán.
-
Escenas y videos grabados en Emberwick, la simulación de un pueblo medieval para el navegador.
Pruebas comparativas abiertas
Una prueba comparativa es un conjunto fijo de pruebas con una regla de puntuación definida. Cada conjunto público de pruebas responde a una pregunta de evaluación y publica sus datos o su código, sus resultados y sus límites.
-
3116 situaciones escritas en inglés, turco y alemán para evaluar modelos que eligen entre respuestas predefinidas y asignan una probabilidad a cada una.
-
Un conjunto abierto de pruebas que comprueba cómo afectan los cambios de una pregunta a un modelo que elige entre respuestas predefinidas.
-
160 tareas en un espacio de trabajo para evaluar asistentes de inteligencia artificial basados en modelos pequeños según si el trabajo terminado coincide con la solicitud.
Detección explicable de deepfakes
Los deepfakes son videos en los que la inteligencia artificial ha alterado o sustituido un rostro. Probamos distintas formas de entrenar detectores y usamos mapas de calor Grad-CAM para mostrar en qué partes del rostro se basó cada decisión. Los resultados se miden con AUC, desde 0,5, que equivale a adivinar, hasta 1, que indica una separación perfecta.
Publicaciones
-
El estudio compara nueve formas de entrenar EfficientNet-B4, un modelo de reconocimiento de imágenes, para detectar rostros alterados con inteligencia artificial en FaceForensics++, una colección pública de videos de rostros reales y manipulados. Evalúa cada configuración con AUC, F1, puntuación de Brier y pérdida logarítmica; las cuatro medidas favorecen configuraciones distintas. El AUC mide la capacidad de separación desde 0,5, equivalente al azar, hasta 1, equivalente a una separación perfecta. La puntuación de Brier mide el error de las probabilidades. Los mapas de calor Grad-CAM muestran qué zonas del rostro influyeron en cada predicción. En FaceForensics++, una colección pública de videos con rostros reales y alterados, el modelo de imágenes EfficientNet-B4 alcanza 0,897 de AUC cuando se entrena con imágenes variadas y parcialmente cubiertas de negro, frente a 0,868 cuando se entrena sin ellas.
Aceptado en UBMK 2026. La versión final aparecerá en IEEE Xplore; todavía no tiene DOI.
-
La tesis estudia cómo detectar rostros alterados con inteligencia artificial en videos. Compara el entrenamiento de EfficientNet-B4 con imágenes variadas y regiones del rostro ocultas, y luego usa mapas de calor Grad-CAM para mostrar qué partes del rostro influyeron en cada predicción.
Tesis de maestría, TED University, 2025. Directora: Venera Adanova.
Proyectos
-
xdfdet detecta rostros alterados con inteligencia artificial en videos y muestra qué zonas del rostro influyeron en cada predicción. Incluye código, ocho modelos EfficientNet-B4 entrenados, mapas de calor Grad-CAM y dos juegos para el navegador.
Código: MIT. Archivos de los modelos entrenados: CC BY-NC 4.0 bajo las condiciones de FaceForensics++.
Asistentes locales para tareas
Tholos permite que asistentes de inteligencia artificial realicen tareas en tu computadora, dentro de un espacio compartido con tablas, notas y un tablero de tareas. Para cada acción, las reglas deciden si se ejecuta, espera tu aprobación o se bloquea.
Publicaciones
-
El informe describe Tholos-2B, entrenado a partir de MiniCPM5-2B con registros de tareas completadas en el espacio de trabajo. Con la misma tarjeta gráfica, una Kaggle T4, Tholos-2B supera 137 de las 160 tareas de Tholos-Bench, frente a 112 de MiniCPM5-2B. Con el mismo procesador común (CPU), Tholos-2B supera 134 tareas, frente a 117 de MiniCPM5-2B.
Informe técnico (sin revisión por pares)
Proyectos
-
Tholos coordina asistentes de inteligencia artificial que realizan tareas en la propia computadora. Comparten tablas, notas y un tablero de tareas. Para cada acción, las reglas deciden si se ejecuta, si se detiene para pedir aprobación o si se bloquea.
-
reevesagents ejecuta asistentes de programación con inteligencia artificial en paralelo dentro de un espacio de trabajo de terminal local y permite que uno de los asistentes coordine al equipo. Incluye interfaces de línea de comandos, terminal y web, además de un servidor MCP para que se comuniquen las herramientas de inteligencia artificial.
Un paquete npm, licencia Apache-2.0, 10 idiomas de interfaz.
Modelos (1)
-
Tholos-2B es un modelo pequeño para asistentes de inteligencia artificial que realizan tareas en un espacio de trabajo compartido. Se entrenó a partir de MiniCPM5-2B con ejecuciones de tareas registradas. Con la misma configuración Kaggle T4, Tholos-2B supera 137 de las 160 pruebas de Tholos-Bench, frente a 112 de MiniCPM5-2B. Con la misma configuración de CPU supera 134, frente a 117 de MiniCPM5-2B.
Licencia Apache-2.0.
Conjuntos de datos (1)
-
Ejecuciones de tareas registradas que se usaron para entrenar Tholos-2B, el modelo de los asistentes de inteligencia artificial de Tholos.
Conservación lingüística
Eldalambë ayuda a leer y escribir las lenguas élficas inventadas por Tolkien, Quenya y Sindarin, y su sistema de escritura, Tengwar. Un modelo de lenguaje pequeño comprueba sus respuestas con un diccionario y reglas gramaticales. El artículo es público; el código, los datos, los archivos de los modelos y las preguntas de prueba son privados.
Publicaciones
-
El artículo estudia Eldalambë, un asistente para las lenguas élficas inventadas por Tolkien, Quenya y Sindarin. La versión adoptada, Pro-Preserve, escribe la frase esperada en 40 de 100 solicitudes de prueba, frente a 21 de la versión anterior, Pro2508, e identifica las palabras de Tolkien en 277 de 300 casos, frente a 259 de Pro2508.
Prepublicación pública sin revisión por pares. El código, los datos, los modelos y la prueba comparativa de Eldalambë son privados.
Proyectos
-
Eldalambë lee y escribe las lenguas élficas inventadas por Tolkien, Quenya y Sindarin, y representa su escritura Tengwar. Comprueba las palabras con textos revisados gramaticalmente y ofrece herramientas de traducción, consulta y flexión.
Demostración por invitación. El código, los datos, los archivos de los modelos entrenados y la prueba comparativa son privados; solo el artículo es público.