Eschatia Labs labs

Araştırma

Eschatia Labs’te araştırma

Beş alandaki çalışmalarımız. Her alan soruyu, yöntemi, ölçülmüş bir sonucu ve neyin açık olduğunu belirtir: ön baskılar burada, modeller Hugging Face’te, kod GitHub’da.

01

Karar modelleri

Karar modeli bir durumu okur, verilen yanıtlardan birini seçer ve her yanıta bir olasılık verir. Deem-4B İngilizce, Karar-4B Türkçe, Wähler-4B Almanca çalışır. Üçü de Intern-Decision-4B’den eğitildi.jevalt-bench’te Deem-4B %94,7, Kev-4B %84,7 doğruluğa ulaşır.
Makaleler, kod, modeller ve veriler

Üç model Intern-Decision-4B’den eğitildi: önce üç dil birlikte, sonra her dil tek başına. Modeller, eğitim kodu ve test verileri açıktır; yayımlanan dosyalar yaklaşık 3 GB bellekli bir dizüstü bilgisayarda çalışır. Emberwick onları iş başında gösterir: köylülerin nasıl tepki vereceğine bu modellerin karar verdiği bir köy oyunu.

Deem-4B, eğitimden ayrı tutulan test sorularında %94,7 doğruluğa ulaşır; Qwen3.5-4B tabanlı açık bir karar modeli olan Kev-4B ise %84,7’ye ulaşır. Karar-4B %96,8’e, Kev-4B %87,1’e; Wähler-4B %92,0’a, Kev-4B ise %81,1’e ulaşır.

02

Açık karşılaştırma testleri

Karşılaştırma testi, puanlama kuralı belirli, sabit bir soru kümesidir. jevalt-bench üç dilde 3.116 yazılı durum içerir. JevOss, soru biraz değiştirilince yanıtın değişip değişmediğini denetler. Tholos-Bench, tablo, not ve görev panosundan oluşan ortak bir çalışma alanında 160 görev içerir.3 test paketi · 3.116 durum · 160 çalışma alanı görevi
Makaleler, kod, modeller ve veriler

Test soruları son eğitim turundan önce ayrılır; böylece bir puan yeni sorular hakkında da bir şey söyler. Her test verisini veya kodunu, puanlama kuralını, sonuçlarını ve bilinen sınırlarını yayımlar. jevalt-bench ve Tholos-Bench Hugging Face’te birer veri kümesi, JevOss ise GitHub’da bir Python paketidir.

Metne bir talimatın gizlendiği 200 JevOss testinde Deem-4B yanıtını vakaların %14,0’ında değiştirdi; Kev-4B %36,0’ında. Yaklaşık 600 kelimelik ilgisiz metin eklenince Deem-4B 17,4 doğruluk puanı kaybetti; Kev-4B 5,4.

03

Açıklanabilir deepfake tespiti

Deepfake, yapay zekânın bir yüzü değiştirdiği veya başka bir yüzle değiştirdiği videodur. xdfdet her video karesini, bir görüntü tanıma modeli olan EfficientNet-B4 ile inceler. Grad-CAM ısı haritaları, her kararın yüzün hangi bölgelerine dayandığını gösterir. AUC, bir tespit modelini 0,5 (rastgele tahmin) ile 1 (kusursuz) arasında puanlar.FaceForensics++ üzerinde EfficientNet-B4, çeşitlendirilmiş ve kısmen karartılmış eğitim görüntüleriyle 0,897 AUC’ye ulaşır; bu görüntüler olmadan 0,868.
Makaleler, kod, modeller ve veriler

Tespit modelini eğitmenin dokuz yolunu karşılaştırdık; bunlar arasında veri artırma (eğitim görüntülerini çeşitlendirme) ve kesme (görüntülerin bir kısmını karartma) da var. Sekiz eğitilmiş model, kod, UBMK 2026 bildirisi ve yüksek lisans tezi açıktır.

Gerçek ve değiştirilmiş yüz videolarından oluşan açık FaceForensics++ koleksiyonunda, çeşitlendirilmiş ve kısmen karartılmış görüntülerle eğitilen EfficientNet-B4 adlı görüntü modeli 0,897 AUC’ye ulaşır; aynı model bu görüntüler olmadan eğitildiğinde 0,868’e ulaşır.

04

Yerel görev asistanları

Yerel görev asistanı, sizin belirlediğiniz kurallarla kendi bilgisayarınızda iş yapar. Tholos asistanları tabloları, notları ve görev panosunu paylaşır. Her eylem ya çalışır, ya onayınızı bekler ya da engellenir.Tholos-Bench’te, Kaggle T4 ekran kartında Tholos-2B 160 görevin 137’sini, MiniCPM5-2B 112’sini geçer.
Makaleler, kod, modeller ve veriler

Tholos-2B, asistanların arkasındaki küçük modeldir; MiniCPM5-2B’den, tamamlanmış görev kayıtlarıyla eğitildi. Model, test ve eğitim verileri açıktır. Kodlama asistanlarını yan yana çalıştırmak için kullandığımız araç reevesagents de bu alana girer.

Aynı ekran kartında (Kaggle T4) Tholos-2B, 160 Tholos-Bench görevinin 137’sini; temel aldığı MiniCPM5-2B ise 112’sini geçer. Aynı sıradan işlemcide (CPU) Tholos-2B 134, MiniCPM5-2B ise 117 görevi geçer.

05

Dil koruma

Eldalambë, Tolkien’in icat ettiği Elf dilleri Quenya ve Sindarin ile bu dillerin yazısı Tengwar’ı okuyup yazmaya yardımcı olur. Küçük bir dil modeli, yanıtlarını bir sözlük ve dil bilgisi kurallarıyla denetler. Makale açık; kod, veriler ve model dosyaları özel.Açık ön baskı · kod, veriler, modeller ve test kümesi özel
Makaleler, kod, modeller ve veriler

Makale, araçlarla çalışan küçük bir modeli anlatır: sözlük araması, dil bilgisi kuralları ve bir Tengwar yazıcısı. Makale açık; kod, veriler, model dosyaları ve test kümesi özel.

Makalede benimsenen Pro-Preserve sürümü, 100 test isteğinin 40’ında beklenen cümleyi yazar; önceki Pro2508 sürümü 21’inde yazar. Pro-Preserve, Tolkien’in sözcüklerini 300 örneğin 277’sinde; Pro2508 ise 259’unda tanır.

Yayınlar

Eschatia Labs’in ön baskıları, bildirileri ve teknik raporları

UBMK 2026

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

Bir deepfake tespit modelini eğitmenin dokuz yolunu karşılaştırır: ne kadar doğru olduğu, güven düzeyinin sonuçlarla ne kadar uyuştuğu ve yüzün hangi bölgelerine dayandığı. İstanbul'daki UBMK 2026'da sunuldu ve IEEE Xplore'da yayımlandı.

IEEE Xplore
Ön baskı

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

Tolkien’in icat ettiği Elf dilleri Quenya ve Sindarin için küçük bir dil modeli; her yanıtı bir sözlük ve dil bilgisi kurallarıyla denetleyen araçlarla çalışır.

Açık
Teknik rapor

JevAlt: Technical report

Deem-4B, Karar-4B ve Wähler-4B’nin nasıl eğitilip test edildiği; sonuçlar, sınırlar ve indirme bağlantıları.

Açık
Teknik rapor

Tholos-2B: Technical report

Tholos-2B’nin MiniCPM5-2B’den nasıl eğitildiği ve 160 Tholos-Bench görevinde aldığı sonuçlar.

Açık
Yüksek lisans tezi

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

xdfdet’in arkasındaki tez: FaceForensics++ üzerinde kare kare test edilen EfficientNet-B4 tespit modelleri ve Grad-CAM ısı haritaları. TED Üniversitesi, 2025. DOI 10.5281/zenodo.18998566.

Zenodo

Yaklaşım

Tek model, tek iş, tanımlı tek test.

  1. IHer model tek bir iş için eğitilir ve o işte test edilir.
  2. IITest soruları son eğitim turunun dışında kalır.
  3. IIISonuçlar, bilinen hatalar ve bunları tekrarlamak için gereken dosyalar birlikte yayımlanır.
  4. IVYayımlanan JevAlt dosyaları, dizüstü bilgisayar işlemcisinde yaklaşık 3 GB bellekle çalışır.