一家独立的开源人工智能研究实验室。

我们为具体任务训练小型人工智能模型，制作衡量它们的开放测试，并开发能说明模型为何作出某项决定的工具。我们公开模型、数据、代码和论文，同时提供复现每项结果的步骤。

截至 2026年10月18日，Hugging Face 上的模型和数据集共有 8,600 次下载，npm 上共有 9,000 次下载。

决策模型

这些小型模型会读取一段情况说明，从给定答案中选择一项，并为每个答案给出概率。Deem-4B 用于英语，Karar-4B 用于土耳其语，Wähler-4B 用于德语。

在未用于训练的测试问题上，Deem-4B 的准确率为 94.7%，基于 Qwen3.5-4B 的开放决策模型 Kev-4B 为 84.7%。Karar-4B 为 96.8%，Kev-4B 为 87.1%；Wähler-4B 为 92.0%，Kev-4B 为 81.1%。

三个模型都从 Intern-Decision-4B 训练而来：先同时训练三种语言，再分别训练每种语言。

用于比较人工智能模型的开放测试。每项测试都会公开其数据或代码。

jevalt-bench
3,116 条英语、土耳其语和德语情境文本，用于测试从固定答案中作出选择并为每个答案给出概率的模型。

截至 2026年10月18日，Hugging Face 下载量为 1,600 次。
JevOss
一套开放测试，用于检查问题发生变化时，从固定答案中作出选择的模型会受到什么影响。
Tholos-Bench
160 项工作区任务，用于测试小型人工智能助手，并根据完成的工作是否符合要求评分。

截至 2026年10月18日，Hugging Face 下载量为 170 次。

深度伪造是指人工智能改动或替换了人脸的视频。我们测试不同的检测器训练方法，并用 Grad-CAM 热力图显示每项决定依据了面部的哪些区域。AUC 分数衡量检测器区分真实和篡改人脸的能力，0.5 表示随机猜测，1 表示完全正确区分。

在真实与篡改人脸视频的公开数据集 FaceForensics++ 上，名为 EfficientNet-B4 的图像模型用多样化和局部涂黑的图像训练后，AUC 达到 0.897；不使用这些图像训练时，AUC 为 0.868。

Tholos 让人工智能助手在你的电脑上执行任务。它们共用一个包含表格、笔记和任务板的工作区。明确规则决定每项操作是直接执行、等待批准，还是被拒绝。

在同一块显卡（Kaggle T4）上，Tholos-2B 通过了 160 个 Tholos-Bench 场景中的 137 个，它的基础模型 MiniCPM5-2B 通过了 112 个。在同一普通处理器（CPU）上，Tholos-2B 通过了 134 个，MiniCPM5-2B 通过了 117 个。

Tholos
Tholos-2B 是助手使用的小型模型。它以 MiniCPM5-2B 为基础，用已完成任务的执行记录训练而成。
- 代码（GitHub）
- 模型和数据（Hugging Face）
reevesagents
在同一个终端中并排运行多个人工智能编程助手，由其中一个协调其他助手。
- 代码（GitHub）
- 软件包（npm）