Source: https://eschatialabs.com/zh/ ![Eschatia Labs 标志：圆点环内，一匹飞马在群峰上方扬起前蹄](https://eschatialabs.com/brand/logo-640.webp) # 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。 [查看研究项目](https://eschatialabs.com/zh/research/) 截至 2026年10月18日，Hugging Face 上的模型和数据集共有 [8,600](https://huggingface.co/mertkayacs) 次下载，npm 上共有 [9,000](https://www.npmjs.com/package/reevesagents) 次下载。 ## [决策模型](https://eschatialabs.com/zh/research/#decision-models) 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](https://huggingface.co/jaredpalmer/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。 [技术报告](https://eschatialabs.com/zh/research/jevalt-report/) - [Deem-4B](https://huggingface.co/mertkayacs/Deem-4B) 英语决策模型。 - [模型和数据（Hugging Face）](https://huggingface.co/mertkayacs/Deem-4B) - [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Deem-4B-GGUF) - [Karar-4B](https://huggingface.co/mertkayacs/Karar-4B) 土耳其语决策模型。 - [模型和数据（Hugging Face）](https://huggingface.co/mertkayacs/Karar-4B) - [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Karar-4B-GGUF) - [Wähler-4B](https://huggingface.co/mertkayacs/Wahler-4B) 德语决策模型。 - [模型和数据（Hugging Face）](https://huggingface.co/mertkayacs/Wahler-4B) - [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Wahler-4B-GGUF) - [JevAlt](https://jevalt.mertkayacs.com/) 三个决策模型的代码、训练方法和全部模型文件。 - [代码（GitHub）](https://github.com/mertkayacs/jevalt) - [模型和数据（Hugging Face）](https://huggingface.co/collections/mertkayacs/jevalt-decision-models) - [Emberwick](https://emberwick.mertkayacs.com/) 一个在浏览器中运行的中世纪村庄，三个决策模型会选择村民如何应对风暴、火灾、市场和狼群。 ## [开放基准测试](https://eschatialabs.com/zh/benchmarks/) 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](https://eschatialabs.com/zh/benchmarks/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](https://eschatialabs.com/zh/benchmarks/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](https://eschatialabs.com/zh/benchmarks/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。 [全部基准测试](https://eschatialabs.com/zh/benchmarks/) ## [可解释的深度伪造检测](https://eschatialabs.com/zh/research/#deepfake-detection) 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。 [UBMK 2026 论文](https://eschatialabs.com/zh/research/ubmk-2026/) [硕士论文](https://eschatialabs.com/zh/research/msc-thesis/) - [xdfdet](https://xdfdet.mertkayacs.com/) 硕士论文训练的八个检测器，附代码、热力图和两款浏览器游戏。相关论文已被 UBMK 2026 录用。 - [真人还是 AI？](https://xdfdet.mertkayacs.com/game/) - [代码（GitHub）](https://github.com/mertkayacs/xdfdet) - [模型和数据（Hugging Face）](https://huggingface.co/mertkayacs/xdfdet) ## [本地任务助手](https://eschatialabs.com/zh/research/#local-ai) 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。 [技术报告](https://eschatialabs.com/zh/research/tholos-2b-report/) - [Tholos](https://tholos.mertkayacs.com/)。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）](https://github.com/mertkayacs/tholos) - [模型和数据（Hugging Face）](https://huggingface.co/mertkayacs/Tholos-2B) - [reevesagents](https://reevesagents.mertkayacs.com/) 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）](https://github.com/mertkayacs/reevesagents) - [软件包（npm）](https://www.npmjs.com/package/reevesagents) ## [语言保护](https://eschatialabs.com/zh/research/#language-preservation) Eldalambë 帮助人们读写托尔金创作的精灵语 Quenya 和 Sindarin，以及它们使用的 Tengwar 文字。一个小型语言模型会根据词典和语法规则核对答案。论文公开；代码、数据、模型文件和测试题目为私有。 论文采用的 Pro-Preserve 版本在 100 个测试请求中有 40 次写出预期句子，较早的 Pro2508 版本有 21 次。Pro-Preserve 在 300 个案例中有 277 次识别出托尔金的词，Pro2508 有 259 次。 [论文（预印本）](https://eschatialabs.com/zh/research/eldalambe-2026/) - [Eldalambë](https://eldalambe.mertkayacs.com/) 根据词典核对翻译，生成词汇并显示 Tengwar 文字。 ## 研究方法 实验室如何训练、评测和发布模型。 - ### 面向具体任务的小型模型。每个模型都针对一项明确任务训练，并在这项任务上测试。 - ### 与训练分开的测试。最终训练前先留出测试问题。每项比较都写明两个模型的名称和所用的测试集。 - ### 可复现的结果。我们公开结果、已知失效情况，以及重复实验所需的数据、代码或模型文件。 - ### 可在自己的电脑上运行。发布的 JevAlt 文件可在笔记本电脑处理器上运行，约需 3 GB 内存。 ## 出版物 介绍已发布模型和评测的论文与技术报告。 - ### [UBMK 2026 论文](https://eschatialabs.com/zh/research/ubmk-2026/) 这篇已录用的论文比较了九种深度伪造检测器训练方法：检测有多准，模型的置信度与结果有多吻合，以及模型依据了哪些面部区域。 - ### [Eldalambë 预印本](https://eschatialabs.com/zh/research/eldalambe-2026/) 这篇公开论文介绍了一个面向托尔金精灵语的小型语言模型，它会根据词典和语法规则核对答案。 - ### [JevAlt 技术报告](https://eschatialabs.com/zh/research/jevalt-report/) 介绍三个决策模型的训练和测试方法，并提供结果、局限和下载链接。 ## 联系 请联系与 Betül Keleş Kaya 共同创立实验室的 [Mert Kaya](https://mertkayacs.com/zh/)。 [mertkayacs@gmail.com](mailto:mertkayacs@gmail.com)