研究
各项工作按研究问题归类，并列出方法、实测结果，以及相关的模型、数据、代码或论文链接。
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。
出版物
项目
-
JevAlt 提供从固定答案中作出选择并为每个答案给出概率的模型。在本项目未用于训练的测试问题上，英语模型 Deem-4B 的准确率为 94.7%，Kev-4B 为 84.7%；土耳其语模型 Karar-4B 为 96.8%，Kev-4B 为 87.1%；德语模型 Wähler-4B 为 92.0%，Kev-4B 为 81.1%。在自己的电脑上运行这些模型的文件（GGUF）约需 3 GB 内存。
-
Emberwick 是一款可在浏览器中游玩的中世纪村庄模拟游戏。Deem-4B、Karar-4B 和 Wähler-4B 决定村民如何应对风暴、火灾、集市日和黄昏时出现的狼群。
模型（3）
-
Deem-4B 从英语的固定答案中作出选择，并估算每个答案的概率。在本项目未用于训练的测试问题上，Deem-4B 的准确率为 94.7%，Kev-4B 为 84.7%。项目提供在自己的电脑上运行模型的文件（GGUF）。
-
Karar-4B 从土耳其语的固定答案中作出选择，并估算每个答案的概率。在本项目未用于训练的测试问题上，Karar-4B 的准确率为 96.8%，Kev-4B 为 87.1%。项目提供在自己的电脑上运行模型的文件（GGUF）。
-
Wähler-4B 从德语的固定答案中作出选择，并估算每个答案的概率。在本项目未用于训练的测试问题上，Wähler-4B 的准确率为 92.0%，Kev-4B 为 81.1%。项目提供在自己的电脑上运行模型的文件（GGUF）。
数据集（2）
-
用于训练 JevAlt 英语、土耳其语和德语决策模型的问题与答案。
-
浏览器中世纪村庄模拟游戏 Emberwick 的场景录像和影片。
-
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。
-
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。
-
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。
可解释的深度伪造检测
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。
出版物
-
这项研究比较了九种训练 EfficientNet-B4 的方法。EfficientNet-B4 是一种图像识别模型，用于检测 FaceForensics++ 中经人工智能篡改的人脸。FaceForensics++ 是一个公开的人脸视频集合，包含真实视频和篡改视频。研究使用 AUC、F1、Brier 分数和对数损失评估每种方案，这四项指标分别偏向不同的方案。AUC 衡量区分能力，0.5 表示随机猜测，1 表示完全正确区分。Brier 分数衡量概率误差。Grad-CAM 热力图显示每次预测关注了面部的哪些区域。 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。
已被 UBMK 2026 接收。最终版本将收录于 IEEE Xplore，目前尚无 DOI。
项目
-
xdfdet 用于检测视频中经人工智能篡改的人脸，并显示哪些面部区域影响了预测。项目包括代码、八个训练好的 EfficientNet-B4 模型、Grad-CAM 热力图和两个浏览器游戏。
代码采用 MIT 许可证。训练后的模型文件按照 FaceForensics++ 条款采用 CC BY-NC 4.0 许可证。
本地任务助手
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。
出版物
项目
-
Tholos 协调在个人电脑上执行任务的人工智能助手。它们共享表格、笔记和任务看板。规则决定每项操作是直接执行、等待您的批准，还是被阻止。
-
reevesagents 可在一个本地终端工作区中并排运行多个人工智能编程助手，并由其中一个助手协调团队。它在一个 npm 包中提供命令行、终端和网页界面，以及供人工智能工具通信的 MCP 服务器。
一个 npm 包，Apache-2.0 许可证，支持 10 种界面语言。
模型（1）
-
Tholos-2B 是一个小型模型，供人工智能助手在共享工作区中执行任务。它以 MiniCPM5-2B 为基础，使用记录下来的任务执行过程训练。在相同的 Kaggle T4 配置下，Tholos-2B 通过 160 项 Tholos-Bench 测试中的 137 项，MiniCPM5-2B 通过 112 项。在相同的 CPU 配置下，两者分别通过 134 个和 117 个场景。
Apache-2.0 许可证。
数据集（1）
-
用于训练 Tholos-2B 的任务执行记录；Tholos-2B 是供 Tholos 人工智能助手使用的模型。
语言保护
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。
出版物
项目
-
Eldalambë 可以读写托尔金虚构的精灵语 Quenya 和 Sindarin，并显示这些语言使用的 Tengwar 文字。它根据经过语法审校的文本检查词语，并提供翻译、查询和词形变化工具。
演示仅限受邀访问。代码、数据、训练后的模型文件和基准测试均为私有；只有论文公开。