Source: https://eschatialabs.com/zh/research/ # 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](https://eschatialabs.com/zh/research/#decision-models) [开放基准测试](https://eschatialabs.com/zh/research/#benchmarks) [可解释的深度伪造检测](https://eschatialabs.com/zh/research/#deepfake-detection) [本地任务助手](https://eschatialabs.com/zh/research/#local-ai) [语言保护](https://eschatialabs.com/zh/research/#language-preservation) ## 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 - [JevAlt: Technical report](https://eschatialabs.com/zh/research/jevalt-report/)。Mert Kaya 本报告介绍英语、土耳其语和德语决策模型的训练方法，以及它们在未用于训练的问题上的表现。报告还检查模型给出的概率与实际结果有多接近。在土耳其语测试问题上，Karar-4B 的准确率为 96.8%，Kev-4B 为 87.1%。报告也说明局限和已发布的文件。技术报告（未经同行评审） - [阅读](https://eschatialabs.com/zh/research/jevalt-report/) - [PDF](https://eschatialabs.com/papers/jevalt-report.pdf) ### 项目 - [JevAlt](https://jevalt.mertkayacs.com/)。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。 - [代码（GitHub）](https://github.com/mertkayacs/jevalt) - [模型和数据（Hugging Face）](https://huggingface.co/collections/mertkayacs/jevalt-decision-models) - [演示](https://huggingface.co/spaces/mertkayacs/JevAlt) - [Kaggle](https://www.kaggle.com/models/mertilovski/jevalt) - [Emberwick](https://emberwick.mertkayacs.com/)。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](https://huggingface.co/mertkayacs/Deem-4B)。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）。 - [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)。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）。 - [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)。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）。 - [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Wahler-4B-GGUF) **数据集（2）** - [jevalt-data](https://huggingface.co/datasets/mertkayacs/jevalt-data) 用于训练 JevAlt 英语、土耳其语和德语决策模型的问题与答案。 - [emberwick-videos](https://huggingface.co/datasets/mertkayacs/emberwick-videos) 浏览器中世纪村庄模拟游戏 Emberwick 的场景录像和影片。 ## 开放基准测试 基准测试由固定的测试和明确的评分规则组成。每个公开测试套件回答一个评测问题，并公开数据或代码、结果和局限。 [全部基准测试](https://eschatialabs.com/zh/benchmarks/) - [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。 - [数据集（Hugging Face）](https://huggingface.co/datasets/mertkayacs/jevalt-bench) - [代码（GitHub）](https://github.com/mertkayacs/jevalt) - [项目网站](https://jevalt.mertkayacs.com/) - [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。 - [项目网站](https://jevoss.mertkayacs.com/) - [代码（GitHub）](https://github.com/mertkayacs/jevoss) - [文档](https://mertkayacs.github.io/jevoss/) - [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。 - [数据集（Hugging Face）](https://huggingface.co/datasets/mertkayacs/tholos-bench) - [代码（GitHub）](https://github.com/mertkayacs/tholos/tree/main/tholos/bench) - [项目网站](https://tholos.mertkayacs.com/) ## 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 - [Augmentation and Cutout in Deepfake Detection: A Comparative Study of Accuracy, Calibration, and Attention](https://eschatialabs.com/zh/research/ubmk-2026/)。Mert Kaya, Venera Adanova 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。 - [阅读](https://eschatialabs.com/zh/research/ubmk-2026/) - [PDF](https://eschatialabs.com/papers/ubmk-2026.pdf) - [Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques](https://eschatialabs.com/zh/research/msc-thesis/)。Mert Kaya 这篇硕士论文研究如何检测视频中经人工智能篡改的人脸。论文比较了使用多样化图像和遮挡面部区域训练 EfficientNet-B4 的方法，再用 Grad-CAM 热力图显示每次预测受到哪些面部区域的影响。TED University 计算机科学硕士论文，2025 年。导师：Venera Adanova。 - [阅读](https://eschatialabs.com/zh/research/msc-thesis/) - [PDF](https://eschatialabs.com/papers/msc-thesis.pdf) - [DOI](https://doi.org/10.5281/zenodo.18998566) ### 项目 - [xdfdet](https://xdfdet.mertkayacs.com/) 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。 - [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) - [Kaggle](https://www.kaggle.com/models/mertilovski/xdfdet) ## 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 - [Tholos-2B: Technical report](https://eschatialabs.com/zh/research/tholos-2b-report/)。Mert Kaya 本报告介绍 Tholos-2B。该模型以 MiniCPM5-2B 为基础，用已完成工作区任务的执行记录训练而成。在同一块显卡（Kaggle T4）上，Tholos-2B 通过 160 个 Tholos-Bench 场景中的 137 个，MiniCPM5-2B 通过 112 个。在同一普通处理器（CPU）上，Tholos-2B 通过 134 个，MiniCPM5-2B 通过 117 个。技术报告（未经同行评审） - [阅读](https://eschatialabs.com/zh/research/tholos-2b-report/) - [PDF](https://eschatialabs.com/papers/tholos-2b-report.pdf) ### 项目 - [Tholos](https://tholos.mertkayacs.com/)。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。 - [代码（GitHub）](https://github.com/mertkayacs/tholos) - [reevesagents](https://reevesagents.mertkayacs.com/) 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。 - [代码（GitHub）](https://github.com/mertkayacs/reevesagents) - [软件包（npm）](https://www.npmjs.com/package/reevesagents) **模型（1）** - [Tholos-2B](https://huggingface.co/mertkayacs/Tholos-2B)。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。 - [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Tholos-2B-GGUF) **数据集（1）** - [tholos-trajectories](https://huggingface.co/datasets/mertkayacs/tholos-trajectories) 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 - [Language Preservation Using Agentic AI Architectures: A Tool-Grounded Small Language Model on a Constructed-Language Testbed](https://eschatialabs.com/zh/research/eldalambe-2026/)。Mert Kaya 这篇论文研究 Eldalambë，一个面向托尔金虚构的精灵语 Quenya 和 Sindarin 的助手。采用的版本 Pro-Preserve 在 100 个测试请求中有 40 个写出预期句子，早期版本 Pro2508 为 21 个；Pro-Preserve 在 300 个案例中有 277 个正确识别托尔金的词，Pro2508 为 259 个。公开预印本，未经同行评审。Eldalambë 的代码、数据、模型和基准测试均为私有。 - [阅读](https://eschatialabs.com/zh/research/eldalambe-2026/) - [PDF](https://eschatialabs.com/papers/eldalambe-2026.pdf) ### 项目 - [Eldalambë](https://eldalambe.mertkayacs.com/)。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。