Arbeiten

Modelle, Software und Datensätze für Entscheidungen aus festen Antworten, lokale KI-Assistenten und die Erkennung KI-veränderter Gesichter. Bei jedem Eintrag steht, welche Bestandteile öffentlich sind.

Downloads

Genaue Gesamtzahlen, gefolgt von allen Paketen und Modellen.

npm

12.997 npm-Installationen

reevesagents 10.507Ultra Mod 2.490

Alle npm-Pakete

Hugging Face

16.272 Hugging-Face-Downloads

12.038 für Modelle4.234 für Datensätze

Alle Hugging-Face-Modelle

Seit VeröffentlichungStand: Auf Hugging Face teilen Menschen KI-Modelle und laden sie herunter; über npm installieren Entwickler Code-Pakete.

Open-Source-Software

reevesagents

Führt mehrere KI-Programmierassistenten nebeneinander in einem Terminal aus, während ein Assistent die anderen koordiniert.

Ein npm-Paket, Apache-2.0-Lizenz, Benutzeroberfläche in 10 Sprachen.

10.507Installationen von reevesagents über npm

Stand:

Tholos

Mit Tholos erledigen KI-Assistenten Aufgaben auf Ihrem Rechner in einem gemeinsamen Arbeitsbereich mit Tabellen, Notizen und einer Aufgabenübersicht. Für jede Aktion legen die Regeln fest, ob sie ausgeführt wird, auf Ihre Freigabe wartet oder blockiert wird.

Ultra Mod

Das All-in-one-Mod-Pack für Claude Code, den Programmierassistenten von Anthropic. Es zeigt Ihre Nutzungslimits und wie voll das Kontextfenster (das Arbeitsgedächtnis des Modells) ist, stoppt rm -rf und git reset --hard, bis Sie zustimmen, kann beides rückgängig machen, hält .env-Dateien und andere Geheimnisse vom Modell fern und setzt unter jede Antwort einen Beleg.

MIT-Lizenz. Keine Netzwerkaufrufe, keine Telemetrie.

Modelle

JevAlt

Kleine Modelle, die eine Situation lesen, eine der vorgegebenen Antworten wählen und für jede Antwort eine Wahrscheinlichkeit angeben. Deem-4B arbeitet auf Englisch, Karar-4B auf Türkisch und Wähler-4B auf Deutsch.

Alle drei wurden auf Basis von Intern-Decision-4B trainiert, zuerst gemeinsam in den drei Sprachen und dann einzeln pro Sprache.

Läuft auf dem Hauptprozessor eines Laptops mit etwa 3 GB Arbeitsspeicher pro Modell. Die Vergleiche mit Kev-4B stehen unten.

ModellSpracheRichtige Antworten bei den jevalt-bench-TestfragenLinks
Deem-4B Englisch 94,7 % (Kev-4B 84,7 %)
Karar-4B Türkisch 96,8 % (Kev-4B 87,1 %)
Wähler-4B Deutsch 92,0 % (Kev-4B 81,1 %)

xdfdet

Die acht trainierten Detektoren aus der Masterarbeit mit Code, Heatmaps und zwei Browserspielen. Der zugehörige Beitrag ist in IEEE Xplore veröffentlicht.

Acht veröffentlichte Modelle. Code: MIT-Lizenz; trainierte Modelldateien: CC BY-NC 4.0 nach den Bedingungen von FaceForensics++, einer öffentlichen Sammlung echter und veränderter Gesichtsvideos.

Eldalambë

Eldalambë hilft beim Lesen und Schreiben von Tolkiens erfundenen Elbensprachen Quenya und Sindarin sowie ihrer Schrift Tengwar. Ein kleines Sprachmodell prüft seine Antworten mit einem Wörterbuch und Grammatikregeln.

Demo auf Einladung. Code, Daten, trainierte Modelldateien und Benchmark sind privat; nur die Arbeit ist öffentlich.

Tholos-2B

Tholos-2B ist das kleine Modell hinter den Assistenten. Es wurde auf Basis von MiniCPM5-2B mit Aufzeichnungen erledigter Aufgaben trainiert.

Apache-2.0-Lizenz.

Auf derselben Grafikkarte (einer Kaggle T4) löst Tholos-2B 137 der 160 Tholos-Bench-Aufgaben, MiniCPM5-2B 112. Auf demselben gewöhnlichen Prozessor (CPU) löst Tholos-2B 134 Aufgaben, MiniCPM5-2B 117.

Offene Benchmarks

JevOss

Prüfen Sie richtige Antworten und verlässliche Wahrscheinlichkeiten von Entscheidungsmodellen über ein gemeinsames Anfrageformat (Jev API).

jevalt-bench

Testfragen und Ergebnisse zum Vergleich von JevAlts Entscheidungsmodellen mit anderen Modellen.

Datensätze

jevalt-data

Trainingsbeispiele für JevAlts englische, türkische und deutsche Entscheidungsmodelle.

Simulationen

Emberwick

Ein mittelalterliches Dorf im Browser, in dem die drei Entscheidungsmodelle festlegen, wie die Bewohner auf Stürme, Brände, Märkte und Wölfe reagieren.

Frühe Arbeiten

Generator für türkische Gedichte

Ein Deep-Learning-Modell, trainiert auf einer selbst zusammengestellten Sammlung türkischer Gedichte für einen Universitätskurs zur maschinellen Sprachverarbeitung.

Code und Arbeit sind privat.

AgriDL Smart Farming

Eine mobile App, die Deep Learning und Sensordaten in der Landwirtschaft nutzt. Auf Vertragsbasis mit staatlichen Partnern entwickelt.

Der Code ist privat.