Mert Kaya
MenüSchließen

Arbeiten

Modelle

JevAlt

Drei Entscheidungsmodelle: Deem-4B für Englisch, Karar-4B für Türkisch und Wähler-4B für Deutsch. Jedes liest eine Situation, beantwortet eine Frage mit festen Antwortoptionen und gibt für jede Option eine kalibrierte Wahrscheinlichkeit aus.

Offene Entscheidungsmodelle für die Laptop-CPU, entwickelt von Senior-KI-Ingenieur Mert Kaya

Jedes Modell läuft mit etwa 3 GB RAM und wird auf JevAlts eigenen zurückgehaltenen Testdaten an Kev-4B gemessen, einem öffentlichen Modell eines anderen Entwicklers.

Siehe auch:JevOssEmberwick

Deem-4B

Entscheidungsmodell für Englisch, auch als GGUF veröffentlicht.

Genauigkeit auf zurückgehaltenen englischen Testdaten: Deem-4B 94,7 %, Kev-4B 84,7 %.

Karar-4B

Das beste quelloffene türkischsprachige Entscheidungsmodell seiner Klasse, entwickelt von Senior-KI-Ingenieur Mert Kaya

Genauigkeit auf zurückgehaltenen türkischen Testdaten: Karar-4B 96,8 %, Kev-4B 87,1 %.

Wähler-4B

Entscheidungsmodell für Deutsch, auch als GGUF veröffentlicht.

Genauigkeit auf zurückgehaltenen deutschen Testdaten: Wähler-4B 92,0 %, Kev-4B 81,1 %.

Eldalambë

Kleines Sprachmodell, das die Elbensprachen Quenya und Sindarin liest und schreibt, auch in Tengwar-Schrift, mit Werkzeugen für Übersetzung, Nachschlagen, Flexion und Tengwar-Darstellung.

Gestützt auf ein grammatisch geprüftes Korpus. Demo auf Einladung; Code und Gewichte nicht öffentlich.

Tholos-2B

Kleines Agentenmodell: Fine-Tuning von MiniCPM5-2B auf ausgeführten Trajektorien.

Besteht 137 von 160 Tholos-Bench-Szenarien auf einer Kaggle-T4, 25 mehr als das Basismodell, und 134 auf einer CPU (Q4_K_M-Build, llama.cpp mit JSON-Schema). Apache-2.0.

Siehe auch:Tholos

Publikationen

Open-Source-Software­entwicklung

reevesagents

Lokaler tmux-Arbeitsbereich, in dem Claude Code, Codex, Kimi, OpenCode, Hermes und weitere KI-Coding-CLIs nebeneinander laufen und ein Agent die anderen über MCP steuert.

CLI, TUI, Weboberfläche und MCP-Server in einem npm-Paket. Apache-2.0, 10 Oberflächensprachen.

3.400+Downloads auf npm

Stand:

Tholos

Kleine, dauerhaft laufende Agenten auf dem eigenen Rechner, die sich einen Arbeitsbereich mit Tabellen, Notizen und Aufgabenboard teilen. Für jede Aktion gilt eine Regel: erlauben, nachfragen oder ablehnen.

Siehe auch:Tholos-2B

gmail-cleaner-ai

Räumt mehrere Gmail-Konten über IMAP auf, mit einem LLM Ihrer Wahl (Anthropic, OpenAI, Gemini oder einem lokalen Modell über LiteLLM) und einer Streamlit-Oberfläche.

Simulationen

Datensätze

Frühe Arbeiten

Generator für türkische Gedichte

Ein Deep-Learning-Gedichtgenerator, trainiert auf einem selbst zusammengestellten Korpus türkischer Gedichte für einen NLP-Kurs an der Universität.

Code und Ausarbeitung nicht öffentlich.

WhatIfCorona

Bachelor-Abschlussprojekt: ein Simulationsmodell mit API, das vorhersagt, wie sich eine COVID-ähnliche Krankheit in verschiedenen Maßnahmenszenarien ausbreitet.

AgriDL: Smart Farming

Deep Learning für Smart Farming in einer Flutter- und Firebase-App mit Arduino-Sensoren, auf Vertragsbasis mit staatlichen Partnern entwickelt.

Code nicht öffentlich.

Infrastruktur

Selbst gehostete Produktionsplattform

Plattform für die öffentlichen Projekte, mit Monitoring, Alarmierung, verschlüsselten externen Backups, geschützten Containernetzwerken und Infrastruktur als Code.

Nicht öffentlich.