Modelos, software y conjuntos de datos para elegir entre respuestas predefinidas, ayudar a asistentes de IA a realizar tareas y detectar rostros modificados con IA. Cada entrada indica qué materiales son públicos.
Modelos pequeños que leen una situación, eligen una de las respuestas disponibles y asignan una probabilidad a cada una. Deem-4B trabaja en inglés, Karar-4B en turco y Wähler-4B en alemán.
Los tres se entrenaron a partir de Intern-Decision-4B, primero con los tres idiomas juntos y después con cada idioma por separado.
Cada modelo se ejecuta en el procesador principal de una computadora portátil con unos 3 GB de memoria. Las comparaciones con Kev-4B aparecen abajo.
Deem-4B responde en inglés preguntas con opciones fijas y estima la probabilidad de cada respuesta.
En las preguntas en inglés de jevalt-bench excluidas del entrenamiento, Deem-4B alcanza un 94,7% de respuestas correctas, frente al 84,7% de Kev-4B.
Karar-4B responde en turco preguntas con opciones fijas y estima la probabilidad de cada respuesta.
En las preguntas en turco de jevalt-bench excluidas del entrenamiento, Karar-4B alcanza un 96,8% de respuestas correctas, frente al 87,1% de Kev-4B.
Wähler-4B responde en alemán preguntas con opciones fijas y estima la probabilidad de cada respuesta.
En las preguntas en alemán de jevalt-bench excluidas del entrenamiento, Wähler-4B alcanza un 92,0% de respuestas correctas, frente al 81,1% de Kev-4B.
Los ocho detectores entrenados de la tesis de maestría, con código, mapas de calor y dos juegos para navegador. El artículo relacionado fue aceptado en UBMK 2026.
Ocho modelos publicados. Código con licencia MIT; archivos de modelos entrenados con licencia CC BY-NC 4.0 según las condiciones de FaceForensics++, una colección pública de videos con rostros reales y modificados.
Eldalambë ayuda a leer y escribir Quenya y Sindarin, las lenguas élficas creadas por Tolkien, y su escritura Tengwar. Un modelo pequeño comprueba las respuestas con diccionarios y reglas gramaticales.
Demostración por invitación. El código, los datos, los archivos de los modelos entrenados y la prueba comparativa son privados; solo el artículo es público.
Tholos-2B es el modelo pequeño que usan los asistentes, entrenado a partir de MiniCPM5-2B con registros de tareas completadas.
Licencia Apache-2.0.
En la misma tarjeta gráfica, una Kaggle T4, Tholos-2B supera 137 de las 160 tareas de Tholos-Bench, frente a las 112 de MiniCPM5-2B. En el mismo procesador común (CPU), Tholos-2B supera 134, frente a las 117 de MiniCPM5-2B.
Un artículo aceptado que compara nueve formas de entrenar un detector de deepfakes y mide la exactitud, la correspondencia entre su grado de confianza y los resultados, y las zonas del rostro que utiliza.
Aceptado en UBMK 2026. La versión final aparecerá en IEEE Xplore; todavía no tiene DOI.
La tesis compara varias formas de entrenar modelos que reconocen rostros modificados por IA en videos. Los mapas de calor muestran qué zonas del rostro influyeron en cada resultado.
Tesis de maestría, TED University, 2025. Directora: Venera Adanova.
El artículo estudia Eldalambë, un asistente para las lenguas élficas inventadas por Tolkien, Quenya y Sindarin. La versión adoptada, Pro-Preserve, escribe la frase esperada en 40 de 100 solicitudes de prueba, frente a 21 de la versión anterior, Pro2508, e identifica las palabras de Tolkien en 277 de 300 casos, frente a 259 de Pro2508.
Prepublicación pública sin revisión por pares. El código, los datos, los modelos y la prueba comparativa de Eldalambë son privados.
reevesagents ejecuta en paralelo varios asistentes de programación con IA en su computadora, con uno de ellos a cargo de coordinar el equipo.
Un paquete npm, licencia Apache-2.0, 10 idiomas de interfaz.
7000descargas en npm
Datos alUltra Mod reúne diez extensiones para Claude Code, el asistente de programación de Anthropic. Muestra los límites de uso y el espacio ocupado en la memoria de trabajo del modelo, pide autorización antes de ejecutar rm -rf o git reset --hard y puede revertirlos, impide que el modelo lea archivos .env y otros secretos, y registra las operaciones debajo de cada respuesta.
Licencia MIT. Sin llamadas de red. El consumo permanente de tokens del modelo es cercano a 0.
Tholos permite que los asistentes de IA realicen tareas en su computadora, en un espacio de trabajo compartido con tablas, notas y un tablero de tareas. Para cada acción, las reglas deciden si se ejecuta, queda a la espera de su aprobación o se bloquea.
Una aldea medieval en el navegador donde los tres modelos de decisión eligen cómo reaccionan sus habitantes ante tormentas, incendios, mercados y lobos.
JevOss usa un formato de solicitud común, Jev API, para comprobar si un modelo de decisión responde correctamente y asigna probabilidades fiables.
jevalt-bench reúne preguntas de prueba y resultados para comparar los modelos de decisión de JevAlt con otros modelos.
Tholos-Bench contiene 160 pruebas para asistentes de IA, puntuadas según la correspondencia entre el trabajo realizado y la tarea solicitada.
jevalt-data contiene ejemplos de entrenamiento para los modelos de decisión de JevAlt en inglés, turco y alemán.
emberwick-videos reúne escenas grabadas de Emberwick, la simulación de una aldea en el navegador.
Este conjunto de datos contiene secuencias de acciones registradas para entrenar Tholos-2B, el modelo de tareas de los asistentes de Tholos.
Un modelo de aprendizaje profundo entrenado con una colección de poemas en turco para un curso universitario de procesamiento del lenguaje.
Calificación A. El código y el artículo son privados.
Una aplicación móvil que usa aprendizaje profundo y datos de sensores en la agricultura, desarrollada por contrato con entidades públicas.
El código es privado.
La plataforma ejecuta los proyectos públicos, supervisa servicios, envía alertas y conserva copias de seguridad cifradas fuera del servidor. Las protecciones de red y la configuración se definen mediante código.
Privada.
