Mert Kaya
MenuChiudi

Mert Kaya Ricerca e sviluppo su piccoli modelli aperti, rilevamento spiegabile dei deepfake e strumenti di IA locale

Sviluppo piccoli modelli di IA per compiti specifici, test aperti che li misurano e strumenti che ne spiegano le decisioni.

Fondatore di Eschatia LabsIngegnere IA presso Enocta

Progetti in evidenzaPubblicazioni

8600download di modelli e dati su Hugging Face

9000download su npm

150stelle su GitHub

Dati al

Progetti in evidenza

Tutti i progetti

JevAlt

Piccoli modelli che leggono una situazione, scelgono una delle risposte disponibili e assegnano una probabilità a ciascuna. Deem-4B lavora in inglese, Karar-4B in turco e Wähler-4B in tedesco.

Tutti e tre sono stati addestrati a partire da Intern-Decision-4B, prima sulle tre lingue insieme e poi su ciascuna lingua separatamente.

Sulle domande escluse dall’addestramento, Deem-4B raggiunge il 94,7% di accuratezza, contro l’84,7% di Kev-4B. Karar-4B raggiunge il 96,8%, contro l’87,1% di Kev-4B; Wähler-4B raggiunge il 92,0%, contro l’81,1% di Kev-4B.

Correlati:JevOssEmberwick

Tholos + Tholos-2B

Tholos offre agli assistenti di IA sul proprio computer uno spazio di lavoro condiviso con tabelle, note e attività. Per ogni azione, le regole stabiliscono se viene eseguita, resta in attesa di approvazione o viene bloccata.

Tholos-2B è il piccolo modello alla base degli assistenti, addestrato a partire da MiniCPM5-2B su registrazioni di attività completate.

Sulla stessa scheda grafica, una Kaggle T4, Tholos-2B supera 137 delle 160 attività di Tholos-Bench, contro le 112 di MiniCPM5-2B. Sullo stesso normale processore (CPU), Tholos-2B ne supera 134, contro le 117 di MiniCPM5-2B.

Licenza Apache-2.0.

reevesagents

reevesagents esegue fianco a fianco più assistenti di programmazione basati sull’IA sul proprio computer, con un assistente che coordina il gruppo.

Un solo pacchetto npm, licenza Apache-2.0, interfaccia in 10 lingue.

Ultra Mod

Ultra Mod riunisce dieci estensioni per Claude Code, l’assistente di programmazione di Anthropic. Mostra i limiti di utilizzo e lo spazio occupato nella memoria di lavoro del modello, chiede conferma prima di rm -rf o git reset --hard e può annullarli, impedisce al modello di leggere file .env e altri segreti, e registra le operazioni sotto ogni risposta.

Licenza MIT. Nessuna chiamata di rete. Circa 0 token del modello sempre attivi.

xdfdet

Gli otto rilevatori addestrati della tesi magistrale, con codice, mappe di calore e due giochi nel browser. L’articolo collegato è stato accettato a UBMK 2026.

Otto modelli pubblicati. Codice con licenza MIT; file dei modelli addestrati con licenza CC BY-NC 4.0 secondo i termini di FaceForensics++, una raccolta pubblica di video con volti reali e modificati.

Correlati:Articolo UBMK 2026Tesi magistrale

Altri progetti: Eldalambë. Nella pagina Progetti sono presenti anche dataset e lavori iniziali. I benchmark aperti hanno pagine dedicate.

Open source

Elenco open source completo

Un elenco breve dei miei contributi a progetti esterni.

  • musistudio avatar
    musistudio/claude-code-router 37.723
    PR
  • sgl-project avatar
    sgl-project/sglang 37.262
    PR
  • jarrodwatts avatar
    jarrodwatts/claude-hud 28.618
    PR
  • EleutherAI avatar
    EleutherAI/lm-evaluation-harness 14.253
    PR

Pubblicazioni

Tutta la ricerca

Augmentation and Cutout in Deepfake Detection: A Comparative Study of Accuracy, Calibration, and Attention

Mert Kaya, Venera Adanova

UBMK 2026, 11th International Conference on Computer Science and Engineering, Istanbul (IEEE)

Accettato, sarà pubblicato su IEEE Xplore.

Un articolo accettato che confronta nove modi di addestrare un rilevatore di deepfake: l’accuratezza, la corrispondenza tra il grado di sicurezza e i risultati, e le parti del volto su cui si basa.

Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques

Mert Kaya, Relatrice: Venera Adanova

Tesi magistrale, TED University,

La tesi confronta diversi modi di addestrare modelli che riconoscono volti modificati dall’IA nei video. Le mappe di calore mostrano le zone del volto che hanno influito su ogni risultato.

Language Preservation Using Agentic AI Architectures: A Tool-Grounded Small Language Model on a Constructed-Language Testbed

Mert Kaya

Preprint pubblico senza revisione paritaria. Il codice, i dati, i modelli e il benchmark di Eldalambë sono privati.

L’articolo studia Eldalambë, un assistente per le lingue elfiche inventate da Tolkien, Quenya e Sindarin. La versione adottata, Pro-Preserve, scrive la frase attesa in 40 richieste di test su 100, rispetto alle 21 della versione precedente, Pro2508, e riconosce le parole di Tolkien in 277 casi su 300, rispetto ai 259 di Pro2508.

Risultati in cifre

Ogni affermazione sul sito rimanda al benchmark, ai dati o al codice che la sostengono.

Karar-4B, turco
96,8% di risposte corrette sulle domande escluse dall’addestramento; il modello di confronto Kev-4B raggiunge l’87,1%. Fonte: jevalt-bench.
Deem-4B e Wähler-4B, inglese e tedesco
94,7% e 92,0% di risposte corrette nelle rispettive lingue, contro l’84,7% e l’81,1% di Kev-4B. Fonte: jevalt-bench.
Tholos-2B, attività per assistenti
Sulla stessa scheda grafica, una Kaggle T4, Tholos-2B supera 137 attività su 160 in Tholos-Bench, contro le 112 di MiniCPM5-2B. Sullo stesso normale processore (CPU), ne supera 134, contro le 117 di MiniCPM5-2B. Fonte: Tholos-Bench.
reevesagents, spazio per assistenti
107 stelle su GitHub al 15 ottobre 2026 e 742 download su npm dal 13 settembre al 12 ottobre 2026. Fonti: GitHub e npm.
Citazione (BibTeX)
@mastersthesis{kaya2025explainable,
  author = {Kaya, Mert},
  title = {Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques},
  school = {TED University},
  year = {2025},
  doi = {10.5281/zenodo.18998566}
}

Ultimo aggiornamento:

Domande frequenti

Chi è Mert Kaya?

Mert Kaya è ricercatore senior e ingegnere di IA, nonché fondatore di Eschatia Labs, un laboratorio indipendente di ricerca sull’intelligenza artificiale open source. Sviluppa piccoli modelli aperti e strumenti locali con risultati verificabili. Sulle domande turche di jevalt-bench escluse dall’addestramento, Karar-4B risponde correttamente nel 96,8% dei casi, contro l’87,1% del modello di confronto Kev-4B. La famiglia aperta di modelli decisionali copre inglese, turco e tedesco.

Che cos’è reevesagents?

reevesagents è lo strumento open source di Mert Kaya per eseguire fianco a fianco assistenti di programmazione basati sull’IA. Claude Code, Codex, Kimi, OpenCode e altri assistenti lavorano nello stesso spazio del terminale, coordinati da un assistente. Lo strumento usa la licenza Apache-2.0, aveva 107 stelle su GitHub il 15 ottobre 2026 e ha registrato 742 download su npm dal 13 settembre al 12 ottobre 2026.

Che cos’è xdfdet?

xdfdet è il sistema sviluppato da Mert Kaya a partire dalla sua tesi magistrale alla TED University per riconoscere volti modificati dall’IA nei video. Pubblica il codice completo e otto modelli di analisi delle immagini; mappe di calore mostrano le parti del volto che hanno influito su ogni risultato. Il codice usa la licenza MIT e la tesi è pubblica su Zenodo.

Che cos’è Karar-4B?

Karar-4B è il modello decisionale aperto di Mert Kaya per il turco. Sulle domande di jevalt-bench escluse dall’addestramento raggiunge il 96,8% di risposte corrette, contro l’87,1% di Kev-4B, e richiede circa 3 GB di memoria in locale. Nello stesso test, Wähler-4B in tedesco e Deem-4B in inglese raggiungono rispettivamente il 92,0% e il 94,7%, contro l’81,1% e l’84,7% di Kev-4B.

Che cos’è Tholos?

Tholos è lo spazio di lavoro di Mert Kaya per assistenti di IA eseguiti sul proprio computer. Gli assistenti condividono tabelle, note e attività. Per ogni azione, le regole stabiliscono se viene eseguita, resta in attesa di approvazione o viene bloccata. Sulla stessa scheda grafica, una Kaggle T4, il modello per le attività Tholos-2B supera 137 delle 160 attività di Tholos-Bench, contro le 112 di MiniCPM5-2B, il modello di partenza. Sullo stesso normale processore (CPU), Tholos-2B ne supera 134, contro le 117 di MiniCPM5-2B.

Dove si possono trovare e citare le ricerche di Mert Kaya?

La tesi magistrale di Mert Kaya sul rilevamento spiegabile dei deepfake è pubblica su Zenodo con DOI 10.5281/zenodo.18998566. Lo studio comparativo sui metodi di variazione e mascheratura delle immagini è stato accettato a UBMK 2026 e sarà pubblicato su IEEE Xplore. Ogni pubblicazione sul sito include un riferimento BibTeX copiabile; codice e modelli sono su GitHub e Hugging Face.

Eschatia Labs

Fondato da Mert Kaya

Eschatia Labs è un laboratorio indipendente di ricerca sull’intelligenza artificiale open source.

eschatialabs.com

Esperienza

Enocta, Credit Bureau of Turkey (KKB), AgriDL5.0 e Alictus.

Esperienza e formazione

Contatti

Scrivimi per proposte di ricerca o sviluppo.

[email protected]