Mert Kaya 研究和开发小型开放模型、可解释的深度伪造检测与本地人工智能工具
我为具体任务开发小型人工智能模型、衡量模型表现的公开测试，以及解释模型决定的工具。
Eschatia Labs 创始人Enocta 人工智能工程师
8,600Hugging Face 模型与数据集下载
9,000npm 下载
150GitHub 星标
截至精选项目
全部项目
Tholos + Tholos-2B
Tholos 让人工智能助手在自己的电脑上完成任务，并共享表格、笔记和任务板。规则决定每项操作是直接执行、等待您的批准，还是被阻止。
Tholos-2B 是这些助手背后的小型模型，以 MiniCPM5-2B 为基础，使用已完成任务的操作记录进行训练。
在同一张显卡（Kaggle T4）上，Tholos-2B 通过 160 项 Tholos-Bench 任务中的 137 项，MiniCPM5-2B 通过 112 项。在同一个普通中央处理器（CPU）上，Tholos-2B 通过 134 项，MiniCPM5-2B 通过 117 项。
Apache-2.0 许可证。
reevesagents
reevesagents 在同一个终端中并行运行多个人工智能编程助手，并由其中一个助手协调其他助手。
一个 npm 包，Apache-2.0 许可证，支持 10 种界面语言。
xdfdet
硕士论文中的八个训练好的检测器，并提供代码、热力图和两个浏览器游戏。相关论文已被 UBMK 2026 录用。
已发布八个模型。代码采用 MIT 许可证；训练好的模型文件采用 CC BY-NC 4.0，并遵守 FaceForensics++ 的条款。FaceForensics++ 是一个公开的真实与修改后人脸视频集。
论文
全部研究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)
已录用，将发表于 IEEE Xplore。
这篇已录用的论文比较九种深度伪造检测器训练方法，检查检测准确率、模型给出的概率与实际结果的吻合程度，以及模型依据哪些面部区域。
Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques
Mert KayaVenera Adanova
硕士论文，TED University，
这篇硕士论文比较了多种训练方法，用于识别视频中经人工智能修改的人脸。热力图显示哪些面部区域影响了每项结果。
Language Preservation Using Agentic AI Architectures: A Tool-Grounded Small Language Model on a Constructed-Language Testbed
Mert Kaya
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。
成果数据
本站的每项结论都链接到对应的对比测试、数据或代码。
- Karar-4B，土耳其语
- 在未用于训练的测试题上，准确率为 96.8%；对比模型 Kev-4B 为 87.1%。来源：jevalt-bench。
- Deem-4B 与 Wähler-4B，英语与德语
- 在各自语言中的准确率为 94.7% 和 92.0%；Kev-4B 为 84.7% 和 81.1%。来源：jevalt-bench。
- Tholos-2B，助手任务
- 在同一张显卡（Kaggle T4）上，Tholos-2B 通过 160 项 Tholos-Bench 任务中的 137 项，MiniCPM5-2B 通过 112 项。在同一个普通中央处理器（CPU）上，Tholos-2B 通过 134 项，MiniCPM5-2B 通过 117 项。来源：Tholos-Bench。
- reevesagents，助手工作区
- 截至 2026年10月15日有 107 个 GitHub 星标；9月13日至10月12日共有 742 次 npm 下载。来源：GitHub 和 npm。
引用格式（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}
}最后更新：
常见问题
Mert Kaya 是谁？
Mert Kaya 是资深人工智能研究员和工程师，也是独立开源人工智能研究实验室 Eschatia Labs 的创始人。他开发可检验结果的小型开放模型和本地人工智能工具。在未用于训练的 jevalt-bench 土耳其语测试题上，Karar-4B 的准确率为 96.8%，对比模型 Kev-4B 为 87.1%。这一开放决策模型系列支持英语、土耳其语和德语。
reevesagents 是什么？
reevesagents 是 Mert Kaya 开发的开源工具，可让 Claude Code、Codex、Kimi、OpenCode 等人工智能编程助手在同一个终端工作区并行工作，并由其中一个助手协调团队。该工具采用 Apache-2.0 许可证，截至 2026年10月15日有 107 个 GitHub 星标；9月13日至10月12日共有 742 次 npm 下载。
xdfdet 是什么？
xdfdet 是 Mert Kaya 根据其 TED University 硕士论文开发的视频人脸检测系统，用于识别被人工智能修改的人脸。项目公开完整代码和八个训练好的图像模型，并用热力图标出影响每项结果的面部区域。代码采用 MIT 许可证，论文公开于 Zenodo。
Karar-4B 是什么？
Karar-4B 是 Mert Kaya 为土耳其语开发的开放决策模型。在未用于训练的 jevalt-bench 测试题上，它的准确率为 96.8%，对比模型 Kev-4B 为 87.1%，在本机运行约需 3 GB 内存。同一测试中，德语模型 Wähler-4B 和英语模型 Deem-4B 的准确率分别为 92.0% 和 94.7%，Kev-4B 在相应语言中为 81.1% 和 84.7%。
Tholos 是什么？
Tholos 是 Mert Kaya 为本机人工智能助手开发的工作区。助手共享表格、笔记和任务板。规则决定每项操作是直接执行、等待您的批准，还是被阻止。在同一张显卡（Kaggle T4）上，任务模型 Tholos-2B 通过 160 项 Tholos-Bench 任务中的 137 项，其训练基础模型 MiniCPM5-2B 通过 112 项。在同一个普通中央处理器（CPU）上，Tholos-2B 通过 134 项，MiniCPM5-2B 通过 117 项。
在哪里可以找到并引用 Mert Kaya 的研究？
Mert Kaya 关于可解释深度伪造检测的硕士论文已在 Zenodo 公开，DOI 为 10.5281/zenodo.18998566。他比较图像多样化与遮罩训练方法的论文已被 UBMK 2026 录用，将发表于 IEEE Xplore。本站每个论文条目都提供可复制的 BibTeX，代码和模型发布在 GitHub 与 Hugging Face。
