# 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](https://eschatialabs.com) Enocta 人工智能工程师 [精选项目](https://mertkayacs.com/zh/#selected-work) [论文](https://mertkayacs.com/zh/#publications) 8,600 Hugging Face 模型与数据集下载 9,000 npm 下载 150 GitHub 星标 截至 2026年10月18日 ## 精选项目 [全部项目](https://mertkayacs.com/zh/work/) ### [JevAlt](https://jevalt.mertkayacs.com) 这些小型模型读取一种情境，从给定答案中选择一个，并为每个答案给出概率。Deem-4B 用于英语，Karar-4B 用于土耳其语，Wähler-4B 用于德语。 三个模型都以 Intern-Decision-4B 为基础，先使用三种语言共同训练，再按每种语言分别训练。 在未用于训练的测试题上，Deem-4B 的准确率为 94.7%，Kev-4B 为 84.7%；Karar-4B 为 96.8%，Kev-4B 为 87.1%；Wähler-4B 为 92.0%，Kev-4B 为 81.1%。 相关项目：[JevOss](https://jevoss.mertkayacs.com) [Emberwick](https://emberwick.mertkayacs.com) - [访问项目](https://jevalt.mertkayacs.com) - [GitHub](https://github.com/mertkayacs/jevalt) - [模型合集](https://huggingface.co/collections/mertkayacs/jevalt-decision-models) - [试用演示](https://huggingface.co/spaces/mertkayacs/JevAlt) - [Kaggle](https://www.kaggle.com/models/mertilovski/jevalt) ### [Tholos + Tholos-2B](https://tholos.mertkayacs.com) 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。 - [访问项目](https://tholos.mertkayacs.com) - [GitHub](https://github.com/mertkayacs/tholos) - [Hugging Face](https://huggingface.co/mertkayacs/Tholos-2B) - [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Tholos-2B-GGUF) ### [reevesagents](https://reevesagents.mertkayacs.com) 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。 - [访问项目](https://reevesagents.mertkayacs.com) - [GitHub](https://github.com/mertkayacs/reevesagents) - [npm](https://www.npmjs.com/package/reevesagents) ### [Ultra Mod](https://ultramod.mertkayacs.com) Ultra Mod 是 Anthropic 编程助手 Claude Code 的整合插件包。它显示使用限额和上下文窗口（模型的工作记忆）占用情况，在运行 rm -rf 或 git reset --hard 前请求批准并可撤销操作，使模型无法读取 .env 等敏感文件，还会在每次回答下附上操作记录。 MIT 许可证。无网络调用。常驻模型 token 用量约为 0。 - [访问项目](https://ultramod.mertkayacs.com) - [GitHub](https://github.com/mertkayacs/ultramod) - [npm](https://www.npmjs.com/package/ultramod) ### [Emberwick](https://emberwick.mertkayacs.com) 一座在浏览器中运行的中世纪村庄，三个决策模型决定村民如何应对风暴、火灾、集市和狼群。 相关项目：[JevAlt](https://jevalt.mertkayacs.com) [JevOss](https://jevoss.mertkayacs.com) - [访问项目](https://emberwick.mertkayacs.com) - [视频](https://huggingface.co/datasets/mertkayacs/emberwick-videos) ### [xdfdet](https://xdfdet.mertkayacs.com) 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。 相关项目：[UBMK 2026 论文](https://mertkayacs.com/zh/research/#ubmk-2026) [硕士论文](https://mertkayacs.com/zh/research/#msc-thesis) - [访问项目](https://xdfdet.mertkayacs.com) - [GitHub](https://github.com/mertkayacs/xdfdet) - [Hugging Face](https://huggingface.co/mertkayacs/xdfdet) - [Kaggle](https://www.kaggle.com/models/mertilovski/xdfdet) 更多项目：[Eldalambë](https://eldalambe.mertkayacs.com)。项目页还包括[数据集](https://mertkayacs.com/zh/work/#datasets) 和[早期项目](https://mertkayacs.com/zh/work/#early)。这些[开放基准测试](https://eschatialabs.com/zh/benchmarks/) 有各自的详情页。 ## 开源 [查看完整开源列表](https://mertkayacs.com/zh/open-source/) 这里简要列出我对外部项目的贡献。 - musistudio/claude-code-router 37,723 [拉取请求](https://github.com/musistudio/claude-code-router/pull/1871) - sgl-project/sglang 37,262 [拉取请求](https://github.com/sgl-project/sglang/pull/43377) - jarrodwatts/claude-hud 28,618 [拉取请求](https://github.com/jarrodwatts/claude-hud/pull/802) - EleutherAI/lm-evaluation-harness 14,253 [拉取请求](https://github.com/EleutherAI/lm-evaluation-harness/pull/4346) ## 论文 [全部研究](https://mertkayacs.com/zh/research/) ### 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。 - [阅读论文](https://eschatialabs.com/zh/research/ubmk-2026/) - [GitHub 代码](https://github.com/mertkayacs/xdfdet) - [Hugging Face 模型](https://huggingface.co/mertkayacs/xdfdet) ### Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques Mert Kaya，导师：Venera Adanova 硕士论文，TED University，2025年9月1日 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。 - [阅读学位论文](https://eschatialabs.com/zh/research/msc-thesis/) - [在 Zenodo 查看论文](https://doi.org/10.5281/zenodo.18998566) - [GitHub 代码](https://github.com/mertkayacs/xdfdet) - [Hugging Face 模型](https://huggingface.co/mertkayacs/xdfdet) ### 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。 这篇论文研究 Eldalambë，一个面向托尔金虚构的精灵语 Quenya 和 Sindarin 的助手。采用的版本 Pro-Preserve 在 100 个测试请求中有 40 个写出预期句子，早期版本 Pro2508 为 21 个；Pro-Preserve 在 300 个案例中有 277 个正确识别托尔金的词，Pro2508 为 259 个。 - [阅读论文](https://eschatialabs.com/research/eldalambe-2026/) - [PDF](https://eschatialabs.com/papers/eldalambe-2026.pdf) - [Eldalambë](https://eldalambe.mertkayacs.com) ## 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） ```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：2026年10月15日 ## 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](https://eschatialabs.com) 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。 ## [Eschatia Labs](https://eschatialabs.com) 由 Mert Kaya 创办 [Eschatia Labs 是一家独立的开源人工智能研究实验室。](https://eschatialabs.com) [eschatialabs.com](https://eschatialabs.com) ## 工作经历 Enocta、土耳其信用局（KKB）、AgriDL5.0 和 Alictus。 [工作经历与教育背景](https://mertkayacs.com/zh/about/) ## 联系 如需讨论研究或工程合作，请发送电子邮件。 [mertkayacs@gmail.com](mailto:mertkayacs@gmail.com) Canonical: https://mertkayacs.com/zh/