# 项目

这些模型、软件和数据集用于从固定答案中作出选择、帮助人工智能助手完成任务，以及识别被人工智能修改的人脸。每个项目都会注明哪些材料已经公开。

- [模型](https://mertkayacs.com/zh/work/#models)

- [论文](https://mertkayacs.com/zh/work/#papers)

- [开源软件](https://mertkayacs.com/zh/work/#software)

- [模拟项目](https://mertkayacs.com/zh/work/#simulations)

- [开放基准测试](https://mertkayacs.com/zh/work/#benchmarks)

- [数据集](https://mertkayacs.com/zh/work/#datasets)

- [早期项目](https://mertkayacs.com/zh/work/#early)

- [基础设施](https://mertkayacs.com/zh/work/#infrastructure)

## 模型

### [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。

每个模型在笔记本电脑主处理器上运行约需 3 GB 内存。下方列出与 Kev-4B 的比较结果。

- [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)

### [Deem-4B](https://huggingface.co/mertkayacs/Deem-4B)

Deem-4B 回答英语的固定选项问题，并估算每个答案的概率。

在未用于训练的 jevalt-bench 英语题目上，Deem-4B 的准确率为 94.7%，Kev-4B 为 84.7%。

- [Hugging Face](https://huggingface.co/mertkayacs/Deem-4B)

- [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Deem-4B-GGUF)

### [Karar-4B](https://huggingface.co/mertkayacs/Karar-4B)

Karar-4B 回答土耳其语的固定选项问题，并估算每个答案的概率。

在未用于训练的 jevalt-bench 土耳其语题目上，Karar-4B 的准确率为 96.8%，Kev-4B 为 87.1%。

- [Hugging Face](https://huggingface.co/mertkayacs/Karar-4B)

- [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Karar-4B-GGUF)

### [Wähler-4B](https://huggingface.co/mertkayacs/Wahler-4B)

Wähler-4B 回答德语的固定选项问题，并估算每个答案的概率。

在未用于训练的 jevalt-bench 德语题目上，Wähler-4B 的准确率为 92.0%，Kev-4B 为 81.1%。

- [Hugging Face](https://huggingface.co/mertkayacs/Wahler-4B)

- [在自己的电脑上运行（GGUF）](https://huggingface.co/mertkayacs/Wahler-4B-GGUF)

### [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。

- [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)

### [Eldalambë](https://eldalambe.mertkayacs.com)

Eldalambë 帮助人们读写托尔金创造的精灵语 Quenya、Sindarin 及其 Tengwar 文字。一个小型语言模型会用词典和语法规则检查答案。

演示仅限受邀访问。代码、数据、训练后的模型文件和基准测试均为私有；只有论文公开。

- [访问项目](https://eldalambe.mertkayacs.com)

- [论文（预印本）](https://eschatialabs.com/research/eldalambe-2026/)

### [Tholos-2B](https://huggingface.co/mertkayacs/Tholos-2B)

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。

Apache-2.0 许可证。

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。

- [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)

## 论文

### [Augmentation and Cutout in Deepfake Detection: A Comparative Study of Accuracy, Calibration, and Attention](https://mertkayacs.com/zh/research/#ubmk-2026)

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。

已被 UBMK 2026 接收。最终版本将收录于 IEEE Xplore，目前尚无 DOI。

### [Explainable deepfake detection using frame level CNN models: A comparative study of augmentation and cutout techniques](https://mertkayacs.com/zh/research/#msc-thesis)

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。

TED University 计算机科学硕士论文，2025 年。导师：Venera Adanova。

- [在 Zenodo 查看论文](https://doi.org/10.5281/zenodo.18998566)

### [Language Preservation Using Agentic AI Architectures: A Tool-Grounded Small Language Model on a Constructed-Language Testbed](https://mertkayacs.com/zh/research/#eldalambe-2026)

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。

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。

- [阅读论文](https://eschatialabs.com/research/eldalambe-2026/)

- [PDF](https://eschatialabs.com/papers/eldalambe-2026.pdf)

## 开源软件

### [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。

 7,000 npm 下载

   截至 2026年10月18日

- [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)

### [Tholos](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。

- [访问项目](https://tholos.mertkayacs.com)

- [GitHub](https://github.com/mertkayacs/tholos)

## 模拟项目

### [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。

- [访问项目](https://emberwick.mertkayacs.com)

- [视频](https://huggingface.co/datasets/mertkayacs/emberwick-videos)

## 开放基准测试

### [JevOss](https://eschatialabs.com/zh/benchmarks/jevoss/)

JevOss 使用统一请求格式 Jev API，检验决策模型的答案是否正确、概率是否可信。

- [访问项目](https://jevoss.mertkayacs.com)

- [GitHub](https://github.com/mertkayacs/jevoss)

### [jevalt-bench](https://eschatialabs.com/zh/benchmarks/jevalt-bench/)

jevalt-bench 提供测试题和结果，用于比较 JevAlt 决策模型与其他模型。

- [Hugging Face](https://huggingface.co/datasets/mertkayacs/jevalt-bench)

### [Tholos-Bench](https://eschatialabs.com/zh/benchmarks/tholos-bench/)

Tholos-Bench 包含 160 个面向人工智能助手的测试，按照实际完成的工作是否符合任务要求评分。

- [GitHub](https://github.com/mertkayacs/tholos/tree/main/tholos/bench)

- [Hugging Face](https://huggingface.co/datasets/mertkayacs/tholos-bench)

## 数据集

### [jevalt-data](https://huggingface.co/datasets/mertkayacs/jevalt-data)

jevalt-data 收录 JevAlt 英语、土耳其语和德语决策模型的训练示例。

- [Hugging Face](https://huggingface.co/datasets/mertkayacs/jevalt-data)

### [emberwick-videos](https://huggingface.co/datasets/mertkayacs/emberwick-videos)

emberwick-videos 收录浏览器村庄模拟 Emberwick 的录制片段。

- [Hugging Face](https://huggingface.co/datasets/mertkayacs/emberwick-videos)

### [tholos-trajectories](https://huggingface.co/datasets/mertkayacs/tholos-trajectories)

这个数据集收录完成任务时记录的操作过程，用于训练 Tholos 人工智能助手的模型 Tholos-2B。

- [Hugging Face](https://huggingface.co/datasets/mertkayacs/tholos-trajectories)

## 早期项目

### 土耳其语诗歌生成器

这是为大学自然语言处理课程开发的深度学习模型，使用一组土耳其语诗歌训练。

成绩为 A。代码和论文均为私有。

### AgriDL 智慧农业

AgriDL 是一款利用传感器数据和深度学习服务农业的移动应用，由政府合作方委托开发。

代码为私有。

## 基础设施

### 自托管生产平台

该平台运行公开项目、监控服务、发送警报并保存加密的异地备份。网络保护和配置均由代码定义。

私有。

Canonical: https://mertkayacs.com/zh/work/