Berk Kalelioğlu
Forschungsinteressen
Berk konzentriert sich auf maschinelles Lernen, agentische KI-Tools sowie große und kleine Sprachmodelle (LLMs und SLMs).Er ist Teil des AIMultiple-Benchmark-Teams, führt Bewertungen durch und liefert Erkenntnisse, um Lesern zu helfen, neue Technologien und ihre realen Anwendungen zu verstehen.
Berufserfahrung
Er begann seine Karriere als Tech-Projektleiter bei ODTU IVME-R, wo er ein Projekt zum Bau physischer Quanten- und Pseudozufallszahlengeneratoren leitete.Nach seiner Zeit bei IVME-R war er Mitgründer eines Spieleentwicklungsunternehmens und veröffentlichte ein Spiel auf Steam.
Später verlagerte er seinen beruflichen Schwerpunkt auf KI und kam als Forscher zu AIMultiple.
Ausbildung
Berk hat einen Bachelor-Abschluss in Mathematik von der Ankara University.Neueste Artikel von Berk
KI VC Benchmark: 16 KI-Agenten zur Kundenidentifikation
Die Kundenidentifikation ist Teil der kommerziellen Due Diligence. Wir haben 16 Models bei der Kundenlisten-Recherche für drei Forschungs- und Bewertungsseiten getestet, eine davon AIMultiple, und ihre Einreichungen anhand von Antwortschlüsseln, die wir erstellt haben, und der von ihnen zitierten Seiten bewertet. Wir haben bei keinem Model einen Reasoning-Aufwand festgelegt. Jedes lief mit dem Standard seines…
OpenClaw-Alternativen: Hermes vs. ZeroClaw vs. Grok Bot
Autonome KI-Agenten wie OpenClaw und der Hermes-Agent automatisieren mehrstufige Aufgaben, die normalerweise ständige menschliche Eingaben erfordern würden. Obwohl OpenClaw zum am weitesten verbreiteten Always-on-Agenten geworden ist, suchen viele Nutzer wegen des schwierigen Bereitstellungsprozesses und der komplexen Konfigurationsanforderungen nach Alternativen. Wir stellen 5 führende OpenClaw-Alternativen vor und beleuchten ihre wichtigsten Fähigkeiten sowie die Unterschiede zu OpenClaws…
Computer-Use-Agenten: Benchmark & Architektur
Computer-Use-Agenten bedienen echte Desktops und Web-Apps. Ihre Designs, Grenzen und Kompromisse sind oft unklar. Wir analysieren, wie führende Systeme arbeiten, wie sie lernen und wie sich ihre Architekturen unterscheiden. Wir beziehen uns auch auf einen fokussierten UI-Grounding-Benchmark mit 100 Desktop-Screenshots, über 4 Aufgabentypen und 5 Durchläufe pro Stichprobe. Er isoliert die Qualität der visuellen Wahrnehmung…
Zeitreihenklassifikations-Benchmark: Foundation Models vs. klassische Methoden
Wir haben 13 Methoden zur Zeitreihenklassifikation verglichen – von vortrainierten Time-Series-Foundation-Models bis zu einer 22-Feature-Baseline von 2019 – auf 33 UCR/UEA-Datensätzen unter einem eingefrorenen Protokoll. Das sind 14.638 erfasste Methoden-Datensatz-Resample-Zellen, von denen 11.874 bewertet wurden. Die Grafik vergleicht 12 Methoden auf den 15 univariaten Datensätzen, die jede von ihnen vollständig bearbeitet hat; jeder Datensatz wurde…
VPS-Benchmark: Hetzner vs Digital Ocean
Wir haben 6 Virtual Private Server (VPS)-Anbieter einem Benchmark unterzogen, indem wir ~1.200 automatisierte Tests pro Server für CPU, Arbeitsspeicher, Festplatten-I/O und Netzwerkgeschwindigkeit mit sysbench, fio und speedtest-cli durchgeführt haben. Wir haben außerdem die gesamte Erfahrung von der Anmeldung bis SSH für jeden Anbieter dokumentiert. Wir haben die 4 vCPU (Shared) / 8 GB Tarife…
AIM Agentic-Marketing-Benchmark
Wir stellen den AIM Agentic-Marketing-Benchmark vor, der die Leistung von Agenten in drei Marketing-Workflows misst: Wettbewerbslückenanalyse, Erstellung einer ABM-Zielliste und ein personalisiertes Vertriebsdeck. Wir haben außerdem ein separates Website-Reputationsaudit durchgeführt, bei dem Agenten die englischsprachigen Inhalte von AIMultiple untersuchten und überprüfbare Probleme in Bezug auf sachliche Genauigkeit, Zitate, Konsistenz, Aktualität, Funktionalität, Grammatik und Formatierung meldeten,…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.