Şevval Alper
Şevval ist KI-Forscherin bei AIMultiple. Sie verfügt über Forschungserfahrung im Bereich der Pseudozufallszahlengenerierung mithilfe chaotischer Systeme.
Forschungsschwerpunkte
Şevval konzentriert sich auf KI-Codierungswerkzeuge, KI-Agenten und Quantentechnologien.
Sie ist Teil des AIMultiple-Benchmark-Teams, führt Bewertungen durch und liefert Erkenntnisse, um den Lesern das Verständnis verschiedener neuer Technologien und ihrer Anwendungen zu erleichtern.
Berufserfahrung
Sie wirkte an der Organisation und Betreuung von Teilnehmern an drei „CERN International Masterclasses - hands-on particle physics“-Veranstaltungen in der Türkei mit und arbeitete dabei eng mit den Dozenten zusammen, um das Lernen zu erleichtern.
Ausbildung
Şevval besitzt einen Bachelor-Abschluss in Physik von der Technischen Universität des Nahen Ostens.
Neueste Artikel von Şevval
Top 4 KI-Suchmaschinen im Vergleich
Die Suche mit LLMs hat sich zu einer wichtigen Alternative zur Google-Suche entwickelt. Wir haben die folgenden KI-Suchmaschinen getestet, um herauszufinden, welche die korrektesten Ergebnisse liefert: Deepseek Search Andi ChatGPT Search mit GPT-4o Perplexity Search Pro Benchmark-Ergebnisse DeepSeek ist der Führer dieses Benchmarks, da es korrekt 57 % der Daten in unserem Ground-Truth-Datensatz bereitstellt. Sie…
KI-Speicher: Beliebteste KI-Modelle mit dem besten Speicher
Intelligentere Modelle haben oft einen schlechteren Speicher. Wir haben 26 Large Language Models in einem 32-Nachrichten-Geschäftsgespräch getestet, um festzustellen, welche Informationen tatsächlich behalten werden. Ergebnisse des KI-Speicher-Benchmarks Wir haben 26 beliebte Large Language Models durch eine simulierte 32-Nachrichten-Geschäftskonversation mit 43 Fragen getestet. Unser Benchmark bewertete drei Schlüsselkennzahlen: Merkfähigkeit, Qualität des logischen Denkens und Halluzinationserkennung unter…
Screenshot zu Code: Lovable vs v0 vs Bolt
Während meiner 20 Jahre als Softwareentwickler leitete ich viele Frontend-Teams bei der Entwicklung von Seiten, die auf Designs basierten, die von Screenshots inspiriert waren. Designs können mit KI-Tools in Code übertragen werden. Obwohl es im aktuellen Zustand der Tools falsch ist, eine pixelgenaue Übertragung zu erwarten, können sie Entwicklern eine Grundlage für ihre Arbeit bieten.…
Code-Ausführung mit MCP: Ein neuer Ansatz für KI-Agenten-Effizienz
Anthropic hat eine Methode eingeführt, bei der KI-Agenten mit Model Context Protocol (MCP)-Servern interagieren, indem sie ausführbaren Code schreiben, anstatt direkte Aufrufe an Tools zu machen. Der Agent behandelt Tools wie Dateien auf einem Computer, findet, was er braucht, und verwendet sie direkt mit Code, sodass Zwischendaten nicht den Speicher des Modells passieren müssen. Wir…
Sprach-zu-Text-Benchmark: Deepgram vs. Whisper
Wir haben die führenden Sprach-zu-Text-(STT)-Anbieter getestet, mit besonderem Fokus auf Anwendungen im Gesundheitswesen. Unser Benchmark verwendete reale Beispiele, um die Transkriptionsgenauigkeit in medizinischen Kontexten zu bewerten, wo Präzision entscheidend ist. Ergebnisse des Sprach-zu-Text-Benchmarks Sowohl nach der Wortfehlerrate (WER) als auch nach der Zeichenfehlerrate (CER) zeigt GPT-4o-transcribe die höchste Transkriptionsgenauigkeit unter allen bewerteten Sprach-zu-Text-Systemen. Deepgram Nova-v3…
KI-Code-Review-Tools-Benchmark
Mit der zunehmenden Nutzung von KI-Coding-Tools sind Codebasen anfälliger für Schwachstellen geworden, was den Bedarf an effektiven Code-Reviews erhöht hat. Um diesem Bedarf zu begegnen, stellen wir RevEval (AI Code Review Eval) vor, das die vier führenden KI-Code-Review-Tools über 309 Pull-Requests aus Repositories unterschiedlicher Größe vergleicht und ihre Leistung anhand von Eingaben von 10 Entwicklern…
Beste KI-Code-Editoren: Cursor vs Windsurf vs Replit
Das Erstellen einer App ohne Programmierkenntnisse ist derzeit sehr angesagt. Können diese Tools eine App erfolgreich erstellen und bereitstellen? Wir haben 6 KI-Code-Editoren an 10 realen Herausforderungen der Webentwicklung getestet. Jede Aufgabe erforderte Implementierungen wie Backend, Frontend, Authentifizierung und Zustandsmanagement. Wir bewerteten die Korrektheit des Backends, das Verhalten des Frontends und die kombinierte Leistung und…
MCP Benchmark: Top MCP Server für den Webzugriff
Wir haben 8 MCP Server in den Bereichen Websuche und -extraktion sowie Browserautomatisierung getestet, indem wir 4 verschiedene Aufgaben 5-mal auf allen geeigneten MCPs ausgeführt haben. Wir haben zudem einen Lasttest mit 250 gleichzeitigen KI-Agenten durchgeführt. MCP Server mit Webzugriffsfunktionen ProduktErfolgsrate für Web suche und ExtraktionErfolgsrate für BrowserautomatisierungWebsuche und Extraktionsgeschwindigkeit (s)Browserautomatisierungs geschwindigkeit (s)Skalierbarkeitswert Bright Data100%90%303077%…
AI-Coding-Benchmark: Claude Code vs Cursor
Im Bereich des KI-Codings hat sich der Markt in zwei Kategorien aufgespalten: Agentic CLI-Tools und KI-Code-Editoren, die in IDEs eingebettet sind. Beide behaupten, die Entwicklung zu automatisieren. Nur wenige Vergleiche zeigen, wie sie sich unter identischen Arbeitslasten unterscheiden. Wir haben jeden Agenten über 10 Full-Stack-Webentwicklungsaufgaben getestet, wobei wir pro Agent etwa 600 atomare Validierungsprüfungen und…
OCR Benchmark: Text Extraktion / Erfassungsgenauigkeit
OCR-Genauigkeit ist für viele Dokumentenverarbeitungsaufgaben entscheidend, und SOTA-multipmodale LLMs bieten nun eine Alternative zu OCR. Wir haben führende OCR-Dienste im DeltOCR Bench getestet, um ihre Genauigkeitsniveaus bei verschiedenen Dokumententypen zu ermitteln: Handschrift: GPT-5 (95 %) sticht als bester Performer hervor, dicht gefolgt von olmOCR-2-7B (94 %) und Gemini 2.5 Pro (93 %). Gedruckte Medien: Gemini…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.