Contactez-nous
Services
Contactez-nous
Aucun résultat trouvé.
Berk Kalelioğlu

Berk Kalelioğlu

Chercheur en IA
7 Articles
Restez informé des dernières technologies B2B
Berk est chercheur en intelligence artificielle chez AIMultiple. Il possède une expérience préalable dans le développement de jeux et dans la création de générateurs de nombres pseudo-aléatoires utilisant des systèmes chaotiques.

Intérêts de recherche

Berk se spécialise dans l'apprentissage automatique, les outils d'IA agentielle et les modèles de langage de grande et de petite taille (LLM et SLM). Il fait partie de l'équipe de benchmark AIMultiple, où il réalise des évaluations et fournit des analyses pour aider les lecteurs à comprendre les technologies émergentes et leurs applications concrètes.

Expérience professionnelle

Il a débuté sa carrière comme chef de projet technique à l'ODTU IVME-R, où il a dirigé un projet de construction de générateurs de nombres quantiques et pseudo-aléatoires physiques. Après son passage à l'IVME-R, il a cofondé une société de développement de jeux vidéo et a publié un jeu sur Steam. Il s'est ensuite orienté vers l'intelligence artificielle et a rejoint AIMultiple en tant que chercheur.

Éducation

Berk est titulaire d'une licence en mathématiques de l'université d'Ankara.

Derniers articles de Berk

IAMai 22

Benchmark des modèles tabulaires : Performance sur 19 jeux de données

We benchmarked 7 widely used tabular learning models across 19 real-world datasets, covering ~260,000 samples and over 250 total features, with dataset sizes ranging from 435 to nearly 49,000 rows. Our goal was to understand top-performing model families for datasets of different sizes and structure (e.g. numeric vs.

Agent IAMai 22

Évaluation des LLM agentic : comparaison des principaux modèles

We benchmarked the top LLMs across 10 software development tasks by using an agentic CLI tool. We executed ~3,500 automated validation steps per model across both API and UI layers. Agentic LLM benchmark results Success rate comparison Each alias ran 3 times across 10 tasks (30 samples per alias, 230 cells per iteration).

Agent IAMai 14

Outils CLI Agents : Codex vs Claude Code

Agentic CLI tools are AI coding tools that can create and delete files, run commands, plan, and execute the coding of the entire project.

Logiciel d'entrepriseMai 14

Benchmark VPS : Hetzner vs Digital Ocean

We benchmarked 6 Virtual Private Server (VPS) providers by running ~1,200 automated tests per server across CPU, memory, disk I/O, and network speed using sysbench, fio, and speedtest-cli. We also documented the full signup-to-SSH experience for each provider.

Agent IAAvr 24

Environnements RL : L'infrastructure derrière l'IA agentic

Reinforcement learning environments are controlled environments where AI agents take actions, observe outcomes, and receive feedback. They are becoming more useful as models move from one-shot answers to multi-step work in coding, browser tasks, customer support, and business software. RL environment companies Some companies sell custom environments for coding, finance, enterprise workflows, or computer-use tasks.

Agent IAAvr 16

Cas d'utilisation et sécurité d'OpenClaw (Moltbot/Clawdbot)

OpenClaw (formerly Moltbot and Clawdbot) is an open-source, self-hosted AI assistant designed to execute local computing tasks and interface with users through standard messaging platforms. Unlike traditional chatbots that function as advisors generating text, OpenClaw operates as an autonomous agent that can execute shell commands, manage files, and automate browser operations on the host machine.

Agent IAFév 6

Moltbook : Réseaux sociaux pilotés par des agents

The rapid growth of OpenClaw has triggered an unusual social experiment: Moltbook, a Reddit-like social platform where agents interact with each other. Launched on the 28th of January, 2026, and started to get attention in a short time span. It reached 1.5m+ agents in its first week.