Berk Kalelioğlu
Interesses de pesquisa
Berk se concentra em aprendizado de máquina, ferramentas de IA com agentes e modelos de linguagem grandes e pequenos (LLMs e SLMs). Ele faz parte da equipe de benchmarks do AIMultiple, realizando avaliações e fornecendo insights para ajudar os leitores a entender as tecnologias emergentes e suas aplicações no mundo real.Experiência profissional
Ele iniciou sua carreira como Líder de Projetos de Tecnologia no ODTU IVME-R, onde liderou um projeto para construir geradores físicos de números quânticos e pseudoaleatórios. Após sua passagem pelo IVME-R, cofundou uma empresa de desenvolvimento de jogos e lançou um jogo no Steam. Posteriormente, direcionou sua carreira para a Inteligência Artificial e ingressou na AIMultiple como pesquisador.Educação
Berk é bacharel em Matemática pela Universidade de Ankara.Últimos artigos de Berk
Análise comparativa de modelos tabulares: desempenho em 19 conjuntos de dados até 2026
Avaliamos 7 modelos de aprendizado tabular amplamente utilizados em 19 conjuntos de dados do mundo real, abrangendo aproximadamente 260.000 amostras e mais de 250 recursos no total, com tamanhos de conjuntos de dados variando de 435 a quase 49.000 linhas.
Comparativo de VPS: Hetzner vs Digital Ocean
Realizamos testes comparativos com 6 provedores de Servidores Virtuais Privados (VPS) executando aproximadamente 1.200 testes automatizados por servidor, abrangendo CPU, memória, E/S de disco e velocidade de rede, utilizando sysbench, fio e speedtest-cli. Também documentamos toda a experiência, desde o cadastro até o acesso SSH, para cada provedor.
Ambientes de Aprendizagem por Reforço: A Infraestrutura por Trás da IA Agentica
Ambientes de aprendizado por reforço são ambientes controlados onde agentes de IA executam ações, observam resultados e recebem feedback. Eles estão se tornando mais úteis à medida que os modelos evoluem de respostas instantâneas para tarefas complexas em programação, navegação na web, suporte ao cliente e software empresarial. Empresas de ambientes de aprendizado por reforço: Algumas empresas vendem ambientes personalizados para programação, finanças, fluxos de trabalho corporativos ou tarefas de uso de computador.
Casos de uso e segurança do OpenClaw (Moltbot/Clawdbot) em 2026
O OpenClaw (anteriormente Moltbot e Clawdbot) é um assistente de IA de código aberto e auto-hospedado, projetado para executar tarefas computacionais locais e interagir com usuários por meio de plataformas de mensagens padrão. Ao contrário dos chatbots tradicionais que funcionam como consultores gerando texto, o OpenClaw opera como um agente autônomo que pode executar comandos de shell, gerenciar arquivos e automatizar operações do navegador na máquina host.
Ferramentas de linha de comando Agentic: Codex vs Claude Code
As ferramentas CLI agéticas são ferramentas de codificação com IA que podem criar e excluir arquivos, executar comandos, planejar e executar a codificação de todo o projeto. Avaliamos as principais ferramentas em 10 cenários reais de desenvolvimento web, realizando cerca de 600 verificações de validação atômica por agente e mais de 5.
Moltbook: Mídias Sociais Orientadas por Agentes [2026]
O rápido crescimento do OpenClaw desencadeou um experimento social incomum: o Moltbook, uma plataforma social semelhante ao Reddit onde agentes interagem entre si. Lançado em 28 de janeiro de 2026, o Moltbook começou a atrair atenção rapidamente, alcançando mais de 1,5 milhão de agentes em sua primeira semana.
Boletim informativo AIMultiple
Receba um e-mail gratuito por semana com as últimas notícias de tecnologia B2B e insights de especialistas para impulsionar o seu negócio.