研究
我们的研究方向与研究项目。每个方向与项目都标注明确的状态,并将动机、问题、方法、观察与局限分开呈现。
研究方向
- 受治理的 AI 系统状态: 活跃研究
智能体治理、审批边界、人在回路控制、策略强制,以及可回滚、失败即关闭的执行。
- 证据、审计与回放状态: 活跃研究
面向 AI 执行的证据账本、防篡改记录、决策回放、来源溯源与运行时可观测性。
- 图推理状态: 实验性
基于图的推理运行时:规划器、事务日志、证据感知推理,以及在结构化领域知识上的约束强制。
- 主权与本地 AI状态: 活跃研究
本地与端侧推理、模型优化、边缘部署、隐私感知推理,以及多供应商可移植性。
- 隐私保护型 AI状态: 活跃研究
数据最小化、敏感数据检测与脱敏、受控模型访问、数据驻留,以及残余风险评估。
- 医疗健康 AI状态: 探索中
在人工监督、证据与治理下的非诊断型、运营类临床文书支持。不主张任何临床验证。
- 无障碍技术状态: 探索中
无障碍交互、沟通支持、视觉与听觉无障碍,以及包容性 AI 设计。
- Auslan 与多模态 AI状态: 探索中
将 Auslan(澳大利亚手语)的摄像头识别作为对手部、身体、面部与时序的多模态表征来探索——而非手势分类。以社区参与为前提,处于早期阶段。
- 模型评估状态: 活跃研究
准确率、鲁棒性、失效分析、领域迁移、泛化、可复现性,以及对局限的透明报告。
- 负责任的 AI状态: 活跃研究
人的问责、治理、安全边界、社区影响、负责任的数据使用,以及有证据支撑的主张。
- 世界模型状态: 实验性
深度感知世界模型(DAWM):世界模型实验、阶段诊断、失效分析与当前信念更新。
研究项目
- 状态: 探索中Auslan 与多模态无障碍
对基于摄像头的 Auslan 识别进行早期、社区参与式探索,将其视为多模态表征——而非手势分类,也不替代手语翻译员。
- Auslan 与多模态 AI
- 无障碍技术
- 负责任的 AI
- 状态: 活跃研究受治理的智能体系统
为 AI 智能体设置单一受控执行边界:不可逆动作须经人工审批,工具访问基于策略授权。
- 受治理的 AI 系统
- 证据、审计与回放
- 负责任的 AI
- 状态: 活跃研究证据与工作状态
不信任存储、失败即关闭的设计:将判定捕获为证据、固定契约,使工作状态可回放且防篡改。
- 证据、审计与回放
- 负责任的 AI
- 状态: 实验性图推理运行时
一个实验性推理运行时,分离规划器、事务日志与证据账本,并在结构化领域知识上强制约束。
- 图推理
- 证据、审计与回放
- 状态: 活跃研究隐私保护型 AI 管线
在受控模型访问前,进行敏感数据检测、脱敏与转换,并配合数据驻留控制与残余风险评估。
- 隐私保护型 AI
- 负责任的 AI
- 状态: 实验性Apple Silicon 推理运行时
面向 Apple Silicon 及其他加速器上本地推理的内核设计、内存搬运与带宽上限研究——整合自早期 Octoryn Research 的工作。
- 主权与本地 AI
- 模型评估
- 状态: 实验性DAWM——深度感知世界模型
世界模型实验、阶段诊断与失效分析,把回归视为一连串被否证的假设,而非单一的训练失败。
- 世界模型
- 模型评估
- 状态: 活跃研究本地与主权推理
端侧与边缘推理、面向受限硬件的模型优化,以及降低单一供应商依赖的多供应商可移植性。
- 主权与本地 AI