严谨的测量，是可信 AI 的地基。
01
宣称跑在证据前面
AI 能力的宣称超越了证据：没有明确构念、效度验证与不确定度报告，分数难以解读。
02
重大决策依赖测量质量
从上线、采购到监管，关于 AI 的决策都建立在评估结果之上——测不准，就管不好。
03
领域缺少共享的基础设施
还没有统一的社区、课程与工具栈。研究院把它们当作公共品来建。
| # | 领域 | 核心问题 | 状态 |
|---|---|---|---|
| 1 | 金融风控 | 模型能否稳定通过合规审查？ | |
| 2 | 智能客服 | 接管率上升的同时，风险话术是否可控？ | |
| 3 | 代码与研发 | 在你的代码库上，而不是在刷题榜上。 | |
| 4 | 知识与检索 | 是答对了，还是恰好背过？ | 规划中 |
| 5 | 推理与规划 | 多步任务的失败，会发生在哪一步？ | 规划中 |
| 6 | 安全与合规 | 越狱、泄露与红线话题的边界测试。 | 规划中 |
开放，是设计出来的。
研究院以研究实验室的标准运转，以开源项目的方式生长。参与的门槛，只是一个真实的问题。
通讯
跟上研究的进度。
研究进展、工具发布与活动通知，发布即送达。无垃圾信息，随时退订。