面向真实企业问题的测量科学。
我们相信，AI 的进步取决于我们能否把它测准。研究院的工作横跨理论基础、预测方法、效度检验、激励设计与真实世界影响——为企业的评估与治理提供可靠的科学地基。
研究方向
项目与工作稿
白皮书
起点
预测性评估
用尽可能少的评测，预测模型在你业务里的表现。
稀疏观测下的模型能力预测
从少量业务样本外推整体表现：方法、边界与失效条件。
企业任务上的性价比曲线
能力、延迟与成本的联合规律，为预算内的选型提供依据。
效度与信度
基准测到的，是它声称要测的东西吗？
公开基准在企业选型中的失效模式
泄漏、饱和与刷榜，如何让公开分数失去决策价值。
私有基准效度检查清单
给企业自建评估的一份可操作的效度审查工具。
激励与治理
当评估结果关系到订单与预算，激励就开始扭曲测量。
供应商能力宣称的证据标准
什么样的证据，才足以支撑一次采购决策。
榜单幻觉：排行榜在采购中的误用
公开榜单的排名，与企业内实测的相关性有多高。
真实世界评估
评估不该停在上线前的最后一晚。
生产环境中的持续评估
从上线前静态测试到上线后行为监测的完整闭环。
高风险场景的评估协议
金融、医疗与政务场景下的安全、公平与稳健性协议。
《企业 AI 评估白皮书》
系统梳理企业在模型选型、上线与合规中的评估失效模式，并给出可操作的方法建议。2026 年内发布征求意见稿，正在公开征集真实案例与共创企业。