./research
我们正在研究的问题。
来自实验室的研究笔记。这些是尚未解决的问题，而非成稿论文；我们先公开问题，再公布那些经受住生产环境考验的结果。
- jul 2026
面向 AI 的可验证审计层
面向模型推理与智能体执行的防篡改审计层：规范化序列化、按域分离的哈希、DSSE 签名、每次运行的 Merkle DAG，以及跨运行的 Merkle Mountain Range，用以证明没有任何一次运行被删除。每一个原语都是从与真实备选方案的正面基准测试中选出的，并附上已提交的原始数据。本文即其设计与背后的实验。
- jul 2026
降低长时运行智能体的 Token 成本
智能体把大部分 token 花在重复读取早已见过的上下文上：同样的指令、同样的公司事实、同样的历史，每次调用都要重来一遍。我们正在研究缓存、上下文压缩与预编译知识能把单步边际成本压到多低，而不损害其决策质量。