评估
为前沿AI系统提供独立的第三方评估与模型安全报告。
我们的方法论与《欧盟AI法案》行为准则中的系统性风险评估要求保持一致，涵盖CBRN（化学、生物、放射性与核技术）、网络攻击、操纵性滥用以及失控风险。
前沿AI安全，
亚洲制造
我们是一家独立的研究与评估实验室，致力于确保前沿AI能够在安全前提下进行大规模部署。
我们的工作
研究
针对前沿AI系统能力增强过程中出现的不对齐现象开展实证研究。
我们的研究致力于发展安全科学，并开发新的评估方法，以衡量模型不对齐（misalignment）及其失控风险，重点关注智能体系统中出现的失效情况。
合作
我们与学术实验室、前沿安全组织以及标准制定机构紧密合作。
我们的合作涵盖联合评估、方法论共享，以及跨机构、跨国界的前沿AI安全技术协作。如果您希望就某个项目开展合作，欢迎联系我们。
2026年路线图
研究时间线
更新于 2026年5月2日
第二季度 4月 – 6月
符合欧盟AI法案的模型安全卡
发布针对前沿模型的独立安全评估报告，结合既定基准测试与深入探测特定风险的后续实验。
旨在为新兴监管体制下各公司履行独立安全报告义务提供参考模板。
进行中
第三季度 7月 – 9月
安全措施的测试与评估
对前沿安全缓解措施（如思维链监控和宪法分类器）进行独立压力测试。
我们计划将方法论与发现结果以实用指南的形式发布，旨在降低各实验室采用这些缓解措施的成本，避免其重复开展从零开始的评估工作。
计划中
第四季度 10月 – 12月
不对齐与失控风险研究
开展针对前沿模型中不对齐与失控风险的实证研究。研究方向包括评估意识、模型故意表现不佳（sandbagging）以及对关闭指令的规避行为（shutdown avoidance）。
计划中
最新研究
研究成果
团队成员的代表性学术成果
NeurIPS 2025 12/2025
Noise injection reveals hidden capabilities of sandbagging language models
EMNLP 2025 (Findings) 11/2025
Understanding Refusal in Language Models with Sparse Autoencoders
ICLR 2025 (Oral) 04/2025
Turning Up the Heat: Min-p Sampling for Creative and Coherent LLM Outputs
Position Paper 06/2025
Chain-of-Thought is Not Explainability