从能交付的，
到正在攻坚的
我们把技术分成三层，每一层的状态都如实标清：已交付的，对结果负责、可写进合同；试点中的，可以演示，但稳定之前不投入生产；研究中的，是我们正在攻坚、紧跟前沿的方向。
今天就能交付、并对结果负责
下面每一项，都已经在客户现场真实跑着、写进了合同。
计算机操作 Agent：像人一样操作老系统
很多国产 ERP / 老旧 MES 没有 API，只能看着屏幕点鼠标。下面是 Agent 自动把来料单录入 ERP 采购单的演示—— 试点阶段，演示为模拟环境，因稳定性暂不提供生产服务。
真实场景里，这一层会接入视觉定位模型 + 你的实际系统，并把「提交」这类高风险动作交给人工确认。当前稳定性未达我们对外承诺的标准，所以只演示、不接单。
业务流程沙盒
为客户业务流程建轻量数字孪生，Agent 先在沙盒里反复试跑、达标后再上生产。
经验编译为 Agent Skill
把驻场的失败与纠正，半自动提炼成可复用的 Agent Skill（技能模块）——模型原生、可组合、按需加载，沉淀进同行业 Agent，越攒越厚。
两项均为试点中的能力，上方为示意动画；稳定达到我们对外承诺的标准前，只演示、不提供生产服务。
我们在攻坚的前沿
持续跟踪 NeurIPS / ICML / ICLR 等顶会的最新工作，下面是我们已布局、正在研发的方向——它们共同指向一件事： 让垂直 Agent 可验证、可审计、越用越可靠。每条都附了我们在跟的代表论文。
说明：本节为研究与研发方向，反映我们的技术路线与在研工作，不代表全部已形成可交付产品；「已交付」能力以第一层为准。所列论文为我们跟踪的公开研究，非本公司成果。
把研究，变成专利与论文
前沿不只停在跟踪。团队成员此前已在 ECCV（计算机视觉三大顶会之一）、IEEE BIBM 等国际学术会议发表论文多篇；下面是我们正在推进的自有研发产出——围绕「可验证、可审计、越用越可靠」的 Agent，申请专利、撰写论文。
专利
申请中 · 6 项- 已受理
一种基于时序逻辑（LTL）的 Agent 运行时合规约束强制方法
- 实审中
神经符号结合的可证明合规判定方法及系统
- 已受理
面向垂直业务的可验证奖励（RLVR）Agent 训练方法
- 已提交
Agent 长程任务的运行记忆与失败自恢复方法
- 已提交
国产企业软件界面定位（GUI Grounding）数据构建方法
- 撰写中
Agent 可靠性度量（pass^k）与优雅退化评估方法
论文
已发表多篇 · 在推进 4 篇- 已发表
计算机视觉方向研究论文
ECCV · 计算机视觉三大顶会之一 - 已发表
生物信息与医学智能方向论文 · 多篇
IEEE BIBM - 投稿中
可验证执行：把企业 SOP 编译为 Agent 的时序逻辑护栏
目标 · NeurIPS - 撰写中
神经符号合规：可证明、可审计的企业 AI 判定
- 撰写中
pass^k：面向生产的 Agent 可靠性度量
- 撰写中
经验编译：不重训地把驻场失败纠正沉淀为可执行约束
说明：标注「已发表」的为团队成员既有学术发表；其余为正在推进的研发方向与产出，部分处于专利申请 / 论文撰写阶段，最终以官方授权 / 正式发表为准。