我们的长期方向

上海确知智能科技有限公司 拟登记名称

尚未完成核名及注册 · 起步上海,面向世界

让 AI
理解人。

让人类状态成为 AI 的核心输入。

我们的长期目标是连接信号、证据与不确定性,让智能系统能回应人的状态,也让这些回应可以被检验。

当前 人类状态证据图谱 v0.1 · 开发中

关于人的理解。
概念艺术图

01 / 人本维度人 × 智能

一个人,
远不止一段提示词。

注意。努力。
情感。情境。

这些都应进入我们关于智能系统的讨论。

我们希望为 AI 建立基础,使它能考虑人的状态,在明确边界内调整回应,并检验回应是否带来帮助。

理解始于测量。责任始于知道证据的边界。

人类信号概念动画

02 / 第一块基石

当前工作

从证据
出发。

人类状态证据图谱

我们的第一块基石:用版本化结构连接构念、信号、测量、证据与推断边界。

v0.1 · 开发中

模式仍在完善。这是一项开发中的研究基础设施。

了解证据图谱
人类状态证据图谱v0.1 · 开发中
五类相连的证据对象 连接构念、信号、测量、证据与推断边界的概念示意。图谱仍在开发中。 信号观测对象 构念推断对象 证据支持依据 推断边界推断止步之处 测量连接方式
概念 · v0.1 方向有声明。有来源。有边界。

一个信号支持什么判断?推断又应在哪里停止?

03 / 研究基础

全部项目与论文

让研究
持续积累。

我们希望将研究转化为可复用的证据、测量协议、模型、评估方法与软件。

精选研究 / 概念封面图

01 / 证据

EviDial

模型预测与症状标签一致,并不一定意味着访谈提供了足够依据。EviDial 将文本证据支持作为独立维度,帮助抑郁对话评测区分“标签答对了”与“判断有依据”。

Submitted · ICLR 2027

这是进展状态,不是研究结论。

边界讨论证据支持,而非诊断有效性。候选参考与探索性开发审计不能建立模型排名。

02 / 验证

ANI

情感非干扰(Affective Non-Interference,ANI)研究当授权依据不变时,情绪表达是否影响智能体的受保护行为。三项实验档案与两项外部审计分别考察输入变化、行为变化及评估规则的作用。

Submitted · ICLR

边界发现仅适用于合成任务与保存记录中的特定条件;尚未证明情感本身会扩大原本不变的授权行动集合。

03 / 测量

I'm Fine

可重复的低自评分数,可能与更高的观察者分数、不同的模型排序及共同的时间变化同时存在。“I'm Fine” 比较这些差异,追问情感评估究竟能够可靠地代表什么。

Submitted · ICLR

边界基于归档模型交互的描述性结果,不作临床、主观体验或单一机制的因果结论。

04 / 我们的思考

我们的原则

测量状态。
尊重人。

由人定义的结果引导系统。信号可以支持推断,却不能定义一个人的价值。

长期研发闭环

  1. 01

    感知

    明确信号及其来源。

  2. 02

    建模

    说明被推断的构念。

  3. 03

    校准

    保留情境与不确定性。

  4. 04

    适应

    在声明的边界内回应。

  5. 05

    验证

    检验由人定义的结果。

05 / 人与进展

研究与工程

一个问题。
长远探索。

AI Certainty 是由创始人主导的研究与产品探索。

起步上海,面向世界。

Junjie Xu

创始人 · 多模态情感计算
与生成式系统

27 篇论文中有 14 篇为第一作者。目前这项探索由一人推进。

个人网站 关于创始人

当前进展

人类状态证据图谱仍在开发中。下一步是让模式与证据记录成为稳定、可核查的参考。

06 / 合作

共同构建
人本维度。

一起探索证据、
测量与评估。

讨论合作