理解
从通俗解释进入论文、公式、结果与明确边界。
打开研究地图开放研究社区
人工智能会回答。然后呢，它真会吸取教训吗？
这里研究的不是一次答对，而是系统行动之后会不会看见后果、记住失败、修正下一次决策，并让每一步依据都可以被查验。
理解使用共建合作
行动人工智能采取重要行动之前，应当带着什么依据？
观察当智能体改变了环境，它原来的判断还能成立吗？
学习一次纠正，能不能变成持久且有边界的改变？
审计别人能不能看清规则、结果和适用范围？
四条入口
不必先成为专家，也不必先来挑战谁。
你可以先看懂一个问题，跑一次公开材料，修正一处细节，或者带来一个真实但不泄露隐私的可靠性难题。
使用
查看基准、数据集、模式、验证器、演示和最小参考实现。
打开 Hugging Face 资源共建
提出具体问题，增加安全样例，改善文档，或者公开一个实验。
选择讨论入口合作
把故障复发或行动依据会产生真实成本的问题，变成边界清楚的联合评估。
发起私下沟通研究项目
四个研究项目，分别回答四个具体问题。
可以按问题进入论文、协议、模式、样例或参考实现，查看方法如何定义、怎样运行，以及结论在哪些条件下成立。
可用版本
可以定位、运行和引用的公开版本，不是模糊的仓库快照。
每个版本都冻结了明确文件、验证命令和主张边界。它们不构成生产安全认证，也不公开私有产品核心。
当前研究议题
两篇 KDD 2026 workshop 论文，追问智能体产生真实影响之后的两种失败。
ReflexBench 检查智能体进入因果回路之后，原有推理能力能否保持。实验覆盖 20 个情景、6 个领域、4 层观察者深度和 9 个公开模型；所有测试模型在更深层级上都出现退化。
认知免疫 检查一次纠错之后，严重失败会不会再次发生。在公开的分数级协议下，无记忆策略的合并重复失败率为 0.764，认知免疫为 0.650；配对 seed-task 差值为 -0.106，95% bootstrap 区间为 [-0.211, -0.003]。
边界：两篇均为已经接收并完成展示的 KDD 2026 非存档 workshop 论文，不是 KDD 主会论文，也不是生产安全认证或通用可靠性证明。
第一次贡献
可以从一处小修正开始，也可以走到完整实验。
1读完或运行一份公开材料。
2提出一个具体问题，或描述一个真实用例。
3修正一份文档、链接、样例或夹具。
4公开一个基线、实验或扩展。
5维护一个边界清楚的组件或研究议题。
开放边界
诚意开放可检查、可连接的部分，严格保护数据、人员与产品优势。
公开
已经发表的概念与公式、公开协议、模式、验证器、小型样例、最小参考实现、安全演示、文档和负面结果。
发布前审查
大型数据集、详细运行轨迹、接近生产的实现、安全敏感案例，以及组合后可能暴露实现优势的组件。
保持私有
生产编排、精确权重与阈值、私有提示词与数据、客户系统、调优历史、部署自动化和未发表研究。
常见问题
这里欢迎什么，又明确拒绝什么。
谁可以参与？
研究者、工程师、学生、行业实践者和普通读者都可以。问题、用例、文档、安全夹具、基线、实验和代码都有价值。
贡献一定要复现实验或反驳结论吗？
不需要。你可以写清一个概念、连接相关材料、改善使用体验、增加样例，或者描述一个真实问题。反例与结论检验只是其中两种方式。
开放研究是不是意味着完整产品都开源？
不是。公开协议、接口、验证器和最小参考实现，与生产实现、运行参数、客户材料和私有学习闭环明确分离。
论文或公开基准能证明生产安全吗？
不能。每项结果只在它明确写出的协议、数据、版本和限制内成立。
社区标准
带来一个真实问题，留下一个别人可以继续使用的公开成果。
成果可以是一段更清楚的解释、一份安全样例、一次比较、一个负面结果、一条修正后的边界，或者一个真正能运行的扩展。