研究
把一线落地，沉淀成可复现的研究。
检索增强生成、LLM 长期记忆、知识图谱：我们把生产实践形式化为可复现的工作。这里是团队公开的论文、专利与学术服务，链接均指向可核验的原始来源。
论文与专利
When Should the Agent Speak? A Survey of Intervention Timing for Always-On AI Assistants
Tao An
常驻助手（眼镜、MR、环境 copilot）的介入时机综述，围绕一条决策规则组织：当行动的期望收益减去打扰的期望代价超过阈值时才出手。重连两条互不引用的文献：1999–2017 的可打扰性研究把打扰代价形式化到了效用理论的程度，却没有能兑现收益的执行者；2024–2026 的主动智能体浪潮有了执行者，却只以碎片形式重新发现代价项（误报定价、认知负荷、社交违规、算力），无人统一。评估是闸门层：介入质量不可测量之前，主动性的强化学习奖励无从定义。因此提出一个带显式成本项的开放世界介入时机基准设计。
Registers, Not Plans: What Lives in a Language Model's Workspace That Isn't on Its Tongue
Tao An
在开源模型上独立复现 Anthropic 的「全局工作空间」主张。用模型自身的 next-token 分布过滤 lens 读出，把工作空间劈成两半：可因果操纵的上下文寄存器（对话语言、被纠正的错字）留存，内容计划（押韵、心算）跌到置换基线。编辑一个寄存器还会改写模型对「自己被问了什么」的表征，在 1.7B–14B 尺度阶梯与第二个架构上稳定成立。
CGEP: Toward Detecting and Attributing GEO Poisoning in Chinese AI Search
Tao An
面向中文生成式搜索（DeepSeek、豆包、Kimi）定义 GEO 投毒的检测与归因问题：五类操纵手法的分类学、从「攻击成功率」到 检测 → 分类 → 账号簇归因 的任务重构，以及一个合法构建的合成基准。溯源试验表明检测与归因需要不同的信号底座：内容特征能检出操纵（F1 0.93）却归因不到卖家簇，账号交互图才能归因（0.96）；置信度门控的融合覆盖了单一底座检测器、GNN 与零样本 LLM 都失效的全部手法。
The Preference Centroid: Consensus Density Governs Output Dispersion in Aligned LLMs
Tao An, Shuai Feng
反复采样一个对齐后的 LLM 并对补全做嵌入，输出的离散度（平均两两余弦距离）由任务的「共识密度」决定：事实型 prompt 上近乎为零，开放型 prompt 上很宽（Spearman ρ = 0.85），在第二个模型上复现，并可由只看 prompt 的留出评审预测（ρ = −0.91）。基座 vs 指令模型的对照显示：对齐放大了预训练基座已携带的梯度。
It's Fidelity, Not Structure: Verbatim Chunks Beat Lossy Artifact Extraction in Long-Conversation LLM Memory
Tao An
在固定的 检索–重排–推理 管线内做受控消融，隔离「存储的记忆表示」这一变量：LLM 抽取的结构化 artifact vs 原文对话切片。原文切片在 LoCoMo 上领先 15.9 分（43.9% vs 28.0%）、在 LongMemEval-S 上领先 22.0 分。结构化记忆应增强而非替代原文。
AI as Equalizer or Amplifier? Task Complexity as the Moderating Factor for Human Expertise in Hybrid Intelligence Systems
Tao An
发表于第 5 届混合人机智能大会（HHAI 2026，布鲁塞尔）论文集，IOS Press《Frontiers in AI and Applications》第 423 卷，pp. 212–220（开放获取，CC BY-NC）。基于 2024 年中以来的结构化田野观察，调和「AI 是均衡器还是放大器」之争：AI 在常规、结构良好的任务上缩小新手与专家差距，在需要深度判断的复杂任务上放大差距。决定谁最受益的是领域专业度，而非提示工程。
Cognitive Workspace: Active Memory Management for LLMs
Tao An
提出 Cognitive Workspace 范式，超越传统 RAG，模拟人类认知机制：主动记忆管理、分层认知缓冲、任务驱动的上下文优化。记忆复用率 58.6%（RAG 为 0%），净效率提升 17–18%。
A Graph-Neural-Network Method for Data-Information Recommendation
Tao An
中国发明专利，实质审查中。基于 GNN，在异构「数据–信息」图上做推荐。
学术服务
伦理审稿人
NeurIPS 2026· 2026神经信息处理系统大会（NeurIPS 2026）伦理审查委员会，依据 NeurIPS 伦理准则审查被标记的投稿：数据来源与知情同意、双重用途与滥用风险、涉人研究考量、更广泛的社会影响。