世界已被记录。 却尚未被建模。
下一代基础模型不仅理解世界说了什么，更将理解世界如何变化。
我们寻找在某个领域深入探索的人：一枚奖牌、一个定理、一项基准，或一个经受真实生产考验的系统。
我们与市场、能源、工业、生物及科学领域的伙伴合作，尤其关注系统复杂、决策影响深远，且真实结果能够形成学习闭环的场景。
构建下一代基础模型
Abel 正在构建世界动态基础模型，学习系统如何变化、什么驱动变化，以及行动会带来什么。
真实系统并非静态文档。 它们是持续演变的状态——
数千个变量跨越时间相互耦合，响应每一次干预。
Abel 将基础模型 与因果智能结合。
揭示复杂系统内部的驱动因素与关联，为模型理解关键变量提供结构性证据。
我们的使命是构建基础模型，让变化中的世界变得 可理解、 可计算， 最终可行动。
多数 AI 学习人类已经掌握的能力。 Abel 探索人类难以凭自身完成的系统理解。
这就是我们正在构建的下一代基础模型。
一个模型，多种动态系统。
如今，市场、电网、生产线与细胞仍被分别建模。团队为每个系统重新搭建整套模型，并在运行机制变化时再次重建。
Abel 希望直接从观测数据与上下文中识别和理解系统。
将各类来源的观测数据与上下文结合，形成对系统当前状态的统一认识。
RSI Loop — 反馈闭环
让模型持续学习 让现实给出反馈。
从今天的研究出发。
我们正在推进模型、系统与学习闭环研究，逐步构建这一基础模型。
Andrey：高效因果发现
找出系统中各部分之间的驱动关系，了解其中一部分变化时，其他部分如何随之改变。
探索 AndreySimons：时间序列基础模型
学习系统在不同时间、尺度与运行机制下如何演变，并将其推演至可能的未来。
即将推出