پژوهش
چگونه با عامل‌های هوش مصنوعی بسازیم — و به نتیجه اعتماد کنیم.
ما مطالعه می‌کنیم چه چیزی مهندسی با کمک عامل‌ها را قابل‌اعتماد و ایمن می‌کند، و پاسخ‌ها را به ابزارها و استانداردهای بازی تبدیل می‌کنیم که هر کسی می‌تواند از آنها استفاده کند.
حوزه‌های پژوهش
مهندسی عامل قابل‌اعتماد
هماهنگ‌سازی، تجزیه و حفاظ‌هایی که عامل‌های هوش مصنوعی را در طول کارِ طولانی و چندمرحله‌ای بر مسیر نگه می‌دارند — بدون توقف زودهنگام یا انحراف از مشخصات.
امنیت تحویل با کمک هوش مصنوعی
چگونه کدِ نوشته‌شده توسط عامل‌ها شکست می‌خورد، چگونه آن را می‌گیریم، و چگونه امنیت‌با‌طراحی را به پیش‌فرض تبدیل می‌کنیم: IAM، AppSec و تیم‌قرمز مجاز بر آنچه عامل‌ها تولید می‌کنند.
استانداردها و ارزیابی
معنای «خوب» برای خروجی عامل‌ها چیست، و چگونه آن را اندازه بگیریم: راهنماهای هنجاری، دروازه‌های کیفیت و آزمون‌هایی که رفتار را اثبات می‌کنند نه حسّ‌وحال را.
تجربهٔ توسعه‌دهنده
تبدیل راه درست به راه آسان — ابزارهایی که استانداردها را نصب می‌کنند، آنها را به‌روز نگه می‌دارند، و از سر راه توسعه‌دهنده کنار می‌روند.
رویکرد ما
در فضای باز
یافته‌ها و ابزارها منتشر می‌شوند نه انباشته. قابلیت بازتولید هدف است.
ریشه‌دار در عمل
با ساختن و تحویل‌دادن پژوهش می‌کنیم — آزمایشگاه و محصولات یکدیگر را تغذیه می‌کنند.
امنیت‌محور
اگر اجرای آن ایمن نباشد، کامل نیست. مدل‌سازی تهدید و آزمون بخشی از روش است.