研究

技術こそが、プロダクト。

私たちはまず研究ラボです。新しいモデル技術を発明し、それを事業化する。産業は実証の場であって、目的ではありません。これがそのアジェンダです。

発明

統合されたとき「リビングモデル」を生む、4つの能力。

01

継続学習

運用の中でモデルを改善し続ける手法 —— 再学習サイクルなしに、また過去の能力を破滅的に忘れることなく、実際の結果から更新します。それを安全にする評価規律もまた、学習そのものと同じだけの仕事です。
02

ストリーミング／ライブモデル

連続するデータストリームを取り込み、リアルタイムに行動する常時稼働モデル。仕事の単位はリクエストと応答ではなく、途切れなく観測し、行動し続ける環境そのものです。
03

再帰型言語モデル（RLM）

持続的な再帰状態による、無限の記憶と真に長期的なタスク —— 固定のコンテキストウィンドウを読み直すのではなく、プロセスの全履歴を持ち運びます。
04

エージェント型システム

要所での人間の承認を挟みつつ、基盤となるソフトウェアを端から端まで動かす、自律的な複数ステップの行動。エージェントが業務を所有し、人はエージェントを管理します。

統合されたそれが、リビングモデルです。持続的な記憶、継続的な学習、リアルタイムのストリーミング、自律的な行動 —— 24時間365日動き続け、動かすほどに賢くなる、ひとつの存在。

顧客の承認済みの成果を、本番規模でモデルの改善へと変える応用研究のトラック。

承認済みの成果から顧客固有のアダプターを逐次更新しつつ、過去の能力を忘れない —— すべての改善を出荷前に検証する自動回帰テストの仕組みとともに。

エージェントが完了した複数ステップの仕事から再利用可能な手順を合成し、登録前に検証します。手続き的パターンは顧客間で一般化し、顧客データは決して越境しません。

承認・却下・修正という承認ワークフローそのものが学習信号です。各顧客の作法とリスク許容度に合わせ、確信度の低い仕事は独断せず人へ差し戻します。

私たちはデュアルトラックで進みます。汎用フレームワークはオープンソース化し —— 普及のため、そしてMLコミュニティにおける信頼のために。エンタープライズ向けのエージェント、オーケストレーション、独自スキルは商用ライセンスの内側に置きます。

技術記事と選び抜いたオープンソース貢献を、抑制された頻度で。能力を示し、難しい問題に取り組みたい人を惹きつけるには十分に、しかし積み上がる優位を手放すことなく。

ビジネスが先、ラボはエンジン。

ラボは堀ですが、それを支えるのは今日顧客が買うものです。私たちはまず動く実装から入り、最先端の研究がそれを深める —— 逆ではありません。

連続するストリーム、本物のドリフト、重みのある意思決定。その中で動くリビングモデルをお持ちします。最初の取り組みは、ひとつの業務に絞った有償パイロットから。