理解基準測試以外的 AI 表現。

HephaKnot 是應用 AI 研究實驗室。我們在真實使用條件下測試模型、檢查背後的資料，並為每項結果保留證據。

我們關注的事

模型可以通過基準測試。現實世界卻不斷改變。

天氣改變、樣本缺漏、從未見過的文件。我們研究資料與使用條件的變化如何影響模型行為，以及甚麼證據能幫助我們理解模型的局限。

我們的方法

實驗

界定 · 比較 · 檢視

實驗室筆記

記錄觀察、分析與閱讀，持續探索 AI 評估方法。

專家觀點2026年6月12日

Stanford HAI AI Index 是掌握 AI 能力、採用、投資、政策與治理趨勢的重要研究參考。

閱讀筆記 · AI 治理

業界動態2026年6月10日

European Commission 的 AI Act 政策樞紐，是企業規劃風險分級、AI 義務與治理責任時的重要官方參考。

閱讀筆記 · AI 治理

專家觀點2026年6月6日

MIT AI Risk Repository 協助治理團隊把 AI 風險分門別類，方便用於風險登記冊、控制措施與管理層審查。

閱讀筆記 · AI 風險管理

Knotest

Knotest 將模型測試、資料檢查及相關證據整合在同一工作空間。