S.Y.S.
Приватная память AI для поиска и работы со знаниями с опорой на источники.
Стадия: Ограниченные производственные внедрения
Открыть модульЛабораторный кампус
Лаборатории Bennu Labs
Bennu Labs устроена как лабораторный кампус: разработка модулей, исследования, контроль качества и ML-эксперименты работают рядом, но у каждого направления своя роль.
Лаборатория разработки
Здесь собираются прикладные модули Bennu Labs: S.Y.S., Iskra, ASA, ANTI-GAD, Intake и AI-Mama.
Iskra
Самостоятельная система рабочих AI-процессов: выполнение задач и работа со знаниями под контролем оператора.
Стадия: Рабочая self-hosted платформа; внешняя поставка с ограничениями
Открыть модульASA
Контролируемый доступ к ресурсам: локальные файловые операции и ограниченная read-only обработка почты.
Стадия: Controlled live VM runtime / production-readiness candidate
Открыть модульANTI-GAD
Ограниченный путь checkout-to-access с обязательной проверкой конкретной интеграции.
Стадия: Ограниченная интеграция
Открыть модульIntake — в разработке
Переносимый модуль коммуникации с уже реализованным ядром анкет; полноценная многоканальная поставка пока разрабатывается.
Стадия: В разработке — реализовано ядро анкет и хранения
Открыть модульAI-Mama — в разработке
Протестированная детерминированная основа оркестрации и FACC; промышленный runtime разрабатывается.
Стадия: Архитектура / канон / в разработке
Открыть модульИсследовательская лаборатория
Здесь исследуются память, цифровая непрерывность, агентная инфраструктура и симуляционные среды.
Digital Copy Engine
Исследование механизмов цифровой непрерывности, контекста, памяти и устойчивости цифровой личности.
Открыть направлениеMemory / Identity Continuity
Как архивы, retrieval, evidence packets и private memory становятся основой непрерывности.
Открыть S.Y.S.Agent Infrastructure
Роли, память, границы, доступы и долгосрочная работа ИИ-агентов.
Открыть ASAЛаборатория качества
Это направление отвечает за truth-first описания, readiness, тесты, границы заявлений и принцип no fake passes.
Quality Control
Проверка поведения ИИ-систем, устойчивости маршрутов и качества пользовательского результата.
⋯Claims / Truth
Никаких fake passes, завышенной зрелости и публичных обещаний без подтверждения.
Readiness / Release Gates
Стадии зрелости, beta readiness, production blockers и честная карта готовности.
⋯Evaluation / Testing
Benchmarks, smoke checks, route checks, import checks и evidence-based проверка.
⋯Лаборатория машинного обучения
ML-направление охватывает обучение моделей, ИИ-persona stability, экспериментальное обучение и оценку устойчивости цифровых сущностей.
Model Training
Классические и экспериментальные workflow обучения, настройки и оценки моделей.
ИИ Personas / Sparks
Устойчивость персон, память, ролевые границы и identity continuity для ИИ-сущностей.
Affective Embeddings
Экспериментальное направление для представления эмоциональных и контекстных сигналов.
ИИ-to-ИИ Learning
Исследование сценариев, где один ИИ помогает обучать, проверять или стабилизировать другой ИИ.