研究重點
五大領域聯動，一個完整學研計劃
作為香港企業知識管理領域的先導研究機構之一，我們的研究範疇從機器如何檢索知識，擴展至知識結構化、執行行動、內容生成及系統治理。 每個領域環環相扣，所有成果均經過真實企業數據驗證，並由一支有遠見的團隊帶領，關注深度學習與 AI 對社會的重要性與影響。
檢索增強生成 (RAG)
大型語言模型雖然口齒伶俐，卻容易產生幻覺：它們熟悉公開網絡資訊，卻不了解 貴機構的內部知識。RAG 將模型答案與企業自身的數據掛鉤，確保回應準確、及時且具參考來源，這是建立可信企業問答、搜尋及助手系統的基石。
我們的研究涵蓋整個流程：針對中英雙語語料庫的文件分塊（chunking）與嵌入（embedding）策略、混合稠密與關鍵字檢索、重排（re-ranking）以及引用忠實度。我們特別重視評估工作：開發能衡量忠實度與答案完整度，而非僅僅是流暢度的測試框架。
當前主題： 雙語檢索質量 · 長文本處理策略 · 檢索評估基準 · 減少幻覺現象
企業知識圖譜
大多數機構知識都困於非結構化內容中：合約、報告、郵件及 Wiki。知識圖譜能從中提取實體與關係，並將其連接成可導覽的結構，揭示誰曾參與哪些工作、產品與供應商的依賴關係，以及決策如何追溯至證據。
我們研究利用 LLM 進行自動化圖譜構建、結合結構化與語義搜尋的圖譜增強檢索（GraphRAG），以及更具挑戰性的營運問題：如何在機構、人員及產品變動時，保持圖譜內容的實時更新。
當前主題： 基於 LLM 的實體及關係提取 · GraphRAG 架構 · 圖譜維護與版本控制 · 商業領域本體設計
智能 Agent 系統
檢索之上的更高層次是行動：AI Agent 能夠策劃多步驟工作、調用工具、查詢系統並生成產出，如研究備忘錄、報告及流程運行。工程上的挑戰在於可靠性，而組織上的挑戰則在於監控與控制。
我們的工作涵蓋任務分解、工具使用的穩健性、多 Agent 協作，以及「人機協作」檢查點，讓企業在委派實際工作流的同時，無需放棄監管權。我們在真實企業任務而非虛擬謎題上基準測試 Agent 的行為。
當前主題： Agent 可靠性度量 · 工具與 MCP 集成模式 · 審批與升級機制設計 · Agent 工作流經濟效益
多模態與生成式 AI
企業知識不限於文本。我們研究涵蓋文字、圖像及影片的生成式模型商業應用，從技術文檔、營銷素材，到用於產品設計與溝通的完整 AIGC 生產流水線。
我們追求實用性的問題：如何保持生成的內容與品牌形象及事實源材料一致、如何追蹤來源並遵守新興的披露規則，以及大規模生成如何改變內容營運的經濟模式。
當前主題： 影片生成流水線 · 品牌一致性生成 · 內容來源追蹤與水印 · AIGC 工作流設計
負責任的 AI 與治理
若缺乏治理，上述任何技術都無法在嚴肅的企業環境中投產。我們開發適用於受監管雙語商業環境的 AI 部署框架：包括香港《個人資料（私隱）條例》（PDPO）下的數據私隱、跨境數據規則、模型風險評估、AI 輔助決策的可稽核性，以及應對影響全球營運企業的國際 AI 監管趨勢。
這一領域橫跨我們每一個研究項目：將治理設計融入起步階段，而非在事故發生後才補救。
當前主題： 中小企與企業 AI 風險評估 · Agent 系統審計追蹤 · 監管發展掃瞄 · 雙語政策文檔