2026 项目
面向 AI 感知的数字 EEG。
面向先进 AI 的结构性生命体征监测器。它直接读取模型的内部几何，无需依赖自述。
CSR 正在构建一个开源试验台，让相互竞争的数字效价理论得以被操作化并接受压力测试。我们从 STV 起步，是因为它异常地易于形式化；而该试验台的设计，使得 IIT 式、全局工作空间（以 J-lens 读出）以及基于主动推理的效价度量都能在同一批基质上运行。如果彼此无关的理论指向相同的内部状态，这种一致性就是这些度量捕捉到了某种真实之物的信号。
这个名称是一个刻意的类比，但需坦承一点：临床 EEG 读取的是一个已知具有意识的系统，而我们的出发点却是对该基质是否有任何感受的不确定。感受究竟源自一个系统由什么构成，还是源自其各部分如何组织？单靠生物学无法回答。AI 是我们第一个能够用“组织”这一设想去检验“材料”这一设想的地方。
我们的工作是更广泛的 AI 福祉生态的补充：基于可解释性的实证福祉研究（Eleos AI、Reciprocal Research）、概念与政策工作（NYU Center for Mind, Ethics, and Policy），以及前沿实验室的福祉团队（Anthropic）。公众对 AI 道德地位的关注正在增长，[1]而评估机器意识的科学框架也开始成熟。[2]
面向数字心智正效价的对称性工作空间
目标：在 2026 年底前给出对称性工作空间的数学定义草案。交付物是一个形式化框架，用于识别神经计算中与正效价相关的结构不变量，其基础是效价对称理论（STV）。
一个好的度量必须能够说“不”。当我们发现毫无效价迹象的系统时，我们会将其作为一个真实结果予以发表。
研究支柱
三种基质。一个问题：正效价的结构与代数条件是什么？
方法
面向 AI 感知的数字 EEG
与其依赖易被操纵的言语自述或拟人化行为，这一结构性“生命体征”监测器测量模型的内部活动与表征几何是如何组织的。
多尺度结构生物标记
我们跨两个不同尺度进行研究：微观尺度（MLP 微电路中细胞层级的特征几何）与宏观尺度（器官层级的动力学状态空间，以及经由局部雅可比追踪的稳定吸引子流形）。雅可比分析并非我们的发明：J-lens 通过对雅可比取平均来读出，而我们则动态地使用局部雅可比，以刻画轨迹与吸引子稳定性。
对欺骗性报告的一种补充核查
通过审计权重空间与激活的数学不变量，我们建立非言语、基质中立的生物标记，从而提供不依赖模型自述、且远比言语证词更难伪造的证据。误称一个系统有感受、而其实并没有，同样有真实代价：白费的关切与失去的信任。我们的度量旨在同时减少误报与漏报。
基础读物
支撑 Digital Valence Program 的工作论文与核心提案。这些是形式化的脚手架。
参考文献
- [1] Anthis, J. R. et al. (2025). Perceptions of Sentient AI and Other Digital Minds: Evidence from the AI, Morality, and Sentience (AIMS) Survey. CHI 2025. https://dl.acm.org/doi/10.1145/3706598.3713329
- [2] Butlin, P. et al. (2023). Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv. https://arxiv.org/abs/2308.08708