研究框架

SRI 的研究框架是一套工作体系，旨在将宏大的构想逐步转化为结论，经过提问、证据、模型、原型、评估及社会化落地等阶段。即使跨越多个领域，我们也强调不应迷失于“已确认的事实”、“推论”与“未经验证的假设”之间的界限。

为什么需要框架

AI 可以在短时间内关联海量信息。然而，能够生成看似合理的解释并不等同于主张是正确的。此外，优化单一评估指标可能会导致未被衡量的价值或少数视角的缺失。

SRI 通过将从观测到发布的流程进行分离，并在每个阶段设置核查点，从而在避免过早下结论的同时稳步推进。

六个研究阶段

1. Observation｜观测

收集现象、论文、统计数据、法律制度、新闻报道、当事人经验及系统日志。记录来源、获取时间、范围、缺失情况及观测条件，并将“信息的存在”与“内容的正确性”区分开来。

2. Representation｜表征

将其转换为适合问题的形式，如文字、公式、图表、数据结构、地图或模拟。任何表达方式都会强调现实的一部分并舍弃另一部分。因此，我们不会仅凭单一的图表或指标来代表整体。

3. Selection｜选择

明确采用哪些假设、变量、边界、时间尺度和评估标准。同时记录未采用的方案及其理由，以确保后续的其他观测者能够重新审视判断过程。

4. Experiment｜实验与验证

从小规模计算、反例测试、原型开发及对比实验开始。AI 的输出仅作为验证对象，而非证据本身。需确认复现条件与失败条件。

5. Governance｜安全性与责任

设计决策者、受影响者以及中止权限的归属。在医疗、法律、公共政策、金融等需要高度谨慎的领域，以专家审核、权限控制、审计日志及使用范围限制为前提。

6. Publication｜发布与更新

将研究成果转化为研究笔记、预印本、实施文档及面向公众的解说。发布后需管理版本、更正、撤回及更新理由，不将结论固化。

区分四种类型的描述

Fact	一手资料、观测、可重新验证的数据
Inference	从事实中得出的解释。可能存在其他解释。
Hypothesis	未来待验证的对象。目前尚未确认。
Creation	探索可能性的叙事、比喻及未来构想。

Non-closure｜非闭合设计

我们并非永远保留判断，而是同时持有执行时的临时结论与可重新审视的空间。通过保存未选中的方案、少数意见以及模型之外的残差，确保在情况发生变化时能够回归并重新评估。

向实现的转化

研究成果将转化为知识数据库、决策支持系统、AI Agent、教育教材、公共数据可视化及可审计的工作流。我们的原则是：绝不因追求实现的便捷性而掩盖不确定性或社会风险。