探索群体智能的涌现规律，建立可扩展的智能体协作模式，支撑万级智能体的协同作业。

• 动态任务分解与角色分配：研究针对复杂项目需求的拓扑拆解，根据智能体能力画像进行动态分发。
• 通信协议与冲突解决机制：构建轻量化、高鲁棒性的智能体间通信架构，解决指令竞争与逻辑死锁。
• 集群监控与效能评估：开发智能体集群的实时状态监控系统，量化评估协作损耗与任务产出比。

开发具备"视觉直觉"和"空间常识"的下一代智能体，使其在自动驾驶模拟、虚拟制片、工业巡检等领域具备深度感知与决策能力。

• 视觉-文本-动作对齐：研究智能体如何将复杂视觉信息转化为可行动的指令逻辑。
• 空间几何理解与导航：探索智能体在三维环境中的避障、定位及物体操作逻辑，建立精确的空间思维链。
• 动态视频理解与实时交互：针对动态视频流进行关键帧提取与意图预测，实现对现实世界动态的实时反馈。

实现一套在有限算力下（单机多卡环境），仅需少量特定风格视频数据即可完成高质量、无伪影模型定制的微调框架。

• 时空解耦的微调策略：探索哪些层对风格和动作的敏感度更高，研究基于LoRA、DoRA或QLoRA的层级化微调方案。
• 运动模块的轻量化设计：研究如何训练可插拔的运动模块，在不改变底座模型权重的条件下赋予视频特定的运镜或动态规律。
• 低显存环境下的训练优化：针对消费级显卡，研究深度算子融合与梯度检查点技术的应用。

开发一套具备高可控性的视频微调工具链，支持从"随机生成"向"工业级精准创作"的跨越。

• 多源条件约束嵌入：研究如何将草图、深度图、Canny边缘等控制信号融入视频生成过程，保持时序上的空间连续性。
• 长视频生成的时序平滑算法：开发基于流匹配或滑动窗口的平滑控制技术，解决长视频生成中的"崩坏"现象。
• IP-Adapter在视频流中的迁移：探索通过一张参考图实现视频全流程的人物一致性微调。

• 模块化封装技术：制定智能体、技能标准化接入规范，实现能力模块解耦，支持新增模块快速无缝接入平台。
• 可视化流程编排技术：搭建支持拖拽式流程编辑、条件分支、循环逻辑的编排引擎。
• 数字人定制生成技术：基于编排流程自动封装生成专属数字人，支持角色配置、能力权限划分。
• 统一调度管控技术：构建多数字人并发管理、流量分配、任务调度、运行监控的调度中心。

GPUStack是一套用于管理GPU资源构建推理服务后端并对外提供Token服务的开源软件系统。此项研究重点集中于架构、代码及需要增补的功能研究，以及生产环境高可用性部署模式研究与测试。

www.gpustack.ai

研究如何让Coding Agent能够仅凭几行需求就一次性生成整个程序。核心在于如何合理利用上下文窗口，让Agent拿到尽量精简干净的上下文，在200K窗口内严格按照规格生成制成品；大型程序则切分为多个小阶段，每阶段在一个窗口内完成，最终由总体蓝图完成组装。

在完全一致的硬件环境下，将主流开源模型分别部署于vLLM、TGI、TensorRT-LLM、LMDeploy等推理框架，横向对比各框架在不同并发与序列长度场景下的综合表现。

• 构建标准化、可复现的测试基线环境。
• 设计覆盖不同并发数（1/8/32/128）、短/长序列、流式/批量推理等多维度测试场景。
• 实现自动化压测脚本，统一采集TPS、TTFT、P99延迟、显存峰值等核心指标。
• 分析各框架底层机制差异对效能的影响，输出结构化对比报告与可视化图表。

在不修改推理框架代码的前提下，利用eBPF hook内核网络栈，自动测量每个请求从进入节点到离开节点的TCP RTT及重传次数，并关联请求ID（从HTTP header中提取），生成延迟报表。

开发一个轻量级Python/C++工具，能够实时监控vLLM或TGI等推理框架中的KV Cache显存使用情况，包括碎片率、块分配热力图、交换活动等，并提供简单的Web可视化界面。

开发一个sidecar容器或异步服务，从推理网关日志中提取每个请求的prompt长度、生成token数量、实际耗时、模型版本，根据预设定价公式计算成本并汇总到数据库，提供查询API。

• 解析网关日志（JSON格式，含request_id、model_name、prompt_tokens等字段）。
• 设计定价公式配置文件（YAML），支持阶梯定价、折扣码等。
• 将计费记录写入ClickHouse或PostgreSQL，支持按用户、时间、模型聚合。
• 提供gRPC查询接口及简单的Grafana面板。