当模型需要跨越更长时间、处理更新的证据、完成更复杂的工作，既有数据往往不够。Axis Edge 从这些能力缺口出发，与头部模型团队技术人员持续交流，自研任务环境、参考成果与验证方法。
查看 Lifelong 自研样本记忆 × 推理 × 可验证执行
研发进入交付之前
公开评测、技术交流和项目反馈共同定义研究问题；专家与工程团队共同决定它能否成为有价值的数据。
前沿对标与持续交流
关注模型失败模式、任务环境和评测方法，与头部模型团队技术人员持续沟通，识别既有数据没有覆盖的能力需求。
原创任务与参考构建
围绕能力缺口设计材料、角色与信息边界；专家编写参考成果，工程团队把验收要求落到可执行的检查。
试验、复核与版本迭代
检查任务是否可解、答案是否有依据、评分是否能区分错误；保留失败归因与版本记录，再决定扩展范围。
Lifelong EP001
跨越 90 天的持续时序，让模型面对信息更新、角色边界和历史证据。
EP001 · 虚构化并购研究场景 · 规模数据来自公司研究资料。
一个可追踪的任务世界
13 名参与者，4 个工作群与 4 组私聊，共同构成持续变化的项目背景。8 类任务、363 道评测题均附答案与证据字段；按题配置数值容差或语义判据。
评测信息边界，而非只记住答案
提问时点限制可用历史，角色权限限制可见材料；版本更新要求模型修正已有判断。参考答案需要说明依据、变更和证据位置。
示例来源：management_statement_v2.csv
在这个时点，这个角色能知道什么？
切换证据版本与角色，先确定可访问的信息，再核验答案。
用两个版本与两类角色演示边界逻辑，并非完整 EP001 数据集回放。
标的 A · 2024 财年收入
未经审计的管理层报表。先前估计为 20,654.64 万元，本版本已更新。
修订差额：−663.30 万元人民币
让智能体之间的协作， 成为可研究的数据。
一个智能体的正确答案，不保证多个智能体能完成同一件事。我们将任务委派、信息边界、证据交接和异常恢复组织成可检查的协作轨迹。
本页样例的设计范围
任务轨迹
1 / 4交接验收
A2A-001复核代理要求 v2 证据包。更换收到的版本，检查交接是否满足任务约定。
- 任务上下文
- ctx-demo-001
- 交付产物
- evidence_pack.json
- 预期版本
- v2
任务契约
记录目标、角色、输入约束与完成条件，让委派任务可以被另一智能体正确接手。
交接证据
把来源、版本、任务标识与交付产物一起保留，研究多次转交后信息是否仍然可靠。
异常恢复
构造超时、重复响应、缺少输入和版本冲突，检查系统能否澄清、重试或安全停止。
端到端验收
分别检查局部产物质量、协作过程与最终目标，避免把一次成功调用当成整个任务成功。
我们关注的公开研究方向
研究公开任务的设计与验证方法，将观察到的能力缺口转化为自有研究材料。
关注动态状态、工作流知识和环境特定假设如何在长历史中保留并被检索。
关注科学任务的环境、执行产物与可复现验证。
关注领域知识如何转化为程序，以及如何用科学约束和数值测试验证结果。