联合研究与方法探索
我们关注社交智能后训练、人格与情境建模、长期互动、流式视频生成、多模态控制和评测方法等方向。适合的合作可以从一个明确问题开始，形成双方能够复核的研究假设、实验条件与阶段性结果。
研究提议可以说明已有方法的局限、计划验证的机制、所需数据或资源，以及如何判断结果。相比只有一个宏观目标的提案，我们更重视问题边界、技术依据和可执行的实验设计。
推理效率与实时系统
实时体验需要模型与系统共同优化。我们关注生成加速、缓存与调度、流式传输、多 GPU 协同、压缩与部署，以及在有限资源下维护画质和行为稳定性的方法。
工程合作应共同定义硬件配置、输入分布、延迟口径、并发和质量门槛。阶段成果需要包含可复现的基线和对照，帮助区分算法收益、配置变化与基础设施差异。
数据、评测与人类反馈
高质量的交互研究离不开真实而多样的语言、情境和评价。我们关注适合多轮对话的数据组织、清洗与标注，以及能够揭示模型差异的评测设计。
数据合作应先明确来源、授权、个人信息处理方式与使用范围。对于需要人类反馈的工作，还应说明评价者的任务、知情安排、质量控制与结果使用方式，避免将无法核实权利的数据引入流程。
场景与创作合作
AI 伙伴、实时虚拟角色、游戏与互动叙事、影视和内容创作，都可能为理解与生成能力提供具体的应用环境。我们希望与场景团队共同发现哪些体验真正需要连续交互，以及哪些环节需要人为创作和监督。
概念验证可以从范围有限的体验切入，明确参与人群、内容权利、使用条件和停止标准。涉及真人声音、形象、未成年人或重要决策的项目，需要在开始前进行额外评估。
合作如何推进
一个清晰的合作说明，应包含希望解决的问题、已有工作、拟议分工、所需资源与期望交付物。进入实质阶段前，双方需要确定保密范围、数据使用、知识产权归属、成果署名与对外发布安排。
我们倾向于用分阶段的目标管理不确定性。首先验证关键假设，再决定是否扩大实验或进入产品集成。每个阶段都应允许对目标、成本和风险作出重新判断。
- 问题与场景。说明服务对象、当前限制和希望改变的体验。
- 证据与方法。提供相关工作、原型、基线或可复现结果。
- 资源与边界。说明数据授权、硬件需求、人员分工和约束。
- 成果与评价。约定交付形式、成功标准以及公开范围。
联系与材料准备
合作咨询应通过壹零 Labs 正式公布的渠道提交。首次介绍可以使用非保密摘要，概述团队背景、问题与方案，以及可以公开的验证结果。通信地址和受理方式将在确认后补充到本页。
在双方建立明确的保密与数据处理安排前，请勿提交商业机密、未公开的个人信息、账号凭证或者缺少授权的数据。官网介绍本身不构成合作确认、采购承诺或成果授权。