研究（Research）
探索认知增强与通用人工智能的基础计算框架
开普勒·家研究院致力于通过计算建模，揭示人类认知在加速信息输入下的边界与动力学机制，并为AGI的分级与评估提供可测试的评估框架。
认知增强的计算框架
本研究提出了一个可证伪的计算框架，其中认知负荷被建模为一个有界累积过程。在低输入速度下，错误率近似线性增长；超过过载阈值后，工作记忆溢出会引发幂律转变。该框架为安全认知增强和基于BCI的认知调控提供了可测试的边界。
人机对齐与BCI调控
基于上述动力学模型，研究进一步提出了两个下游应用方向：人机结构化知识转移（基于功能对齐，拒绝几何同构假设）与基于BCI的闭环认知负荷调控。这些应用旨在通过实时神经监测，动态调整信息输入速度，实现安全的认知增强。
已发表论文
Artificial General Intelligence (AGI) A1–A5 Grading Standard
Lelin Guo | arXiv / Zenodo | 2026· 即将上线
A Testable Computational Framework for Cognitive Enhancement
Lelin Guo | arXiv / Zenodo | 2026· 即将上线
通用人工智能（AGI）A1—A5分级标准
郭乐林 | Zenodo | 2026· 即将上线
可测试的认知增强计算框架
郭乐林 | Zenodo | 2026· 即将上线