Chương trình Nghiên cứu FAOS

Nghiên cứu, công khai.

Bài báo, mã nguồn, và phương pháp từ Chương trình Nghiên cứu FAOS — công trình ứng dụng về AI doanh nghiệp neurosymbolic, kiểm chứng agent, thiết kế ontology, và context engineering. Xây dựng công khai. Triển khai nơi cần đến.

Xem các bài báo Kho GitHub Đăng ký nhận tin

Bài báo và bản thảo

Công trình đạt chuẩn peer-grade, mã nguồn mở, và trạng thái minh bạch. Bài đã đăng dẫn tới arXiv; các bài còn lại hiển thị trạng thái hiện tại và mã tái tạo trong khi hoàn tất phản biện.

RA-1arXiv

Lựa chọn Chiến lược Phối hợp Động

Thanh Luong Tuan

Khi nào hệ đa agent doanh nghiệp nên dùng đồng thuận, tranh luận, tổng hợp, hay chỉ một agent? Trên ma trận cố định 1.440 đầu ra trải sáu ngành và bốn họ mô hình, câu trả lời là định tuyến chiến lược phối hợp theo lớp bài toán như một mặc định đã hiệu chỉnh — định tuyến gần-tối-ưu đúng trong mọi nhánh mô hình, ngay cả khi quy tắc chọn người-thắng-tuyệt-đối không đúng.

Đọc trên arXiv Mã nguồn trên GitHub

Trích dẫn (BibTeX)

@article{luong2026coordination,
  title = {Dynamic Coordination Strategy Selection for Enterprise Multi-Agent Systems},
  author = {Luong Tuan, Thanh},
  year = {2026},
  journal = {arXiv preprint},
  eprint = {2606.00804},
  archivePrefix = {arXiv},
  note = {FAOS Research Programme, RA-1}
}

RA-3arXiv

AI doanh nghiệp Neurosymbolic

Thanh Luong Tuan, Abhijit Sanyal

Một kiến trúc grounded cho agent doanh nghiệp, kết hợp ontology biểu tượng với suy luận neural — thu hẹp khoảng cách độ chính xác giữa hệ thống chỉ dùng LLM và pipeline dựa trên luật, mà không hy sinh độ linh hoạt.

Đọc trên arXiv Mã nguồn trên GitHub

Trích dẫn (BibTeX)

@article{luong2026neurosymbolic,
  title = {Neurosymbolic Enterprise AI},
  author = {Luong Tuan, Thanh and Sanyal, Abhijit},
  year = {2026},
  journal = {arXiv preprint},
  eprint = {2604.00555},
  archivePrefix = {arXiv},
  note = {FAOS Research Programme, RA-3}
}

RA-4Sẵn sàng arXiv

Giới hạn thực nghiệm của Ontological Context

Thanh Luong Tuan

Nghiên cứu cross-model đã pre-register về ontological context trong agent doanh nghiệp. Lý thuyết context-efficiency phổ quát không đứng vững; phần còn lại hữu dụng hơn: hiệu chỉnh theo mô hình-ngành, độ nhạy độ dài trong bảo hiểm, kiểm toán framing, và kỷ luật ngân sách context thay vì nhồi thêm context.

Xem trạng thái Mã nguồn trên GitHub

Trích dẫn (BibTeX)

@article{luong2026empiricalbounds,
  title = {Empirical Bounds of Ontological Context: A Pre-Registered Cross-Model Study of Length, Framing, and Domain Effects in Enterprise LLM Agents},
  author = {Luong Tuan, Thanh},
  year = {2026},
  journal = {Preprint pending arXiv submission},
  note = {FAOS Research Programme, RA-4. arXiv v1.0 source package prepared; public repository artifacts post at canonical arXiv release.}
}

RA-6Đang phản biện

Đảm bảo Trước Triển khai cho Agent AI Doanh nghiệp

Thanh Luong Tuan, Abhijit Sanyal

Khung kiểm chứng trước-triển-khai cho agent doanh nghiệp — một operational envelope mà agent được chứng nhận hoạt động bên trong, kịch bản kiểm thử được sinh tự động từ ontology ngành, và một trust certificate có thể kiểm chứng bằng máy (machine-verifiable) gắn phiên bản agent với bằng chứng kiểm định của nó.

Xem trạng thái Mã nguồn trên GitHub

Trích dẫn (BibTeX)

@article{luong2026verification,
  title = {Toward Pre-Deployment Assurance for Enterprise AI Agents: Ontology-Grounded Simulation and Trust Certification},
  author = {Luong Tuan, Thanh and Sanyal, Abhijit},
  year = {2026},
  journal = {Submitted to MDPI Computers (in review)},
  note = {FAOS Research Programme, RA-6. Under peer review; arXiv preprint posts at release.}
}

RA-12Sẵn sàng arXiv

Thiết kế Ontology dẫn dắt bởi Entropy

Thanh Luong Tuan, Abhijit Sanyal

Phương pháp thiết kế ontology dự đoán giá trị grounding trước khi chạy bất kỳ thí nghiệm agent nào — entropy cấu trúc (structural entropy) của ontology, đo tại thời điểm thiết kế, dự đoán hiệu năng agent ở mức Spearman r = 0.811 trên mười lăm cấu hình ngành-mô hình. Tầng tương tác (interaction layer) chiếm phần lớn sức dự đoán.

Xem trạng thái Mã nguồn trên GitHub

Trích dẫn (BibTeX)

@article{luong2026entropy,
  title = {Entropy-Guided Ontology Design},
  author = {Luong Tuan, Thanh and Sanyal, Abhijit},
  year = {2026},
  journal = {Preprint pending arXiv submission},
  note = {FAOS Research Programme, RA-12. Citation audit available at \url{https://github.com/frank-luongt/faos-research/tree/main/RA-12}; paper PDF posts at arXiv submission.}
}

Đang trong roadmap

Các track đang chạy. Mốc thời gian là dự kiến và có thể thay đổi theo tiến độ kiểm chứng.

RA-15Sẵn sàng đăng

Điều phối dẫn dắt bởi Contextuality

Bài phương pháp kết quả-phủ định · sẵn sàng arXiv, sắp đăng

RA-11Chưa xác định

Quantum-Inspired Context Engineering

v1.0 · kết quả hậu-thực-nghiệm, thời điểm arXiv đang cân nhắc

Bài tiếp theo đang được chuẩn bị

Sẽ công bố khi sẵn sàng.

Chương trình Nghiên cứu FAOS

FAOS được xây dựng theo mô hình Customer Zero — một người sáng lập, năm mươi agent, hai mươi lăm ngành — và chương trình nghiên cứu chạy trên cùng hạ tầng mà chúng tôi triển khai cho khách hàng. Mỗi bài báo đều có phần triển khai hoạt động được. Mỗi phương pháp đều được kiểm chứng trên workload doanh nghiệp thực tế trước khi xuất hiện ở đây.

Chương trình gồm bốn nhánh: AI doanh nghiệp neurosymbolic, mô phỏng và kiểm chứng agent, thiết kế ontology và context engineering, phối hợp đa agent. Bài báo được viết cho người triển khai cần ứng dụng — không chỉ cho reviewer cần đánh giá.

Lý do chúng tôi làm theo cách này nằm trong tuyên ngôn. Tóm tắt: hệ thống học từ mọi engagement sẽ tích lũy [compound]. Công cụ thì không — chúng sẽ bị thương phẩm hóa.

Muốn ứng dụng công trình này?

Phần lớn những gì chúng tôi công bố được triển khai trong FAOS trước tiên. Đặt buổi workshop để xem nó áp dụng cho doanh nghiệp của bạn như thế nào.

Đặt buổi workshop