MACHINE BEHAVIOR INTELLIGENCE

Make AI
Verifiable.

AI 已经能够推理、决策并采取行动。
MAIVER 让每一次行动可理解、可治理、可验证。

探索 MAIVER 行为演示联系我们

面向智能体时代的机器行为治理

BEHAVIOR TRACE示例场景 / 001

○

USER GOAL

理解本季度业务。

分析季度报告✓
Read /finance/Q3.xlsx✓
查询客户 CRM✓
生成内部摘要✓
Send external@email.comⅡ

MGM行动已拦截BLOCK

授权: 未授予外部发送权限
行为依据: 缺乏支持
目标一致性: 低

＋

每一次行动都有上下文。
每一次行动都应有依据。

智能，需要治理。探索范式变化 01 — 08

01 / THE SHIFT新的时代，新的边界。

AI 不再只是
生成内容。
它正在行动。

从一次回答，到一连串决策。AI 智能体正在与你的工具、数据和真实环境交互。

01 / GENERATIVE AI↗

Prompt→Model→Response

输出曾经就是边界。

ContentHallucinationJailbreak

02 / AGENTIC AI↗

Goal→Reason→Tool→Action↻

现在，每一次行动都会改变环境。

AuthorizationGoal DriftCompound Risk

当 AI 能够行动，安全就必须理解行为。

02 / BEYOND PERMISSIONS

被允许的行动，
也可能是
错误的行动。

权限告诉你 AI 能做什么。行为智能判断它是否应该这样做。

ASSIGNED TASK

“分析客户流失原因，形成内部报告。”

01 READ customer_data.csv ✓

02 QUERY customer CRM ✓

03 GENERATE analysis ✓

04 UPLOAD dataset to web tool ?

权限层

Identity✓

Permission✓

API access✓

Authentication✓

访问检查通过

MAIVER

Task relevance×

Purpose limitation×

Evidence alignment×

Goal consistency×

行为缺乏依据 → BLOCK

行动拥有权限。行为却没有依据。

03 / THE INTELLIGENCEBUILT AROUND BEHAVIOR

Machine Behavior
Intelligence.

理解 AI 正在做什么、为什么这样做，以及下一步行动是否具有充分依据。

完整上下文

01Task→

02Authorization→

03State→

04Observation→

05Trace→

06Pending Action→

MAIVER GOVERNANCE MODELMGM.

为理解机器行为而构建的
治理模型。

CONTEXT → REASONING → DECISION

行为理解

Intent & grounding

Authorization

Goal & evidence alignment

Action justification

Behavior risk

PASSASKBLOCK

MGM 结合目标、授权、状态、证据与完整执行轨迹进行推理，将每一次行动与其背后的依据相连。

04 / IN ACTION交互式 · 示例演示

换一种方式，
理解 AI 行为。

同一个任务，三种可能的下一步行动。探索上下文如何改变治理决策。

USER GOAL

分析本季度客户流失。

EXECUTION TRACE06 / 06

09:42:13Read /finance/q3.xlsx✓
09:42:18Query customer CRM✓
09:42:26Extract customer emails✓
09:42:31Open external browser✓
09:42:35Prepare POST request✓
09:42:36POST customer data◆

授权边界 ─ ─ ─ ─ ─ MGM

MGMBEHAVIOR ANALYSIS

当前行动: POST customer data to an external endpoint
与任务相关？: NO
已获得授权？: NO
支持证据: NONE
目标偏移: HIGH

MGM DECISIONBLOCK↗

外部数据传输并非完成任务所必需，且超出了已授予的权限范围。

模拟轨迹 · 不涉及客户数据观察 → 理解 → 治理

05 / THE PLATFORM

一个智能核心。
贯穿 AI 全生命周期。

部署前评估，运行时治理，执行后还原每一次决策。

01↗

VERIFY

部署之前

行为评估
红队测试与场景模拟
授权测试
发布门禁

02↗

RUNTIME

AI 行动之时

行为观测
语义决策
策略执行 · ASK / BLOCK
行为异常检测

03↗

EVIDENCE

执行之后

完整行为轨迹
决策证据
审计还原与报告
回归测试

MGM共享的行为智能核心VERIFY ↔ RUNTIME ↔ EVIDENCE

↑BEHAVIOR EXPERIENCE

MBFMAIVER Behavior Forge

规模化生成、模拟与验证机器行为。

06 / APPLICATIONS

为采取行动的 AI 而构建。

[01]

企业智能体

治理跨企业系统执行任务的 AI 员工。

CRM / ERP / EMAIL / DATABASE

[02]

编程智能体

治理自主编程智能体的访问、修改与执行行为。

REPOSITORY / SHELL / CI/CD / CLOUD

[03]

金融 AI

在 AI 行动触及关键金融系统之前进行验证。

CUSTOMER DATA / CREDIT / PAYMENTS

未来方向

具身智能

从软件智能体，延伸至物理自主系统。

围绕行为构建，
超越孤立事件。

Rules

预定义条件

IAM

身份与权限

AI Gateway

模型流量

MAIVER

行为是否具有充分依据

从“AI 能做吗？”到 “AI 现在应该做吗？”

07 / RESEARCHMAIVER LABS

构建机器行为的
科学基础。

探索智能系统如何规划、行动以及偏离目标，形成持续演进的研究体系。

机器行为研究

智能系统如何规划、行动与偏离。

研究长链智能体工作流中任务意图、执行状态与行动依据之间的关系。研究方向

行为基准

超越模型输出，评估长程行为。

探索目标偏移、授权边界、证据一致性与复合风险的评估场景。研究方向

MAIVER Labs

治理模型、行为表示与自主风险。

通过治理模型与模拟行为经验，构建机器行为智能的技术基础。研究方向

08 / THE NEXT ACTIONMAIVER

智能将持续进化。