中心科研方向为领域大模型的预训练方法、领域模型融合的新范式以及代理式检索增强生成（Agentic RAG）等生成式人工智能（大模型）关键技术。中心汇聚了人工领域的顶尖专家学者，致力于推动大模型的去中心化及民主化应用，构建协作式大模型公共服务平台，赋予企业能够自主可控训练其领域大模型的能力，降低企业应用大模型的算力门槛及技术门槛，解决企业级数据的无法深度融入模型的核心问题。

研究中心依托惠州市的产业基础，聚焦生产制造、物流与新零售、大健康等核心场景，推动大模型在上述核心场景下的垂直应用，加快惠州市优势产业的智能化转型升级。

领域大模型预训练

为解决企业数据在模型预训练阶段无法注入导致大模型无法充分理解领域知识的核心问题，研究极低资源消耗大模型预训练框架，构建去中心化算力依赖的领域专家模型框架，实现领域模型的自适应持续预训练。

模型融合新范式

为充分突破现有同构模型合并的限制，实现异构模型间的高效融合，从而充分利用各模型的差异化能力，推动“模型驱动模型”的新型机器学习范式，打破传统以数据为核心的垄断模式。

演化多智能体系统

聚焦具备自主决策与协同进化能力的智能体体系（Agentic System），研究多智能体在复杂任务环境中的分工、博弈与协作机制。通过引入演化计算思想，实现智能体的持续优化与自适应协同，构建可感知、可学习、可演化的智能生态体系，推动智能体在各类真实场景中的自治应用与长期演化。