精選研究
ConTextTab：可感知語意的表格情境式學習器
透過運用 LLM 嵌入，ConTextTab 成功將表格特徵的語意整合至表格式預測，在語意內容豐富的資料表現出色，例如自由文字或敘述性類別。
RELATE：不受綱要限制的多模態關係圖 Perceiver 編碼器
我們導入 RELATE（Relational Encoder for Latent Aggregation of Typed Entities），這是一款不受綱要限制且隨插即用的特徵編碼器，可搭配任意通用型 GNN 使用。
系統內容中的表格資料基礎模型需要情境化
我們提倡採用語意連結表格的基礎模型（FMSLT），以進一步了解結構化企業資料，透過定義企業營運方式的營運邏輯和語意關係，使企業資料表相互連結。識別這些關聯並建立模型，對於掌握企業資料的真正性質相當重要。
開放原始碼企業資料集
我們導入 SALT 和 SALT-KG，這是首個根據實際客戶 ERP 系統建立的企業資料集，將豐富且相互連結的業務表格結合精心編排的知識圖形，從而擷取語意內容，這些資料共同奠定基礎，推動真正了解結構化企業資料的基礎模型。
SAP 簡介
在 SAP Business AI Research，我們扮演學術與產業之間的橋樑，致力於推進新一代 AI 系統。我們的研究透過整合先進的 AI 技術與領域特定的挑戰，因應現實世界企業環境的複雜問題。我們專注於兩個主要研究方向，確保我們的模型不僅強大，而且具有實用性、可信賴且可擴展。
研究領域
方向 A：結構 - 感知基礎模型
我們開發的基礎模型可推理複雜且連結的業務資料，包括表格、時間序列和圖形。透過整合結構感知、多模態輸入和因果推理，我們的模型可支援分析、預測和決策的進階商業 AI。
表格表示法學習
透過表格原生和語言型模型來學習表格式資料表示法，整合業務資料以供進階推理。
圖形神經網路
使用圖形神經網路建立關聯式表格型資料的模型，在企業 AI 中提供準確的預測和深入洞察。
商業知識圖表
建立企業知識圖表，以便針對各種商業資料進行情境感知的精確查詢。
代理式 AI（agentic AI）
在企業系統中建立可靠、目標導向的自動化自我改善 Agent。
程式碼撰寫 LLM（ABAP）
透過特定領域的 ABAP 基礎模型來強化企業軟體開發，提供智慧程式碼撰寫協助。
方向 B：值得信賴的 AI
我們的研究開發出強大、公平、透明且符合人類價值的 AI 系統，這對實際的企業運用而言至關重要。我們專注於穩健性、可解釋性、公平、隱私權，以及與領域特定限制的一致性，以確保提供可靠且負責任的 AI 部署。
差分隱私
我們開發高效的深度學習模式，節約資源並保護隱私。
資料機密性
我們透過稽核和攻擊測試來保護結構化資料和驗證隱私權，確保資料機密性。
模型保護
使用神經嵌入和注意力機制分析文字中的情緒。
安全性測試
透過可解釋的預測增強模型透明度。
人工對齊
使用 NLP 和電腦視覺擷取文件的資料。
人才招募