Conduit
Conduit
Conduit 是一个以非侵入式 thought-to-text 为产品方向的神经技术公司品牌节点。官网把当前目标描述为：参与者佩戴头戴设备，在打字或说话任务中提供与文本、音频时间对齐的神经数据，模型再预测语义上相近的文本。当前公开材料不足以核验其法律主体。
数据与模型路线
- Conduit 团队 2025-12-07 的文章称，公司在六个月内从数千名独立参与者采集约一万小时 neuro-language 数据。参与者与语言模型进行自由对话，任务包括听说或读写，单次记录生成多模态神经数据及其文本/音频时间对齐。
- 团队称其组合多家供应商的传感器，自制多模态训练头戴设备，并最终用 Zarr 3 统一训练、推理和在线质检的数据格式。文章没有完整披露具体模态组合或设备配置；EEG 只是公开举例，不应据此把整套数据写成纯 EEG。
- 公司文章展示了对新参与者的 zero-shot 示例，也称语义预测随数据规模呈 scaling-law 趋势。这些结果尚无完整公开数据、代码、模型或独立复现。
- thought-to-text 的任务定义是预测与参与者表达在语义上相近的文本。它不同于逐字转录，也不等于读取通用意图、私密思想或主观体验。
人物与组织关系
- Naomi Bashkansky 在个人文章中称，自己于 2026-07-23 离开 OpenAI，次日加入 Conduit 任 Founding Researcher；她把 Rio Popper 与 Clem von Stengel称为联合创始人。这些任职与创始关系目前来自 Naomi 本人的第一方陈述。
- Conduit 公司页只连接人物角色；Naomi 的教育和前雇主关系由人物页承载，不生成 Conduit 与其履历机构的直接图谱边。
证据边界
- 约一万小时、数千名参与者、“全球最大”、zero-shot 示例和 scaling-law 趋势均为公司第一方声明，尚未独立验证。
- 官网的 “mind-reading” 或 “telepathy” 是产品叙事，不应替代可复现的任务定义、误差分布、跨人泛化、校准与拒答测试。
- 现有材料不能证明系统达到临床有效性，也不能证明其数据改善机器人动作分类或策略学习。
- 参与者同意、敏感神经数据用途、保留期限、撤回与下游模型治理仍需更完整的公开说明。
相关页面
证据
- 原始资料快照（本地归档）
- 原始资料快照（本地归档）
- Conduit 官网
- Conduit：10,000 小时 neuro-language 数据
- Naomi Bashkansky：Why I’m leaving OpenAI to build telepathy