专题研究
系统环境中表格数据的基础模型需要进行基础训练
我们提出了面向语义关联表的基础模型 (FMSLT)，以增进对结构化企业数据的理解。企业数据表通过运营逻辑和语义关系相互关联，这些逻辑和关系定义了业务的运作方式。识别并对这些关联进行建模，对于把握企业数据的真实本质至关重要。
ConTextTab：一个语义感知的表格上下文学习器。NeurIPS 2025 (Spotlight)
通过利用 LLM 嵌入，ConTextTab 成功地将表格特征的语义融入到表格预测中，在语义内容丰富的数据（如自由文本或描述性类别）上表现出色。
RELATE：一种面向多模态关系图的无架构感知编码器
我们推出了 RELATE（用于类型化实体潜在聚合的关系编码器），这是一个与模式无关、即插即用的特征编码器，可以与任何通用 GNN 一起使用。
开源企业数据集
我们推出 SALT 和 SALT-KG，这是首批基于真实客户企业资源规划 (ERP) 系统构建的企业数据集。它们将丰富且相互关联的业务表格与经过精心整理、用于捕获语义上下文的知识图谱相结合。它们共同为推进真正理解结构化企业数据的基础模型奠定了基础。
关于我们
在 SAP Business AI Research，我们在学术界与产业界之间架起桥梁，致力于推动下一代 AI 系统的发展。我们的研究将前沿 AI 技术与特定领域的挑战相结合，致力于解决现实企业环境中的复杂问题。我们专注于两大主要研究方向，以确保我们的模型不仅功能强大，而且实用、值得信赖且可扩展。
研究领域
领域 A：结构感知型基础模型
我们开发基础模型，用于对复杂的、关联的业务数据（包括表格、时间序列和图表）进行推理。通过融合结构感知、多模态输入和因果推理，我们的模型赋能先进的商业 AI，助力开展分析、预测和决策。
表格表示学习
通过表格原生模型和基于语言的模型学习表格数据表示，整合业务数据以实现高级推理。
图神经网络
利用图神经网络对关系表格数据进行建模，从而在企业 AI 中实现准确的预测和更深入的洞察。
业务知识图谱
构建企业知识图谱，以实现跨各种业务数据的精确、上下文感知的查询。
智能体 AI
为企业系统构建可自我改进的智能体，以实现可靠的、目标驱动的自动化。
编码 LLM (ABAP)
借助特定领域的 ABAP 基础模型提供智能编码协助，赋能企业软件开发。
领域 B：值得信赖的 AI
我们的研究致力于开发稳健、公平、透明且符合人类价值观的 AI 系统，这对于现实世界的企业应用至关重要。我们注重稳健性、可解释性、公平性、隐私性以及与特定领域约束的一致性，以确保可靠和负责任的 AI 部署。
差分隐私
我们开发高效的深度学习模型，能够节省资源并保护隐私。
数据机密性
我们通过保护结构化数据并通过审计和攻击验证隐私来确保数据机密性。
模型保护
利用神经嵌入和注意力机制分析文本中的情感。
安全测试
通过使预测结果可解释来提高模型透明度。
人机协调
利用自然语言处理 (NLP) 和计算机视觉技术从文档中提取数据。
职业生涯
加入我们，共创商业 AI 的未来
利用丰富的数据集，与我们的全球研究合作伙伴网络紧密协作，针对现实问题寻找基于机器学习的解决方案。
博士实习计划
作为博士实习生，您将与一支经验丰富的研究人员和应用科学家团队合作，应对在 SAP 广泛的业务软件产品组合内外扩展 Al 方法所带来的挑战。您将有机会使用世界上一些最丰富的数据集，解决对我们的客户产生影响的问题。