从物理学到电气工程的跨领域背景，让Edoardo能够从更底层的角度理解AI系统。完成普林斯顿电气与计算机工程硕士学位后，他直接加入 @SentientAGI ，参与了从OML 1.0到Open Deep Search的多个核心研究项目。 最新的指纹稳定性研究特别值得关注。 传统的模型保护机制很容易被微调、蒸馏或模型合并等技术绕过。Edoardo的工作重点是让指纹嵌入变得既不可见又不可移除，在不影响模型性能的前提下实现真正的所有权验证。 这种技术有效支撑了Sentient的OML框架从“能发布开源模型”推进到“能对协作形成结算闭环”。 1️⃣验证：在推理或提交检查点时，轻量验证器对输出分布与内部激活进行采样检测，基于指纹承诺判定模型身份，不需要访问原始训练数据。 2️⃣追踪：当模型被下游团队微调或蒸馏，指纹沿谱保持可检测，使祖先系谱能被重建，这让贡献图谱成为可计算对象。 3️⃣激励：在贡献图谱之上，OML可将使用与增益按边权进行收益分摊。指纹把贡献变成可验证事实。 当模型能够被验证、追踪和货币化时，开源AI的经济模式就彻底被 @SentientAGI 改变。创作者不再需要在开放性和商业价值之间做选择，而是通过加密原语实现两者兼得。