李袖印

数据科学硕士在读,香港大学

lixiuyin2025@163.com · GitHub

李袖印的照片

我关注智能体评测与算法。本科主修统计学、辅修计算机科学与技术,理论学习与项目实践涵盖智能体系统、统计建模、机器学习与深度学习。

项目经历

WebAgent — 多模态浏览器智能体与评测框架

执行网页检索、表单填写与跨页面操作的浏览器智能体:接收自然语言任务,以截图与 DOM 驱动规划和工具调用,配套检查点恢复与独立评测,支持长程执行与结果核验。

  • 评测设计与失败诊断:定义独立的终态断言,以强制中断验证恢复结果;结合 DOM、工具历史与来源记录诊断失败,分别核验任务结果、执行过程与产物完整性。
  • 成功概率与校准评估:将外部判定前记录的自报成功概率与核验结果配对,计算 Brier 分数、ECE 和风险—覆盖率曲线,并报告有效样本覆盖率。
  • 规划与执行校验:以 Planner、Tool、AgentHook 协议分离规划、工具执行与生命周期扩展;校验工具参数,将错误反馈给规划器限次修正,分别记录规划尝试与实际动作。
  • 观察一致性与执行约束:通过 Playwright/CDP 获取截图与 DOM,将元素引用绑定到观察批次,拒绝过期引用;依据可见页面与工具记录校验导航和下载地址。
  • 长程执行与恢复:以限次重规划、循环检测与原子检查点管理进度,保存受支持的浏览器状态及待完成动作;恢复时不自动重试结果不明、会改变外部状态的操作,避免重复提交。
  • 文档解析与证据追踪:结合图注定位与 OCR 提取 PDF 图表内容,按解析质量选择处理方式;保留搜索来源与下载记录,支持原文核对。

评测结果:在固定任务集与版本下开展项目内评测,两个模型分别执行相同的 36 项任务,72 次执行中有 71 次通过独立终态核验,保留失败样本与完整执行轨迹。

评测说明

评测包含 30 项开放网页任务、5 项多域沙箱任务及 1 项 60 阶段强制中断恢复任务。分模型结果、验收条件与失败轨迹见评测报告。

查看固定版本评测报告 · 查看独立严格搜索记录

MeetingAgent — 多模态会议知识助手

面向会议音视频与文档的知识助手,通过资料解析、混合检索和语言模型生成带引用的回答,并以跨会话记忆支持历史事实追溯。

  • 分层评测与失败诊断:以 Recall@K、MRR、nDCG 评估检索与排序;使用不同于回答生成模型的评审模型,结合来源核验诊断回答与引用错误;围绕事实更正、否定更新和跨会话召回设计记忆事件级检查。
  • 层次化范围选择:并行执行文件摘要路由与正文宽召回,以 RRF 融合文件排名并保留部分高排名摘要候选;结合 Chroma 向量检索与 SQLite FTS5/BM25 定位证据片段。
  • 候选分配与去重:按文件相关性与规模分配片段名额,约束总预算及文件上下限,按候选规模决定是否重排;去重时核对词项、数值与否定差异,保留各自来源。
  • 长期记忆与历史追溯:以类型化事实管理记忆,保留冲突候选供审核,召回时核验状态与来源;以不可变修订和双时态查询区分事实有效时间与系统获知时间。
  • 引用定位与版本校验:通过 SSE 返回流式回答,将引用匹配到原文页码、幻灯片与音视频时间戳;校验来源版本,对匹配不唯一或版本变化返回明确状态。
  • 模块划分与任务恢复:采用 FastAPI/React 模块化单体架构,分离摄取、检索与生成;以持久化任务、租约校验和有限重试支持恢复,阻止租约失效的执行者提交数据库变更。

评测结果:固定版本的项目内评测中,记忆写入、召回、最新值及来源关联通过 22/22 项记忆事件正确性检查。

评测说明

回答评测采用合成小样本问答集,由 GLM 生成回答、Qwen 独立评审,每例评审 3 次。各层指标分别统计,不等同于端到端质量。

查看固定版本评测报告 · 原始数据(JSON)

零样本图像分类 — 文本驱动 CNN 复现与评测

复现 Ba 等(ICCV 2015) 的文本驱动零样本 CNN:由类别描述生成分类器参数,与冻结的视觉特征匹配,实现对训练未见类别的识别。

  • 核心方法复现:以 PyTorch 从零实现全连接、卷积及联合三类预测器,将 TF-IDF 类别描述映射为分类器权重或卷积滤波器,与冻结的 VGG-19 图像特征配合分类。
  • 复现验证与可视化:在 CUB/Flowers 上分别评估已见与未见类别,生成四组论文对照表并记录实验差异;以词语敏感性分析、最近邻检索和滤波器可视化检查文本与视觉的对应关系。
  • 扩展设计与集成:调整并集成团队扩展模块,围绕辅助损失、文本编码和视觉主干开展 13 组实验,保留配置及已见/未见类别的ROC-AUC、PR-AUC 结果。
  • 固定配置下的结果:保持联合架构、VGG-19 与 BCE 不变,将类别描述分句后经预训练 CLIP 编码并聚合,替换 TF-IDF;CUB 未见类别 ROC-AUC 从 0.680 提升至 0.886。

NLLB-200 中译英 — LoRA 微调

在单卡资源下,以 LoRA 适配 NLLB-200-distilled-1.3B 编码器—解码器,完成中译英任务,覆盖数据处理、训练、选模及检查点重载评估。

  • 参数高效微调与数据处理:冻结基础模型,在注意力和前馈投影层训练 rank-32 LoRA,配合梯度累积、混合精度与梯度裁剪;抽取 60 万对候选训练句对,仅对训练集进行质量过滤与精确句对去重。
  • 验证选模与生成复验:训练主流程按独立 2,000 对验证切片的 BLEU 选模,将原始 WMT19 validation split(3,981 对)用于留出评估;重载基础模型与适配器,以 5-beam 解码和 sacreBLEU 复验生成质量。

ViT Image-to-LaTeX — 数学表达式识别

将印刷体或手写公式图像转换为 LaTeX:以 ViT 编码图像,由 Transformer 解码器逐词生成公式,分别训练并评估两类图像的识别模型。

  • 端到端生成架构:从零实现约 773 万参数的纯 Transformer 模型,不依赖 CNN 主干或语法约束;分别以 50,000 条印刷体和 50,000 条手写公式训练各自模型。
  • 训练优化与解码策略:以学习率预热和全局梯度裁剪稳定大批量训练;实现带长度惩罚的四束搜索,与贪婪解码进行同样本对照。
  • 生成质量与失败分析:对照 teacher-forcing 词元准确率与自回归生成表现。在两类数据各 500 个测试样本上采用四束搜索,印刷体与手写体经平滑后的平均句级 BLEU-4 分别为 0.701 和 0.079,分析手写体生成误差。

文本分类架构对照 — CNN、BiLSTM 与 Transformer

面向影评情感识别与新闻主题分类,以词嵌入、文本编码器和分类层构建实验框架,对照 CNN、BiLSTM 与 Transformer 的分类质量和计算吞吐。

  • 三类分类架构实现:以 PyTorch 实现多尺度残差 CNN、双向 LSTM 与带位置编码的 Transformer,分别采用卷积、循环结构与自注意力进行文本编码,并分析计算复杂度。
  • 受控实验与数据隔离:在 IMDB、AG News、BBC News、SST-5 上统一划分与训练协议,使用 GloVe-300d 初始化可训练词嵌入;词表仅由训练集构建,按验证集选模。
  • 分类准确率对照:在保留的固定随机种子实验中,对照 12 个模型—数据集组合;CNN 在 IMDB、BBC News、SST-5 的测试准确率分别为 88.5%、97.3%、42.4%,在三种被比较模型中最高或并列最高。
  • 前向吞吐量评估:在 RTX 5090、batch=512 的固定设置下,CNN 在四个数据集上的前向吞吐量均最高;该指标不等同于端到端服务延迟。

CIFAR-100 图像分类

以 WideResNet-28-10 识别 100 类小尺寸图像,结合类别感知增强与训练优化,在单卡资源约束下完成训练、选模与测试。

  • 模型与训练策略:实现 pre-activation WideResNet-28-10,结合难度与超类感知增强、MixUp/CutMix;采用混合精度、EMA 和预热—余弦学习率调度,按验证损失选模。
  • 资源约束与留出评测:已记录的一次运行在一张 16 GB GPU 上约 2.5 小时完成训练与评测,在 CIFAR-100 官方 10,000 张测试图像上取得 macro-F1 0.832。

EM/MCEM 参数估计 — 算法实现与模拟验证

针对重尾误差与组内相关性,以 Student's t 回归和线性混合模型建模,通过 EM/MCEM 估计参数,并以模拟实验和参考实现检验估计与收敛表现。

  • 算法推导与实现:推导隐变量后验与更新公式,以 R 实现 EM 解析期望和 MCEM 采样近似;区分 MAP、ML、REML 目标,记录参数与目标函数迭代轨迹。
  • 模拟验证与数值核验:在统一数据生成设置与固定初值下,比较 EM 和不同采样量 MCEM 的估计误差与收敛;分别与 optim、lme4、nlme 核验对应估计目标,保留验证脚本与报告。

数值验证结果:在线性混合模型的 200 次模拟中,自实现 EM 与 lme4 的 ML 参数估计逐次最大绝对差的均值为 4.84 × 10−7,验证对应估计目标下的数值一致性。

北京 PM2.5 — 时间序列分析与预测

使用 R 分析北京 PM2.5 的时序变化,将 35,064 条小时观测聚合为 1,461 天日均序列,对照 ARIMA、ETS 和含气象变量的 ARIMAX,开展离线预测评估。

  • 时序结构识别与模型诊断:以对数变换、STL、ACF/PACF 和平稳性检验识别时序结构;结合信息准则、残差分析与 Ljung–Box 检验,检查拟合与剩余相关性。
  • 滚动评估与结果解释:以末 146 天为评估区间,对朴素基线、ARIMA、ARIMAX 开展 1、7、30 天滚动预测并比较 RMSE;离线结果中,ARIMAX 一日预测误差较低,30 天预测未优于 ARIMA。
实验条件与结果

保留实验中,一日预测的 ARIMAX 与 ARIMA RMSE 分别为 46.64、77.63 μg/m³;30 天预测分别为 95.64、94.69 μg/m³,气象变量并未在所有步长下带来更低误差。滚动评估固定训练期模型系数;ARIMAX 使用预测区间的实际气象观测,缺失填补在全序列上完成,因此结果属于离线条件分析,不代表真实部署预测性能。

NBA 球员薪金 — 回归建模与统计诊断

使用 R 和多元线性回归分析 NBA 球员薪金与赛场表现、职业经历及球队特征的关联,通过变量变换、模型约简与诊断检验模型假设和结果稳健性。

  • 变量构造与回归分析:编码位置、全明星经历和球队特征,以 Box–Cox 变换处理偏态、球龄分组表达职业阶段差异,结合系数检验与变量约简比较模型。
  • 诊断核验与分析交付:以 VIF、条件指数、残差图、杠杆值和 Cook 距离检查共线性、异常点与强影响点,对照处理前后的模型;交付脚本、诊断图与报告,结论限于样本内统计关联,不作因果推断。

图书馆管理系统 — 数据库设计与全栈开发

面向借还书与逾期结算,构建 SQL Server/Python 命令行系统和 Flask/MySQL/Vue 2 Web 系统。独立完成数据库技术课程的整个项目;在软件工程课程团队项目中,独立承担全部前后端编码与联调。

  • 数据库建模与审计追溯:设计 ER 图与 9 张 SQL Server 关系表并编写项目文档,以主外键和 CHECK/UNIQUE 约束校验数据;关键审计记录不设置指向读者、管理员的外键,并以触发器限制更新、删除,保留操作历史。
  • 借阅规则与批量结算:以 7 个触发器和 26 个存储过程实现借阅限制与逾期结算;批量归还时按读者汇总罚款,检查余额后在事务中更新余额并逐笔写入扣款流水,异常时回滚。
  • 全栈开发与访问控制:交付 30 个 Web 接口,其中 24 个使用 JWT 保护,限制普通读者查询他人记录;借还书时暂存图书状态与借阅记录变更,再统一提交多表操作。

有向社交网络的正影响力最大化(Java)

在含正负关系的有向社交网络中选择有限个初始节点,扩大正向传播范围。以 Java 实现有符号独立级联模型,通过蒙特卡洛仿真与贪心搜索求解并评估种子集合。

  • 贪心选种与并行仿真:以蒙特卡洛估计边际增益,逐轮选择种子;通过线程池和并行流评估候选及模拟扩散,在 10,966 个节点、44,356 条有向边的网络中选出 10 个种子。
  • 基线对照与影响力评估:在相同网络与种子数量下,记录的贪心种子集经 100,000 次仿真复核,平均正向影响节点数为 167;出度与正出度基线均为 149,贪心方案高约 12.1%。

技术能力

关注方向

教育背景

香港大学

数据科学硕士在读(GPA 3.51,前 30%)

山东大学

统计学理学学士(均分 86.52,前 30%)
计算机科学与技术辅修(均分 88.86)

助教经历:2024年9月–2025年6月,担任数学分析 I、偏微分方程课程助教,负责作业批改与答疑、偏微分方程课件中译英及 LaTeX 排版。

荣誉:山东大学优秀毕业生|全国大学生数学建模竞赛山东赛区一等奖

英语能力:雅思 7.0(写作 7.0)

个人兴趣

我喜欢中国古典诗词、历史、电影和户外活动。