Research Interests·研究兴趣
Work & Education·工作与教育履历
- Delivered core undergraduate courses: Big Data Analytic, Big Data Technology, Data Visualization.主讲本科核心课程:大数据分析、大数据技术、数据可视化。
- Built LLM & generative agent practical training modules; supervised students to win multiple provincial AI competition awards and obtain big data analyst certifications.搭建大语言模型与生成式智能体实训模块;指导学生多次获得省级 AI 竞赛奖项,并取得大数据分析师职业认证。
- Developed factory data warehouse, ETL pipelines and digital simulation models for manufacturing production.负责制造生产环节的工厂数据仓库搭建、ETL 数据流水线与数字化仿真模型开发。
- Built quantitative modelling and digital evaluation frameworks; managed projects with annual revenue over ¥10M.搭建量化模型与数字化评估框架;负责管理合同额超千万元的年度咨询项目。
Research & Project Experience·研究与项目经历
- Re-implemented workflow-graph-based black-box boundary testing for conversational LLM agents on real τ³-bench across 4 domains (airline/retail/telecom/banking_knowledge), discovering 50–87 distinct boundaries per domain.在真实 τ³-bench 四域(航空/零售/电信/银行)独立复现基于工作流图的 LLM 智能体黑盒边界测试方法,每域发现 50~87 个独立边界。
- Built a privileged auditor (domain-agnostic rule base + GLM-5.2 review) that suppresses the judge's false-alarm rate from 0.93 to near ground truth; validated via a 133-sample human-annotation baseline.自研特权审计器(域无关规则库 + GLM-5.2 复核),将裁判误报率从 0.93 抑制到接近真值,经 133 条人工标注基准验证。
- Open-sourced the full reproduction with GitHub Actions CI and bilingual docs: github.com/Jan-Jianhao-Liu/agenteval-repro.完整开源复现工程(含 CI 与双语文档):github.com/Jan-Jianhao-Liu/agenteval-repro。
- Proposed UCAG multi-relational graph structure and BSA algorithm for cognitive generative agent modeling.提出用于认知生成式智能体建模的 UCAG 多关系图结构与 BSA 算法。
- Designed full-stack digital intelligence lab solution covering hardware, software and teaching curriculum.设计覆盖硬件、软件与教学课程体系的全栈数字智能实验室整体方案。
- Deployed distributed clusters: Hadoop, Spark, Kafka, Ray for large-scale big data & LLM experimental verification.部署 Hadoop、Spark、Kafka、Ray 分布式集群,用于大规模大数据与大语言模型实验验证。
- Participated in enterprise data warehouse architecture design and multi-dimensional business data modeling.参与企业数据仓库架构设计与多维业务数据建模工作。
- Constructed multi-dimensional KPI system and digital simulation models for automotive manufacturing enterprises.为汽车制造企业构建多维度 KPI 体系与数字化仿真模型。
Teaching & Certifications·教学与资质证书
- Instructor for undergraduate core modules: Big Data Technology Principles, Data Visualization, Business Data Analysis.本科核心课主讲教师:大数据技术原理、数据可视化、商务数据分析。
- Supervisor for provincial-level innovation contests: Challenge Cup, National Software Competition, WorldSkills Hubei.省级创新竞赛指导:挑战杯、全国软件大赛、世界技能大赛湖北省选拔赛。
Technical Skills·技术技能
AI & Generative Agents
Distributed Big Data & ETL
Database & Graph Computing
Programming & Visualization
Publications & Intellectual Property·论著与知识产权
📚 Peer-Reviewed Papers同行评议论文
💻 Software Copyrights (3 Registered)软件著作权(已登记 3 项)
实验室招募 · Lab Recruitment
寻找愿意一起做 AI 情感仿真 测试的同学
我们正在推进可信生成式智能体(Trustworthy Generative Agents)与 LLM Agent 的研究, 需要同学参与实验设计、用例测试与行为评估。无论你是想入门科研, 还是希望积累真实项目与论文经验,这里都有你的一席之地。
申请加入 →测试与评估
参与智能体行为测试用例设计与长期一致性评估,记录并归档实验数据。
实验复现
复现最新 Agent 论文方法,搭建本地 LLM 与多关系图谱实验环境。
成长通道
参与论文撰写、开源项目与竞赛,优秀者可获推荐与署名机会。
优秀同学展示 · Student Showcase
这里展示我指导过的优秀同学及其 GitHub 开源作品,欢迎关注、star 与交流。
快速答疑 · Quick Q&A
给同学与新手研究者的常见问题速答,点击展开查看详细建议。
Q1 如何阅读一篇论文? ▾
推荐「三遍阅读法」,每遍目标不同,避免一开始就死磕细节:
- 第一遍(5 分钟):看标题、摘要、结论、图表,判断是否值得继续读。
- 第二遍(1 小时):通读,抓方法与结果,不懂的先标记不纠结。
- 第三遍(数小时):在脑中复现作者思路,推导公式、思考可改进点。
带着四个问题去读:解决什么问题?用了什么方法?结论是否站得住?对我有什么启发?
Q2 如何判断期刊 / 会议水平? ▾
- 分区:JCR 分区、中科院分区;计算机领域看 CCF 推荐目录(A/B/C)。
- 指标:影响因子(IF)、h-index、被引频次;但别只看 IF。
- 声誉:IEEE / ACM / Springer / Elsevier 等正规出版社;是否顶会顶刊。
- 排雷:审稿周期过短、收费异常、无同行评审的需警惕掠夺性期刊,可在 DOAJ / Beall's List 查证。
Q3 如何投递一篇论文? ▾
- 选刊匹配:主题契合度 > 影响因子;看近一年是否发过同类工作。
- 打磨:严格按模板排版,反复润色摘要与引言——这是审稿人最先看的地方。
- 投稿:通过期刊/会议在线系统提交,附 cover letter 说明贡献与创新点。
- 回复审稿:逐条回应,态度诚恳,能改则改、不能改则礼貌解释原因。
Q4 发表论文有什么意义? ▾
- 学术对话:推动知识边界,接受同行评议的检验。
- 能力证明:体现研究、写作与批判性思维的综合能力。
- 机会门槛:升学、求职、申报项目的硬通货。
但请记住——不唯论文。研究过程中产生的思考与判断力,比数量更重要。
Q5 做开源项目有什么意义? ▾
- 工程能力:真实代码、协作、code review 是课堂学不到的。
- 影响力:让他人复用你的工作,建立技术声誉与人脉。
- 加速学习:阅读优秀开源源码是最快的成长路径之一。
- 反哺学术:可复现的研究(代码 + 数据)正成为高质量论文的标配。
Join Our Community·加入交流频道
智能体虚拟世界科学交流群·Generative Agents & Virtual World Science
聚焦可信智能体、AI 情感认知仿真、虚拟社会仿真、数字生命、世界模型、AI4SE、科研与游戏设计竞赛。 欢迎分享论文资讯、技术问题、竞赛组队、科研 idea 交流。
Focused on Trustworthy Agents, AI affective & cognitive simulation, virtual society simulation, digital life, world models, AI4SE, plus research & game-design competitions. Share paper news, technical questions, team-ups, and research ideas — all welcome.