受控序列建模 Benchmark 与架构偏好分析-CTB@ICML 2026 Submission

熟悉编程语言开发，参与过市面上重大软件前端，现在是自由职业熟悉主流编程语言开发，具备大型软件前端项目实战经验，现以自由职业者身份承接各类技术开发需求。擅长安卓APP开发、企业内部管理系统及在线教育类项目，可独立完成从需求对接、架构设计到功能实现的全流程开发交付，注重代码质量与项目稳定性，能高效响应甲方需求并保障交付进度。

A2A Literary Agents 是一个面向 AI 文学创作的多智能体协议设计项目，目标是解决 direct AI writing 中单一模型作者权力过大、世界观容易随 prompt 漂移的问题。系统将创作拆分为 Character Agent、World Agent、Plot Agent、Narrator Agent、Canon Steward 和 Orchestrator，通过权限矩阵、状态分层、上下文投影和提交协议，让角色意图、世界后果、情节压力、叙述表达和设定变更分别由不同 agent 负责，构建更稳定的 AI 创作流程。

基于 Spring Boot3 + LangChain4j + LangGraph4j 的 AI 零代码应用生成平台。用户输入自然语言描述，由 AI Agent 自动执行并发素材搜集、代码生成、质量检查、项目构建的完整工作流，最终一键部署为可访问的 Web 应用。 项目核心为一套 AI 工作流，并采用多级缓存、分布式限流、异步处理、护轨重试等多种优化策略，保证系统的高性能与稳定性。

面向长上下文/序列建模评估，构建一个受控 lag-kernel 任务 benchmark，用于分析不同序列模型在不同依赖结构下的偏好区域。项目包含任务生成、模型训练、结果汇总、可视化分析、鲁棒性检查和论文投稿流程，目标是证明 aggregate score 会掩盖模型在不同 task neighborhood 上的结构化差异。目前ICML26CTB在投

本项目是一个面向个人投资者和小型投研场景的 AI 股票策略 Agent 系统，目标是把分散的行情、新闻、公告、持仓和人工交易记录统一到一个可审计的自动化工作流中。 系统通过 Telegram 机器人作为用户入口，支持查看系统状态、当前持仓、最新策略报告、手动触发盘前/盘后分析，以及记录人工买入卖出结果。用户不需要进入服务器或查看代码，只需要在聊天窗口中发送自然语言或命令，即可获得中文投研摘要和操作提示。 核心功能包括：美股股票池自动扫描、行情与新闻源聚合、SEC 公告抓取、AI 新闻重要性审计、全池个股排序、当前持仓风险分析、交易策略摘要、research 模拟仓、人工成交记录、运行日志和任务审计。系统会区分真实持仓和研究模拟仓，避免把用户意图误当成真实成交。 整体业务流程为：定时任务采集行情与新闻，生成结构化数据包；AI 模型对重要信息进行分析和策略判断；风控模块检查是否满足执行边界；最终通过 Telegram 输出中文报告。系统不会自动下单，所有交易都需要用户人工确认并在券商端手动执行。