MiniClaudeCode · 有序轨迹归因
- 研究问题
- 当工具调用存在先后依赖、协同与失败恢复时，如何分配可解释的轨迹贡献？
- 方法
- 用前序 DAG 约束反事实重放，结合精确枚举、均匀拓扑序采样与离线评测框架。
- 主要结果
- 在受控协议中，前序约束估计比 vanilla Shapley 更接近前缀参考。
- 公开精确估计、采样收敛与重放有效性分析。
01
全部学术研究学术研究
围绕真实问题、实验方法与证据，整理公开的独立研究、工程探索与脱敏进展。
KAI RecSys Lab · 离线推荐评估
- 研究问题
- 怎样在统一人群、数据切分与候选集下，判断召回、负采样和重排的真实离线增益？
- 方法
- 冻结 Two-Tower 召回与 Exact / HNSW 候选，比较 DIN / DCN 重排，并使用训练集校准和用户级配对评估。
- 主要结果
- 冻结离线协议中，DIN 重排改善相同候选集上的排序。
- Uniform 负采样赢得本轮 dev 比较，保留特征依赖与 ANN 取舍。
Qwen2.5-VL · 数据选择与微调
- 研究问题
- 固定模型、训练预算与留出评测后，数据选择能否比随机抽样带来更好的多模态微调结果？
- 方法
- 在 ScienceQA 上对比 Random-1K 与 faithful COINCIDE-1K，固定 Qwen2.5-VL-3B、LoRA / SFT 配置及配对随机种子。
- 主要结果
- 公开汇总的三组配对种子中，COINCIDE-1K 均低于 Random-1K。
- 保留负结果、跨零置信区间与数据选择失配分析。
02
经历研究与行业经历
Java 后端与 AIGC 应用工程实习生
实习生
03
全部贡献开源贡献
开源贡献、维护的仓库，以及让研究更容易复现的基础设施。
PyRIT：Garak API-key 场景与评分器
microsoft/PyRIT
外部贡献 PR #2538，为 Garak 场景增加 API-key 生成与补全探测。
- 具体贡献
- 提交场景实现、固定语料、CredentialLeakScorer 扩展、测试和文档；区分凭据形态与公开标识，并排除请求回显与提供的测试片段。
- 结果
- 可查看实际代码 diff 与测试说明。当前为已提交、未合并状态，不以提交记录代替维护者认可或真实目标验证。
MiniClaudeCode：可观察的执行与评测基础设施
hey-Chloe/MiniClaudeCode
个人维护的 Coding Agent 参考实现，围绕执行边界、工具事件、检查点和评测展开。
- 具体贡献
- 公开有界控制循环、工具注册与策略接口、会话持久化、轨迹归因及评测脚本；第三方训练框架单独注明来源。
- 结果
- 源码、受控报告与测试入口可查。离线 harness 验证不等于真实模型解题；仓库当前未授予额外开源许可证。
KAI RecSys Lab：实验协议与报告工具
hey-Chloe/KAI-Offline-RecSys-Lab
围绕公开数据搭建数据来源账本、冻结配置、评估报告与可移植实验展示。
- 具体贡献
- 将召回、重排、校准和配对统计接入同一离线协议，提供合成路径复现、公开报告检查和静态 Playground。
- 结果
- 报告明确区分公开数据实验、合成集成检查、ANN 系统测量与本地服务演练，不将离线结果包装为线上业务收益。
04
全部项目工程实践
MiniClaudeCode Studio
中文 Agent 工作台，将任务计划、工具调用、审批、代码差异、测试与检查点恢复放在同一条可追踪流程中。
- 问题
- 让 Agent 的执行状态、文件修改和验证结果可以被观察与区分。
- 负责范围
- 个人仓库中的 Studio 适配器与界面复用 MiniClaudeCode 原生执行引擎；公开版仅回放录制，本地版连接实际运行时。
- 成果
- 公开本地工作台、静态回放与小样本在线测评，清晰区分执行结束、功能通过和最终验证；保留权限与解释器导致的失败记录。
RuleForge-SAST
面向 PHP、Python 与 Java 的静态分析工作流：规则扫描、漏洞解释、AI 修复建议、二次扫描与历史记录。
- 问题
- 将 AI 的修复建议与规则扫描的实际结果分开，提供可检查的修复前后证据。
- 负责范围
- 个人仓库实现语言与规则选择、扫描记录、AI 建议和 Patch Verify 的前后端连接；检测能力基于 Semgrep 及已有规则。
- 成果
- 将扫描结果、AI 建议和修复复检连接成可追踪流程，提供演示视频与扫描历史。FIXED 表示当前规则不再命中，检测范围取决于所用规则。
05
全部笔记研究笔记
研究进行中｜AI Coding Benchmark 可复现性审计
检查公开数据、任务资产与评测程序在不同发布视图之间是否保持一致，并建立可追溯的离线验证流程。
Research Update · AI Coding · Agent Evaluation · Reproducibility · 2 分钟阅读