Edward

Edward Lue Chee Lip

我研究 AI 智能体的评估、验证与控制,也开发让实验更容易检查和复现的工具。

来自特立尼达和多巴哥。就读于西交利物浦大学人工智能(智能系统)专业。

Terminal-Bench:任务难度与验证器审计

当智能体都未能完成一道任务时,如何区分真正的难度、任务缺陷和评估工具的问题?

NeurIPS 2026 Verify-Agents 研讨会:海报已录用。AAMAS 2027:已投稿,尚未录用。

Factor(U,T)

研究可信监控器能否仅凭不可信模型的计划发现恶意意图,以及缺少实现细节会丢失什么信号。

AAAI 2026 TrustAgent 研讨会 · 已录用

Eval Evidence

把评估分数与配置、运行记录和文件哈希一起保存,便于检查来源、复现过程和发现文件变化。

开源工具 · 可复现的合成示例

近期笔记

全部笔记