Edward 的中文概览 · 深入内容以英文为准
我研究智能系统如何记忆、推理与失败。
我来自特立尼达和多巴哥，是一名人工智能研究者与系统构建者。 我研究智能系统在层与层之间丢失信息、控制与证据的位置，并构建让这些丢失可以被检验的基础设施。
我追随重要的问题，而不是整齐的分类。
已录用6 篇研讨会论文 · 3 篇第一作者
AAAI、COLM、ICML、MICCAI
研究方向记忆 · 评估 · 智能体 · AI 控制
公开证据论文 · 代码 · 实验 · 系统笔记
成果很重要。
问题更重要。
代表研究
部分已录用研究
2026 年共有 6 篇研讨会论文被 AAAI、COLM、ICML、MICCAI 录用，其中 3 篇第一作者。每篇都有英文简明摘要：智能系统应当如何被记忆、监督、测试、校准与信任。
The Recall Debt
Flat Memory Schemas Structurally Fail Multi-Hop Retrieval
遗忘也许不是检索错误，而是架构选择。
Before You Scale
The Cost of Supervision Mismatch in PRM Distillation
小模型何时学会专家反馈，何时只学会两者之间的偏差？
Diagnosing Agent Capabilities
Through Information-Axis Knockouts
移除哪一种信息，才会真正击穿智能体的能力？
Factor(U,T)
Controlling Untrusted AI by Monitoring Their Plans
较弱的可信模型，能否安全监督更强但不可信的规划者？
A Benchmark Audit of Site Confounds
Calibration and Self-Supervision in Cross-Dataset Parkinson’s EEG Detection
模型识别的是帕金森病，还是采集数据的医院？
每个条目都会打开英文简明摘要；最新一篇在公开工件上线前刻意保持精简。公开工件可用时会从摘要页链接。
这些论文只是更大工作集的可见边缘。
关于我
这些问题，
来自这条路径。
我不是沿着一条笔直的计算机科学道路进入 AI。我会跟随真正重要的问题， 学习它所在的领域，再构建缺失的那一层。
这条路径经过科罗拉多州立大学的发酵科学与湿实验室研究、特立尼达的工业自动化、 创业，最后进入人工智能研究。贯穿其中的是对噪声证据的尊重，以及让系统在演示之外真正工作的要求。
- 2023–25生物技术与实验室
蛋白表达、冷冻保护剂发现与实验设计。
- 2024–26工业与运营
工业控制、P&ID、监管系统与创业。
- 2025–现在AI 研究与系统
安全、记忆、智能体行为与研究基础设施。
部分作品
我构建的系统
从研究基础设施到生物医学工具，这里只选择最能说明我工作方式的几个项目。
Eval Evidence
让模型、Harness、预算、验证器、工件与缺失信息随评估分数一起流转的机器可检验证据包。
阅读英文笔记 →02Circuit Compass
把生物学矛盾拆成竞争机制、公开数据分析、反方审查与下一步实验。
阅读英文笔记 →03Brewery Control Systems
在特立尼达完成的啤酒厂自动化控制、仪表与合规监测 P&ID / AutoCAD 系统。
阅读英文笔记 →04POP2 Protein Expression
带领十人本科团队，把湿实验迭代、AI 辅助参数搜索与可追溯证据界面连接起来。
阅读英文笔记 →这个循环本身就是证据系统。
- 01观察
- 02定向
- 03计划
- 04行动
- 05验证
- 06记忆
工作方向
可以被检验的
智能。
我已入学西交利物浦大学智能系统专业（2026 年秋季入读一年级），同时构建跨越评估、记忆、AI 控制与科学发现的研究和基础设施。
项目会改变，长期方向不会：让计划更有认识论基础，让行动更有边界， 让验证更接近后果真正发生的那一层。
能力越充足，越需要有边界的行动、
可检验的证据与可追责的后果。