研究方向

当前进行中的项目

目前，我的研究方向最适合通过两个 ongoing 项目来说明。

• 用数据驱动 AI 赋能密歇根大学足球。导师：Albert Berahas（aberahas@umich.edu）。这个项目与密歇根大学男足和女足合作，利用真实的比赛表现、球探与追踪数据，构建分析工具、预测模型和决策支持流程，把高维足球数据转化为对训练设计和战术决策有帮助的洞见。
• LLM 智能体异常检测。导师：Raed Al Kontar（alkontar@umich.edu）。该项目与 Rongbo Zhu 合作开展，关注 LLM 编码智能体中的可靠性问题。从更高层角度看，它探索如何用轻量级方式在长轨迹彻底失败之前监测并识别性能退化。

研究主题

虽然这两个项目位于完全不同的应用场景中，但它们背后有相似的结构：都在研究 AI 与数据分析如何为真实世界的重要决策提供支持。一个项目嵌入在体育表现与教练决策中，另一个则关注 AI 系统自身如何变得更可靠、更可观测。

这也符合我希望继续探索的问题类型：那些同时要求预测性能、严谨评估以及清晰决策意义的场景。

方法 / 工具

我当前的工具箱主要围绕 Python、统计分析以及实验驱动的工程流程展开。根据不同项目，我的职责会在预测建模、评估设计、可视化表达与结构化技术写作之间切换。

• 使用 Python 和 R 进行数据分析与建模
• 统计推断与预测建模
• 面向决策支持的优化思维
• 可视化、实验比较与技术写作
• 针对智能体轨迹的轻量级监测思路

下学期目标

下学期我计划通过 IOE 515 随机过程、EECS 498 强化学习 和 IOE 610 线性规划 继续学习。同时，我也希望持续探索新的领域，并保持对知识的敬畏。路漫漫其修远，吾将上下而求索。

更长远来看，我有继续攻读博士学位的计划。但是目前还没有具体成熟的想法。