李皓 LEE HO

支持长任务执行与多 Agent 协作的本地编程智能体（LeeAgent）

• 采用 C/S 架构，通过 TCP 长连接实现 CLI/TUI 与后台服务之间的命令调用和事件推送。后台服务异步执行模型调用与工具调度，与客户端连接解耦。
• 基于类型化事件总线按任务和会话维度实时推送模型输出与工具事件，支持历史回放、实时订阅，以及断线重连后的事件补发与去重。
• 封装兼容 OpenAI 协议的模型调用层，实现 ReAct 式 Agent Loop 和统一工具调度，接入文件读写、Bash 执行和任务清单等工具，支持多轮工具调用与错误反馈自纠正。
• 通过会话持久化、历史续接和上下文压缩支持长任务；构建父子 Agent 协作机制，为子 Agent 配置独立上下文与事件总线，通过事件桥接同步执行过程并回传结果，支持 Markdown Skills 加载和 MCP 工具接入。
• 建立覆盖 IPC 通信、领域事件和模型调用的三层 Trace，按运行 ID 和轮次追踪执行过程、Token 用量与耗时。

基于 Attention 增强型策略—价值残差网络（ResNet）的六子棋博弈系统

负责整体技术方案设计、模型架构设计与实验验证，带队研发六子棋博弈决策系统。

• 采用多通道棋盘状态表征编码落子信息；主干网络使用 32、64、128 通道的残差模块提取空间特征，并结合空间与坐标注意力机制建模关键区域。
• 构建策略头与价值头，分别预测下一落点分布与当前局面的胜负趋势。
• 验证集取得 73.42% policy top-1、91.49% policy top-5 和 0.221 value MSE；在吉林大学六子棋积分赛中以 86.2% 胜率位列第一，获 2025 年中国大学生计算机博弈大赛全国一等奖。

基于强化学习与思维链的大模型推理优化研究

针对 VideoAuto-R1 在测试阶段缺少音频模态时容易产生无依据情绪推断的问题，提出基于 GRPO 的多粒度奖励强化学习框架。

• 设计显式分段的 Episode-level 推理链，组织模型的推理过程。
• 设计语义校准奖励，对“无依据编造”“合理假设”和“视觉证据支撑的推断”进行差异化奖惩，增强音频缺失时的语义一致性。
• 在训练中弱化对最终结果的单一依赖，对结果错误但推理逻辑正确的情况给予正向反馈；引入基于隐层扰动的稳定性奖励，提升泛化与可靠推理能力。