经验与教育
哲学博士即将
计算机与信息科学 · Rochester Institute of Technology
在 Leon Reznik 博士的指导下继续联合学习与代理 AI 研究，延续硕士毕业设计的 IntelliFL 研究方向。
- Federated Learning
- Distributed ML
- Agentic AI
- Research
暑期研究学者当前
SCADS · 应用数据科学夏季会议 · NC State · Laboratory for Analytic Sciences
为期八周的精英研究项目，将研究生与情报界和国家实验室人员配对，进行大规模 AI 评估。研究方向：在异构数据源上的代理 AI 编排。
- Applied Data Science
- SCADS
教学助理
软件架构 · Rochester Institute of Technology
指导学生学习设计模式、架构风格和质量属性。在讲师缺席时讲授了一整节课。
- Software Architecture
- Design Patterns
- Mentoring
- Code Review
- Teaching
研究生研究员当前
莱昂·雷兹尼克博士的研究小组 · Rochester Institute of Technology
将 IntelliFL 测试覆盖率提升至 80% 以上。构建了 React + FastAPI 的联合实验管理界面。实现了拜占庭容错的聚合策略（Krum、Bulyan、RFA、Trimmed Mean）。
- Federated Learning
- PyTorch
- React
- FastAPI
- Python
硕士学位
软件工程 · Rochester Institute of Technology
GPA: 4.0/4.0。毕业设计：在 Leon Reznik 博士的指导下增强 IntelliFL 联合学习执行框架。
- Machine Learning
- Distributed Systems
- Cloud Computing
- Software Architecture
- Python
软件工程师（合同工）
分布管理系统 · Lowe's Home Improvement
在 RDC 之间将每日错误日志减少了 15 万条。构建了全栈自动化工具。将新员工入职时间缩短了 80%。
- Java
- SQL
- Spring Boot
- Full-Stack
- Agile
用户体验开发实习生
开发团队 · Phiquest
用 Node.js 构建了基于区块链的文档认证 Chrome 扩展程序。与跨职能团队设计了 Web 应用程序的线框图。
- JavaScript
- Node.js
- UX Design
- Blockchain
- Figma
学士学位
计算机工程 · University of South Florida
GPA: 3.06/4.0。毕业设计：与 Allen Cheng 和 Ethan Wuitschick 共同发布了 PhiQuest blockchain-explorer 文档认证系统。
- C
- C++
- Embedded Systems
- Digital Logic
- Microcontrollers
研究生态系统
一个协调一致的代码仓库家族，从互补的角度探索智能体 AI 和联邦学习。每个仓库都可以独立调用。
- 创新
Kourai Khryseai
多智能体软件开发熔炉：通过 A2A 协议组织的少女专家、MCP 边车以及透明的人在回路。
- 研究
Phalanx-FL
基于 Flower 与 Ray 的联邦学习参考平台。提供八种聚合策略以及攻击词汇表。
- 性能
Velocity-FL
同样的 FL 策略，通过 PyO3 和 FastMCP 实现为 Rust 内核。专注于性能与大规模并发。
- 实验室身份
LDQIS Lab
RIT 数据质量与智能安全实验室的公共网站。
- 治理
Techne
Claude Code 技能插件：构建审计、lint 与测试网关、跨仓库漂移检测。
- 应用
Orchestrate Triage
基于 Claude Opus 和 Anthropic Message Batches API 的智能体问题分诊：按批量规模对传入的报告进行分类、排序与路由。
近期活动
- 出版物DOI
IntelliFL：元认知联邦学习框架
IEEE Intelligent Systems (PrePrints) · 2026
我们认为元认知应成为设计和部署联邦学习（FL）应用的指导原则。FL中的元认知特征，如监控与控制，允许其动态适应环境、客户端更新、增强用户交互并优化资源感知学习。我们引入了IntelliFL框架，这是首个通过提供机制和工具来探究执行和学习条件变化对FL性能和安全性的潜在影响，并据此选择或优化学习结构和过程的框架。我们在实践中展示了该框架的应用案例，说明了如何根据执行环境的变化（包括数据质量、网络状况或恶意攻击）动态调整或微调联邦学习超参数如模型聚合算法。
- 黑客松排名第 11 / 1349
HackerRank Orchestrate
单人模式 · HackerRank · May 2026
多领域支持-分类代理：跨HackerRank、Claude和Visa语料库路由工单，使用基于语料库的响应、异步批量处理及提示注入防护。
- 会议
Kourai Khryseai: 透明的人机交互多代理软件开发
海报 · NE Agents Day 2026 · May 8, 2026
将多代理编程重新定义为可解释性问题，通过三大支柱：监控（使用OpenTelemetry / Jaeger / Prometheus可观测性），沟通（代理请求对模糊要求的澄清），以及控制（有界修复循环以实现故意恢复）。展示了Hephaestus，一个调度器通过MCP路由至专业代理，并共享SQLite状态。
- 出版物接受
IntelliFL：面向可信高效联邦学习应用的AI辅助设计框架
IJCNN 2026 (IEEE WCCI, Maastricht) · 2026
尽管联邦学习（FL）通过保留数据本地化增强了客户端的安全性和隐私性，但这种去中心化的范式也暴露于各种恶意行为以及技术与可靠性问题，这些问题会降低数据质量、阻碍收敛并减少全局模型的准确性。考虑到这些不稳定因素对于FL设计至关重要，特别是在其实用且可靠的集成中。为应对这一需求，我们引入了InteFL，这是一个专为高效和安全的FL系统化设计与评估而构建的软件工具。InteFL提供了在多种条件下对FL性能进行基准测试的功能，包括静态和时间动态的对抗攻击，并支持配置和微调鲁棒聚合算法及其参数。作为现有FL工具的扩展，InteFL通过集成智能代理提高了工具的实用性。我们展示了几个用例，说明我们的工具如何支持寻找和调查更健壮的聚合技术以应对各种攻击模型，并且如何参数微调可以加速收敛并提高最终机器学习模型的准确性。
- 黑客松最佳AI模型
AWARE-AI Spring Hackathon (BioRadio)
团队 · RIT AWARE-AI · Feb 2026
宇宙仪式：BioRadio 电磁肌电图手势驱动实时和弦引擎。构建了手势分类器、MIDI 引擎、GUI 音乐模式和 Zensical 文档站点。
- 会议
多代理软件开发的叙事界面
海报 · RIT AWARE-AI Research Poster Session 2026 · April 15, 2026
考察身体感、声音和Ren'Py视觉小说框架如何影响用户监督和重定向多代理软件。阐述Kourai Khryseai背后所采用的三主机界面架构（终端REPL、pygame GUI配TTS、Ren'Py VN）。
技术专长
语言与框架
云与DevOps
人工智能 & 机器学习
工具与平台
联系我们
有疑问或想合作？给我发消息，我会回复你。
或直接发送电子邮件