Ian Chen

我关注工具型 AI Agent 的可靠性，希望通过可信评估、Rubric 质量研究、 轨迹级诊断和受控改进实验，理解 Agent 的行为与泛化能力。

研究方向

  • LLM Agent 评估 — 对真实 Agent 行为进行可信测量
  • Rubric 质量 — 评分标准是否衡量了预期行为
  • 奖励建模 — 评估与有效学习信号之间的关系
  • 强化学习 — 训练信号质量与泛化能力

当前工作

Agent Improvement Lab 是一个独立的 公开的研究与工程项目，首个阶段是 tau2 Retail 的 Evaluation Harness v0.1 设计。

联系方式