关于我
我是 吴昭烨，在 GitHub 上使用 Glaz-j。我关注 Agent 系统与大模型应用，也是医学 AI、机器人与强化学习的研究者，以及量化交易研究者。
我希望把模型能力放进可运行、可追踪、可验证的系统中：让工具调用有边界，让状态变化有依据，让实验结果能够复现。
我在探索什么
- Agent 系统与可靠性：文件上下文新鲜度、工具调用、只读旁路对话、时间边界证据与行为评测。
- 有状态的交互世界：将语言模型的叙事和决策，与确定性世界规则、长期记忆结合。
- 医学人工智能：医学图像分割、跨模态学习、临床事件建模与离线强化学习。
- 机器人与强化学习：手术机器人离线策略学习、长序列目标建模与术后低氧管理决策。
- 量化交易研究：市场数据治理、新闻因子、执行感知回测与失败复盘。
教育背景
厦门大学 · 信息学院 · 软件工程硕士
2024–2027（预期，按已有简历记录）
研究与课程涉及深度学习、计算机视觉、机器学习、数据挖掘与分析。
福州大学 · 软件学院 · 软件工程本科
2020–2024
科研经历
厦门大学医学院心血管病研究所 · 医学人工智能科研实习
2025.09–2026.07（按已有简历记录）
参与医学人工智能研究中的数据分析、实验设计与结果整理，以及临床队列和 ICU 时序数据集构建；研究实践涉及心血管疾病与眼科影像任务。
技术与方法
- 编程与系统：Python、TypeScript / Node.js、PyTorch、FastAPI。
- Agent 工程：工具执行、上下文管理、状态机、模型路由、RAG 和 LLM 后训练。
- 算法研究：图像分割、域适应、半监督学习、Transformer、离线强化学习与可解释建模。
- 工程实践：Git、Linux、GitHub Actions、Python / TypeScript 自动化测试。
联系与交流
可以通过 GitHub · Glaz-j 了解代码与项目。这里会逐步补充项目复盘和研究笔记。
本页依据已有简历和公开仓库整理。教育及经历时间保留原记录，后续继续更新。