在工程与研究之间，
寻找可靠的答案。
我的本科训练来自电子信息，毕业后曾在新产品导入阶段从事硬件研发与测试验证。工程现场让我形成了对可靠性、可复现性和验证闭环的重视。
进入人工智能专业硕士阶段后，我开始把这种工程思维带入大模型与智能体研究：让模型自由探索，但让计算交给确定性工具，让结论接受证据检验。
我喜欢跨越人工智能、工程与设计的边界，把模糊的问题转化为可以运行、可以测试、可以解释的系统。
CuriosityVerificationMaking
周华军的个人与研究档案
在工程与研究之间，
让 AI 不仅生成答案， 也交付可信的研究过程。
我的工作聚焦于科学发现与教育评价中的复杂任务，通过机制建模、科学先验、确定性计算与证据审计，构建可解释、可复现、可验证的智能研究工作流。
Questions / 我关注的问题
发现隐藏的科学联系
突破关键词与学科术语的边界，寻找远距离领域之间潜在的机制同构，为跨学科创新提供新的研究线索。
让 AI 的科研过程可信
将生成、计算、搜索和验证分离，使研究流程中的每一步可以检查，每个结论都能追溯到证据来源。
从小数据中提取规律
结合科学先验、实验数据与可解释模型，在有限且含噪的数据中发现简洁、稳健、具有科学意义的关系。
Workflow / 研究方法
让模型负责探索，让工具负责计算，让证据负责裁决。
- 01大模型与多智能体提出假设和检索策略
- 02符号回归与机器学习发现显式规律
- 03物理、化学先验约束模型结果
- 04确定性工具完成计算与统计分析
- 05盲测、消融实验与专家评价验证
- 06为结论保留可追溯的证据链
Research pillars / 当前研究
A
跨领域机制发现与可解释建模
Scientific Discovery
以机制中心跨领域检索框架 MCDF 寻找“主题不同但机制相同”的研究成果，并用科学先验引导符号回归，在橡胶老化、二维材料和石墨烯传感器等小样本问题中寻找可解释关系。
MCDF 在两个案例中取得超过 0.82 的平均机制一致性，并优于六种检索基线。
B
可执行、可验证的科研智能体
Reliable Research Agents
将化学研究任务拆分为可执行的研究技能，把模型生成的计算替换为确定性工具，同时审计检索结果、虚拟实验数据与类比证据的可靠性。
17 项任务通过率由 61.6% 提升至 88.7%，并在外部盲测中恢复主要实验结论。
C
基于证据的多模态教学评价
AI for Education
开发跨模态微格教学评价系统 CoMET，将语言、声音与视觉信息对齐到同一时间轴，形成能够追溯至具体教学时刻的联合诊断。
把可靠、可追溯的 AI 方法延伸到教育评价场景。
从电子系统，
走向智能研究。
工程经历塑造了我的验证意识，研究训练让我把它转化为可复现的智能系统方法。
2024.09—2027.06 Expected
四川师范大学
人工智能专业硕士研究生
导师：贾国柱教授。研究聚焦 AI for Science、可靠科研智能体与可解释科学建模。
Industry Experience
富士康科技集团 · 成都鸿富锦公司
光电工程师
参与新产品导入阶段的硬件研发、测试验证与问题定位，积累面向真实制造环境的工程开发和可靠性验证经验。
2018.09—2022.06
武夷学院
电子信息专业 · 工学学士
优秀毕业论文《基于 FPGA 的计算系统设计》。
从研究假设，
到可运行的系统。
我的能力横跨智能研究、软硬件开发与原型制造，但始终服务于同一件事：把想法变成可以验证的结果。
AI 与研究
能够完成研究原型、模型实验、数据分析与评价流程。
PythonMachine LearningLarge Language ModelsAgents
智能硬件
具备从数字系统设计到软硬件联调的工程能力。
FPGAMCUSTM32Hardware Testing
原型制造
能够把研究想法快速转化为可测试的实体原型。
3D PrintingLaser CuttingRapid Prototyping
数字产品
能够独立展示、解释并交付研究成果。
Web DevelopmentInteractionData Visualization
继续寻找，
值得验证的问题。
我正在准备申请 2027 年秋季入学的博士项目，希望继续探索大模型、智能体与科学发现或教育评价场景的交叉研究，期待加入重视真实问题、实验验证与系统落地的研究团队。
Curriculum Vitae 待上传
