HTML
Líder de sistemas de IA e arquiteto quantitativo DeFi
Eu arquiteto agentes de IA autônomos e pipelines sem humanos que extraem valor de mercados descentralizados, desde mecanismos de arbitragem de cadeia cruzada de alta frequência até aplicação de risco determinística sem substituição humana. Como palestrante FinTech e Ph.D. candidato, eu faço a ponte entre pesquisas de ponta e sistemas de nível de produção fornecidos.
AI DeFi Arquiteto, OPC
IA Agente × Quant DeFi
Cada linha de código que escrevo serve uma ideia: os sistemas descentralizados e a IA podem – e devem – tornar as finanças mais justas para todos.
Pipelines zero-humanos são o fim do jogo. Eu construo sistemas que ingerem dados on-chain, executam estratégias e impõem riscos – tudo sem uma única etapa manual.
Os insights acadêmicos só são valiosos quando atingem a produção. Eu transformo a pesquisa em nível de dissertação em ferramentas de código aberto, mecanismos de backtesting e sistemas de negociação ao vivo.
Desde palestras de pós-graduação em HKBU até hackathons líderes (vencedor do H.K. Consensus 2025), torno o conhecimento de IA e blockchain acessível — e acionável.
O perfeccionismo mata o impulso. Lance cedo, aprenda rápido, trate cada falha como dados. Os melhores sistemas são forjados por meio de iteração incansável.
"A melhor época para plantar uma árvore foi há vinte anos. A segunda melhor época é agora."
- Provérbio Chinês
Construindo sistemas autônomos e sem humanos que extraem valor e impõem riscos em mercados descentralizados
LangChain, n8n, Kimi OpenClaw, sistemas autônomos multiagentes (MAS) e arquiteturas de execução como serviço (EaaS) que revisam contratos inteligentes de forma autônoma, executam simulações e exigem execução em cadeia.
Python (Web3.py / Brownie), Web3.js, mecanismos de arbitragem entre cadeias de alta frequência, arbitragem de taxas de financiamento, simulação de deslizamento de AMM e análise e backtesting de dados na cadeia.
Gerenciamento automatizado de riscos aplicado pela lógica determinística OpenClaw. Aplicação de limite algorítmico, proteção de redução em tempo real e protocolos de execução sem substituição humana.
Design em nível de protocolo, garantia de contrato inteligente (Solidity/Rust), segurança de identidade criptográfica, pipelines automatizados sem humanos e arquiteturas de interoperabilidade entre cadeias.
Resumo -Os controladores algorítmicos de reserva de stablecoin são vulneráveis à otimização cega ao regime quando calibram com base em dados de tempo bom, ignorando eventos de cauda. O colapso da BLACK THURSDAY de março de 2020 (US$ 8,3 milhões em perdas, 15% de desvio de indexação) expôs uma vulnerabilidade importante: modelos como o Stable Aggregate Stablecoin (SAS) omitem sistematicamente a extrema volatilidade das estimativas de covariância, produzindo alocações que são ótimas em termos de expectativa, mas catastróficas sob estresse. Para resolver esta lacuna, apresentamos MVF-Composer, um controlador de Fronteira Média-Variância ponderado pela confiança que incorpora um Stress Harness para estimativa do estado de risco. O Stress Harness conduz simulações multiagentes que servem como testadores de estresse adversários: agentes heterogêneos executam ações de protocolo em cenários de crise, expondo vulnerabilidades antes que elas se manifestem na cadeia. Um mecanismo complementar de pontuação de confiança reduz o peso dos agentes manipuladores, garantindo robustez contra a influência adversária.
Em 1.200 cenários com choques de cisne negro, MVF-Composer reduz o desvio de indexação de pico em 57% e o tempo de recuperação em 3,1× em relação ao SAS. A camada de confiança é responsável por 23% dos ganhos de estabilidade. O sistema é executado em hardware comum e fornece uma estrutura reproduzível para testes de estresse de reservas DeFi contra riscos de cauda.
Termos do Índice – Stablecoins Algorítmicos, Finanças Descentralizadas, Simulação Baseada em Agente, Teste de Estresse, Gerenciamento de Risco, Otimização de Média-Variância
Publicações selecionadas e resultados de pesquisa
Capítulo de livro | DOI:10.1007/978-3-032-00495-6_8
Colaboradores: Shengwei You; Andrey Kuehlkamp; Jarek Nabrzyski
Chave de citação:you2026_hybrid_stabilization
Cluster Computing, artigo de jornal | DOI:10.1007/s10586-023-04222-4
Colaboradores: Shengwei You; Kristina Radivojevic; Jarek Nabrzyski; Paul Brenner
Chave de citação:você2024_p2rp
2023 Quinta Conferência Internacional sobre Computação e Aplicações Blockchain (BCCA) | DOI:10.1109/bcca58897.2023.10338860
Colaboradores: Shengwei You; Aditya Joshi; Andrey Kuehlkamp; Jarek Nabrzyski
Chave de citação:you2023_mining_user_behavior
2022 Quarta Conferência Internacional sobre Computação e Aplicações Blockchain (BCCA) | DOI:10.1109/bcca55292.2022.9922068
Colaboradores: Shengwei You; Kristina Radivojevic; Jarek Nabrzyski; Paul Brenner
Chave de citação:you2022_trust_context_blockchain
Desde contribuições de código aberto em The Linux Foundation até a construção de sistemas DeFi sem humanos
Independente OPC · Hong Kong
Projetei um simulador de ação DeFi aplicado por IA, aproveitando n8n + LangChain MAS para executar de forma autônoma revisões de código de contrato inteligente, simulações de derrapagem e transações em cadeia. Construiu um mecanismo de arbitragem cross-chain de alta frequência com Python (Web3.py) e Web3.js. Protocolos de risco determinísticos arquitetados por meio da lógica OpenClaw, aplicando limites máximos de redução diária sem nenhuma substituição humana. Pipelines de dados ponta a ponta projetados para análises on-chain em tempo real e otimização de estratégia.
Escola de Negócios, Hong Kong Baptist University · Hong Kong
Desenvolvi e entreguei um currículo de pós-graduação em Computação Financeira, orientando os alunos na construção e backtesting de modelos de negociação quantitativos com Python (NumPy, pandas, StatsModels) e aprendizado de máquina (scikit-learn).
The Linux Foundation · São Francisco, CA
Liderei o desenvolvimento de um painel de visualização de desempenho em tempo real para redes Hyperledger Fabric usando a pilha MERN. Criei documentação técnica abrangente para Caliper-CLI, reduzindo o tempo de integração do desenvolvedor em aproximadamente 30%. Apresentado emHyperledger Global Forum 2020.
Purdue University, CSE · West Lafayette, IN
Desenvolvi uma carteira hierárquica-determinística (HD) segura em Go e abri o código-fonte do projeto para a comunidade de desenvolvedores. Projetou um ataque adversário de ML às CNNs e apresentou as descobertas à comunidade de segurança cibernética da universidade.
Ph.D. Candidato, Ciência da Computação
University of Notre Dame
2020 – Presente · South Bend, IN
Conselheiro: Jarek Nabrzyski. Dissertação: Modelei e simulei riscos econômicos e falhas sistêmicas de confiança em protocolos de stablecoin, projetando novos mecanismos para interoperabilidade minimizada pela confiança. Arquitetou um sistema multiagente de prova de conceito para pontuação de risco de desfixação de stablecoin em tempo real.
MS, Ciência da Computação (InfoSec)
Purdue University
2018 – 2019 · West Lafayette, IN
Concentre-se em segurança da informação, criptografia e aprendizado de máquina adversário.
BA, Matemática (ML Aplicado, PNL)
University of Washington
2014 – 2018 · Seattle, WA
Matemática aplicada com foco em aprendizado de máquina e processamento de linguagem natural.
Interessado em colaboração em pesquisa, DeFi oportunidades de consultoria, ensino ou palestras? Eu adoraria ouvir de você.