html
首席 AI 系统和定量 DeFi 架构师
我构建了自主人工智能代理和零人工管道,从去中心化市场中提取价值,从高频跨链套利引擎到无需人工干预的确定性风险执行。作为金融科技讲师和博士。作为候选人,我将尖端研究与交付的生产级系统联系起来。
AI DeFi 建筑师,OPC
代理 AI × 定量 DeFi
我编写的每一行代码都服务于一个想法:去中心化系统和人工智能可以而且应该让金融对每个人都更加公平。
零人力管道是最终目标。我构建的系统可以摄取链上数据、执行策略并强制执行风险——所有这些都不需要任何手动步骤。
学术见解只有在投入生产时才有价值。我将论文级别的研究转化为开源工具、回测引擎和实时交易系统。
从 HKBU 的研究生讲座到领先的黑客马拉松(2025 年香港共识获胜者),我让人工智能和区块链知识变得易于理解且可操作。
完美主义会扼杀动力。尽早启动,快速学习,将每次失败视为数据。最好的系统是通过不懈的迭代打造出来的。
“种一棵树最好的时机是二十年前,其次是现在。”
——中国谚语
构建自主、零人的系统,在去中心化市场中提取价值并加强风险
LangChain、n8n、Kimi OpenClaw、自治多代理系统 (MAS) 和执行即服务 (EaaS) 架构,可自主审查智能合约、运行模拟并强制链上执行。
Python(Web3.py / Brownie)、Web3.js、高频跨链套利引擎、资金费率套利、AMM滑点模拟、链上数据分析和回测。
由 OpenClaw 确定性逻辑强制执行自动化风险管理。算法阈值执行、实时回撤保护和零人为覆盖执行协议。
协议级设计、智能合约托管(Solidity / Rust)、加密身份安全、零人自动化管道和跨链互操作架构。
抽象的 -当算法稳定币储备控制器在忽略尾部事件的同时根据晴天数据进行校准时,很容易受到机制盲目优化的影响。 2020 年 3 月的“黑色星期四”崩盘(损失 830 万美元,挂钩偏差 15%)暴露了一个关键漏洞:稳定聚合稳定币 (SAS) 等模型系统性地忽略了协方差估计中的极端波动性,产生的配置在预期中是最优的,但在压力下却是灾难性的。为了解决这一差距,我们提出了MVF-Composer,一种信任加权均值方差前沿控制器,结合了用于风险状态估计的压力线束。压力线束驱动多代理模拟,充当对抗性压力测试器:异构代理在危机场景下执行协议操作,在漏洞在链上显现之前将其暴露出来。互补的信任评分机制减轻了操纵主体的权重,确保抵御对抗性影响的稳健性。
在 1,200 种黑天鹅冲击场景中,与 SAS 相比,MVF-Composer 将峰值挂钩偏差减少了 57%,恢复时间缩短了 3.1 倍。信任层占稳定性收益的 23%。该系统在商用硬件上运行,并提供可重复的框架,用于对尾部风险的DeFi 储备进行压力测试。
索引术语——算法稳定币、去中心化金融、基于代理的模拟、压力测试、风险管理、均值方差优化
选定的出版物和研究成果
本书章节|数字编号:10.1007/978-3-032-00495-6_8
贡献者:Shengwei You; Andrey Kuehlkamp; Jarek Nabrzyski
引用关键词:you2026_hybrid_stabilization
集群计算,期刊文章 |数字编号:10.1007/s10586-023-04222-4
贡献者:Shengwei You; Kristina Radivojevic; Jarek Nabrzyski; Paul Brenner
引用关键词:you2024_p2rp
2023第五届区块链计算与应用国际会议(BCCA)|数字编号:10.1109/bcca58897.2023.10338860
贡献者:Shengwei You; Aditya Joshi; Andrey Kuehlkamp; Jarek Nabrzyski
引用关键词:you2023_mining_user_behavior
2022年第四届区块链计算与应用国际会议(BCCA)|数字编号:10.1109/bcca55292.2022.9922068
贡献者:Shengwei You; Kristina Radivojevic; Jarek Nabrzyski; Paul Brenner
引用关键词:you2022_trust_context_blockchain
从 The Linux Foundation 的开源贡献到构建零人类 DeFi 系统
独立OPC · 香港
利用 n8n + LangChain MAS 设计了一个人工智能执行的 DeFi 动作模拟器,以自主执行智能合约代码审查、滑点模拟和链上交易。使用Python(Web3.py)和Web3.js构建了高频跨链套利引擎。通过 OpenClaw 逻辑构建确定性风险协议,以零人为干预执行最大每日回撤限制。设计端到端数据管道,用于实时链上分析和策略优化。
商学院,Hong Kong Baptist University · 香港
开发并提供研究生水平的金融计算课程,指导学生使用 Python(NumPy、pandas、StatsModels)和机器学习 (scikit-learn) 构建和回测量化交易模型。
The Linux Foundation · 加利福尼亚州旧金山
使用 MERN 堆栈领导为 Hyperledger Fabric 网络开发实时性能可视化仪表板。为 Caliper-CLI 撰写了全面的技术文档,将开发人员的入职时间减少了约 30%。发表于Hyperledger Global Forum 2020 年.
Purdue University,CSE · 印第安纳州西拉斐特
使用 Go 开发了安全的分层确定性 (HD) 钱包,并为开发者社区开源了该项目。设计了针对 CNN 的对抗性机器学习攻击,并向大学网络安全社区展示了研究结果。
博士候选人,计算机科学
University of Notre Dame
2020 年 – 至今 · 印第安纳州南本德
顾问:Jarek Nabrzyski。论文:对稳定币协议中的经济风险和系统性信任失败进行建模和模拟,设计新的信任最小化互操作性机制。构建了一个概念验证多代理系统,用于实时稳定币脱钩风险评分。
计算机科学硕士(信息安全)
Purdue University
2018 – 2019 · 印第安纳州西拉斐特
专注于信息安全、密码学和对抗性机器学习。
学士,数学(应用机器学习、NLP)
University of Washington
2014 – 2018 · 华盛顿州西雅图
应用数学,重点关注机器学习和自然语言处理。