AutoResearch 二期报名文案 v8｜2026-09-23｜按平台字段与字数取用

【个人信息】
姓名：潘志超
学校：扬州大学广陵学院
专业：计算机科学与技术
年级：本科三年级在读
GitHub：https://github.com/Zhi-Chao-PAN

【极短版（表单字数紧张时）】
计算机专业大三。本次用 AI 辅助公开两项可核验研究：六次反馈预算的研究代理检索任务（新增轨迹未超过预设搜索）和修正分词输入后的 LoRA 鲁棒性实验（PAWS 近随机）。均保留源码、协议与负结果。我愿现场接受论文方法解释、代码核验和限时试做，申请按成果酌情考虑。

【短版自我介绍】
我是计算机科学与技术专业大三学生，有 AI 评测与工程项目实践。本次用 AI 辅助完成并公开了两项有协议、源码、纠错和负结果的研究材料：六次反馈预算下的研究代理检索任务，以及 LoRA 输入纠错与句对鲁棒性。我愿在现场独立解释英文方法、定位代码与完成限时试做，申请按成果及实际能力酌情考虑；年级如实填写。

【项目一：Research Agent Bench｜最贴合可反复尝试的实验任务】
审阅快照：https://github.com/Zhi-Chao-PAN/research-agent-bench/releases/tag/reviewer-snapshot-2026-09-23-r2
本轮以 AI 辅助将加权 RRF 参数选择设计为六次开发集调用任务，固定参数、先行假设、反馈、预算和选优规则。除历史一条六轮轨迹外，新增三条各六轮真实 LLM 轨迹；另用 189 点参数面及 100 组无需 LLM 的六次随机搜索作数值对照。新增三条均选中相同配置，公开测试指数增益 nDCG@10 为 0.307044，低于预设六点搜索的 0.307294，因此不宣称代理优于搜索。仓库公开候选、轨迹、选择锁、源码及从上游数据重建的核验路径，并提供英文论文方法到可运行任务的对照索引。公开 CI 已实际构建审计容器、断网运行轨迹核验和虚构数据六次预算演示；容器不重建 NFCorpus、不证明本人 Docker 熟练。100 组随机搜索不是 100 条 LLM 轨迹。公开测试参数面此前已被查看，结论属于探索性研究。

【项目二：LoRA 输入纠错与鲁棒性】
审阅快照：https://github.com/Zhi-Chao-PAN/lora-robustness-reproduction/releases/tag/reviewer-snapshot-2026-09-23
本轮以 AI 辅助完成三方法×两训练预算×三种子的 18 次主训练、两次单种子 rank 诊断和一次从头重复。审计发现旧 tokenizer 入口缺少 BPE merges 后，撤回旧性能解释，逐条核对 4,076 条 MRPC 编码并重训。12 轮时 LoRA-r8 的 MRPC 平均 F1 为 0.9074，全量微调为 0.9081；固定选择的模型在 PAWS 词序压力集上 balanced accuracy 分别为 0.5009 和 0.5003，接近常量分类基线。公开材料保留源码、依赖、汇总结果、纠错记录和复跑指令；不宣称复现 LoRA 原论文全部结果，也不把公开测试当盲测。

【年级酌情考虑与个人贡献】
我目前本科三年级，理解项目原则上面向本科四年级及以上。希望以已有公开工程项目、上述可核验研究材料和实际试做能力争取酌情考虑。本轮项目实现、训练、分析与文案由 AI 辅助完成；公开仓库不等于本人已独立复跑或具备论文发表成果。我愿接受指定英文方法、给定代码和限时实验的现场考核，以实际完成情况说明个人贡献。

【提交前自查，不贴入正文】
按实际情况补齐毕业年份、联系方式和每周可投入时间；这些信息尚未由本人确认。两项 GitHub 审阅快照和公开 CI 已上线，个人网站中英文案例也已发布；报名优先给评审固定 Release。V5 全量包的数据准备入口有打包错误，使用公开 Research Agent Bench 仓库的更正入口；V5 旧报名稿最后的“新实验尚未发布”已失效。若能提供 Xpert 经历的脱敏证明，再按实际参与范围补充该经历。本人限时实操尚未完成前，不把自动演示或远端 Docker CI 当作个人能力证明。
