Rui Tao Personal Research Studio

01 Research Profile

Rui Tao Artificial Intelligence × Decision Science

研究智能系统如何在不确定性与现实约束下学习和决策。

查看研究线索 阅读笔记与工具
Decision FrontierRisk / Return
风险收益决策前沿 横轴表示平均表现，纵轴表示尾部稳健性。蓝色曲线连接不被其他方案同时超越的 Pareto 有效策略，实心蓝点表示在最低稳健性约束下选择的折中方案。 minimum tail robustness Pareto frontier selected policy Tail robustness Expected performance →
横轴为平均表现，纵轴为尾部稳健性；蓝线是 Pareto 前沿，蓝点是在最低稳健性 约束下的折中选择。

02 Research Threads

正在推进的三条线索

这些不是互不相关的项目标签。它们都在处理同一个问题：如何把不确定性、 约束和证据边界真正写进学习与决策过程。

R—01 / LEARNING OBJECTIVE

风险敏感的策略学习

不只优化平均奖励，而是研究奖励分布的不同区域如何改变探索、稳定性与困难 样本上的学习信号。重点关注风险度量、可验证反馈和策略优化之间的联系。

  • Risk measures
  • Policy optimization
  • Verifiable feedback

R—02 / DISTRIBUTION SHIFT

分布偏移下的序贯决策

使用生成模型描述未来不确定性，再用强化学习求解带尾部风险的动态决策。 更关心样本外失效、真实路径检验和决策约束，而不是只报告模拟环境中的高分。

  • Generative scenarios
  • CVaR
  • Backtesting

R—03 / HUMAN OVERSIGHT

人机协同与复核分配

当 AI 在不同任务上的可靠性未知且差异明显时，研究如何把稀缺的人类判断 投向最需要校准的位置，同时保留基础人工程序、审计能力和最终责任。

  • Adaptive allocation
  • Uncertainty
  • Human-in-the-loop

03 Notes & Tools

公开笔记与本地工具

将研究中反复使用的机制、公式和估算过程拆开说明。内容只保留可以公开、 可以复核的部分，不把论文或项目材料原样搬到网页。

Mechanism Note01

Transformer：
从注意力到推理成本

用张量形状、掩码、GQA/MQA 与 KV Cache 串起训练和自回归推理， 并区分模型结构、学习目标与可靠性。

阅读完整笔记
Local Calculator02

模型内存
拆解工具

分别估算权重、KV Cache、全参数训练状态与 LoRA 持久内存， 明确哪些部分可以计算、哪些仍需实测。

打开本地工具

04 Current Practice

我如何判断一项结果是否可信

Formulate

先确认真正优化的目标，而不是从算法名称反推问题

Evaluate

把生成场景表现、样本外检验与真实路径结果分开报告

Govern

在高风险应用中保留人工复核、权限边界与可追溯证据

05 About

比模型得分更重要的，
是它支持了什么决策。

我的工作横跨机器学习与管理科学：既关心模型如何训练，也关心目标函数、 数据生成过程、组织约束和人工判断如何共同决定结果。这个网站用于公开机制 笔记、可复核的小工具，以及不涉及敏感材料的研究方法总结。

本站为非商业个人学习与研究记录。未公开论文、受限数据、合作方材料和未经 复核的实验结果不在这里展示。