专注于 LLMs 智能体开发 | 将大模型应用到生活中的方方面面：因果推断与智能体，多智能体应用探索

我是 DMIR 实验室 的一员，热衷于探索人工智能的前沿领域。

• Multi-agent Systems：探索多智能体协作架构，研究复杂任务环境下的智能体分工、通信机制与协同决策。
• Agentic Applications：致力于构建端到端的智能体解决方案，将 LLM 的推理能力转化为解决实际问题的自主行动力。
• LLMs Tools：开发增强大模型能力的工具链与中间件，涵盖 RAG（检索增强生成）、长短期记忆管理 (Memory) 及工具调用框架。
• Causal Inference：结合大模型与因果科学，专注于自动因果发现、反事实推理及可解释性分析，提升 AI 的逻辑可靠性。

1. CausalAgent: A Conversational Multi-Agent System for End-to-End Causal Inference(IUI2026)

• DOI: 10.1145/3742414.3794777
• Contributors: Jiawei Zhu; Wei Chen; Ruichu Cai

2. A Report on the llms evaluating the high school questions

• URI: https://arxiv.org/abs/2505.00057
• Contributors: Zhu Jiawei; Chen Wei

3. VIGOR+: Iterative Confounder Generation and Validation via LLM-CEVAE Feedback Loop

• URL:https://arxiv.org/abs/2512.19349

• Email: [email protected]
• ORCID: 0009-0006-6516-3611
• Lab: DMIR Laboratory