我是李海畅 (Charles)，一名研究者与构建者
。此前，我是 Sounding.AI
的创始成员（该初创公司获千万级融资，专注于 AI Agent 系统探索）；我也曾在 Flowtica
和 MiraclePlus
(formerly YC China) 工作，并与 MEMO
保持合作。目前，我在 Prof. Zhicong Lu 的指导下进行研究，本科期间师从 ACM 杰出科学家/IEEE Fellow Prof. Yung-hsiang Lu。我的经历跨越了真实世界与学术界，这种双重视角塑造了我对 "Making something people want" 的执着，以及致力于在真实世界中实现 "From Paper to Product"
的研究导向。
作为一个拥有 AI 创业、研究、PM 和 VC 复合背景的 "0到1" 实践者，我专注于弥合研究、产品与市场之间的鸿沟。此前，我的工作曾获得 CES AI Best Innovation Award 及 Purdue DUIRI Fellowship，并被 Yahoo! Tech 和 Tech Xplore 报道。
高兴你对我的世界感兴趣。但很遗憾，这个主页目前已停止更新。在我找到那个真正的答案，或者做出让我内心自豪的新作品之前，这里将保持静默。
以下的内容仅代表我对 Research 的想法，也就是作为 Researcher 的我。如果你对于作为 PM/Builder 的 Charles 或者作为 VC 的 Charles 感兴趣，我在产品和 MiraclePlus 方面的工作仍然按照固定的路线迭代着。
这个世界发展的很快，但是我们总需要一段慢下来的时间。
我目前正在一段基础性的重构时期。
我的早期训练根植于 Human–AI Interaction。最初，当模型的 Agency 有限时，我专注于把 AI 变成人类的 "Iron Man suit"——利用智能体系统去理解用户意图来辅助任务。
然而，我已经超越了表层的交互设计。
我非常共鸣 The Bitter Lesson 中的观点 —— "We want AI agents that can discover like we can, not which contain what we have discovered."
我的目标是将 AI 从辅助性的 "Suit" 进化为真正的 "Iron Man" —— 一个能够理解个性化意图和语境并做出对应行动的自主智能体。我希望了解和设计这样的 AI，从而以 Bottom-up 的方式推动超越 Interface 的人机关系。
正是基于这样的愿景，我开始重新审视当下的研究范式：
我正在思考 Human-AI Interaction 是否还是一个值得做科学研究的领域（相比于工业界真正的数据飞轮和真实用户）。用户到底需要什么样的帮助来推动这个时代的人机关系？有些时候，我觉得如果交互仅仅停留在 Interface 层面，仅仅是在 Lab 里用标准化的流程进行设计、实现、分析和论文写作，似乎没有意义，也无法真正推动这个时代人类的认知边界。
我对于研究的定义很纯粹：通过探索性的 Discovery 来解决现存的问题，从而推动人类的认知。这个现存的问题应该是 1. 基于人类的真实需求，并且 2. 是一个庞大链条上的一环。对于那些不是基于真实需求以及无法进行后续探索（声称自己为终端或者结束）的发现，我保持怀疑态度，所以，我正在重新思考这一切。
作为重构的一部分，在短期内，我正在探索：
- 如何构建 Humans enhancing AI 的协作渠道，而不仅仅是 AI 增强人类；以及对应的 Control、Alignment 和 Trustworthiness。
- AI 如何利用人类偏好以及实时交互数据来完成更丰富的 Reasoning 和 Agentic Action。
- 我们需要围绕模型外侧构建什么样的 Infrastructure，而不是仅仅依赖模型训练。模型更新太快，但交互的范式可以是通用的。