Tony (Lipeng) He

一页了解研究者与学术方向

主页将 Tony He 介绍为滑铁卢大学计算机科学博士生，同时也是软件工程师、创业者和研究者。页面列出他与 Secure Systems Group、Cryptography, Security, and Privacy Lab 以及 Cybersecurity and Privacy Institute 的关联，并提供 Google Scholar、LinkedIn、GitHub、电子邮件和简历等链接。对刚接触其工作的读者来说，这些内容构成一张简明的研究者索引：先通过简介了解背景，再根据兴趣前往论文或代码页面。

这类个人主页的价值在于把分散的信息放在一个可浏览的入口中。论文通常发表在学术会议或预印本平台，代码则可能托管在不同仓库；如果只从搜索结果逐项寻找，读者需要判断多个同名页面是否指向同一个人。主页通过个人简介、研究兴趣和外部资料链接，把这些入口连接起来。它不替代论文原文、会议记录或代码仓库，而是帮助读者先建立方向，再选择需要深入阅读的资料。

研究问题聚焦在真实部署中的可靠性

主页把研究重点概括为可信机器学习，并特别关注大语言模型的鲁棒性，以及智能体人工智能系统中的安全与隐私。研究说明提到，模型进入实际系统后会面对许多不同条件：经过微调或压缩、连接外部工具、读取外部内容，或作为多智能体流程的一部分运行。页面指出，这些变化可能带来数据泄漏、提示注入、不安全的工具使用、脆弱的安全行为，以及事后难以解释或审计等风险。

从这个问题设置可以看出，研究视角并不只讨论模型在静态测试集上的表现，也关注模型如何被集成到工作流程和软件系统里。一个模型单独回答问题时看似稳定，接入文件、浏览器或其他工具后，输入来源与执行路径都会变复杂；系统可能需要处理用户指令、模型生成内容和外部资料之间的边界。主页将这些部署场景列为关注对象，因此适合希望了解人工智能安全如何延伸到应用系统层面的读者。

研究说明还提到两类互补工作：一类是设计有效且高效的对抗性攻击，例如自动化红队测试，用来发现系统在部署条件下可能出现的失败；另一类是探索有原则、可扩展的防御，例如结合强化学习或机制可解释性的方法。页面同时提到应用密码学、理论机器学习和系统安全等背景。读者可以据此理解该方向如何把模型行为、软件系统和安全分析联系起来，而不必把问题简化为单一模型的准确率比较。

通过精选论文追踪具体成果

首页的精选论文区域列出多项研究，并为部分条目提供论文、会议、代码或项目页面入口。可见的论文主题包括机器学习流程中的串谋对手、微调语言模型的安全保持、模型特征锁定、单样本修补微调模型，以及对齐模型中的激活近似风险分析。不同条目附有相应的会议名称和年份信息，读者可以从主题标题初步筛选，再打开原始论文或代码了解方法和实验。

这样的组织方式适合把“研究方向”拆解为可跟进的具体问题。例如，关于微调后安全性的论文可以让读者继续查看研究如何描述安全行为的变化；关于激活近似的工作则将注意力放在效率优化与安全影响之间的关系。主页没有把这些题目替代为完整摘要，而是作为索引链接到论文与相关材料，因此需要准确结论、实验设置或适用范围时，应以原论文为准。会议年份也会随着研究持续更新，读者在引用前应打开对应出版页面核实最终版本和书目信息。

论文旁边出现代码链接时，读者也可以继续检查项目仓库，了解是否公开实现、使用说明和复现实验所需材料。代码与论文的维护状态可能不同，主页上的链接仅说明存在对应入口，不代表所有项目都提供相同程度的文档或持续维护。把主页作为导航起点，再分别查看论文、会议和代码页面，能够更清楚地区分研究结论与实现细节。

页面导航兼顾学术资料与个人项目

顶部导航提供首页、Pages 和 AMA 等入口。Pages 页面汇集个人仪表板、Web3、阅读清单、播客、客座簿以及若干项目链接，显示这并非只放置论文列表的静态简历页。页面还介绍 Retroguard、Snapod、Autogrind 等项目或产品入口。对于关心作者研究之外工作的访客，这一栏目可以帮助发现其公开展示的项目和兴趣；具体功能应以各项目自己的页面说明为准。

AMA 页面提供一个公开提问入口，邀请访客在评论区提交问题，同时明确说明回复并无保证。这个说明为读者设定了清楚预期：页面适合提出与作者工作相关的问题或查看讨论入口，但不能视作即时客服，也不能假定每个问题都会得到答复。首页另有订阅与社群入口，读者可以按自己的需要选择继续关注或参与。

整体而言，网站把学术信息和个人项目放在同一处，但每个部分承担不同作用：个人简介帮助确认身份与背景，研究说明概括关注的问题，论文列表通向正式成果，Pages 收纳更广泛的项目，AMA 则提供有限的互动方式。读者可以按“先看研究问题、再挑选论文、最后查看项目或提问”的顺序浏览，不需要从所有链接同时开始。

适合哪些读者使用

如果你正在了解可信机器学习、语言模型安全、智能体系统隐私，或寻找与这些方向相关的论文和研究人员，这个主页可以作为起点。准备开展文献阅读的学生可以先根据首页的研究主题确定兴趣，再打开精选论文查看问题定义和方法；从事模型部署或应用安全的工程师，则可以把研究说明中的提示注入、工具使用和审计问题作为进一步阅读的线索。关注作者个人项目的访客可浏览 Pages 栏目，而希望交流的人可以先阅读 AMA 页面并了解评论区规则。

浏览时也要区分概览与原始资料的用途。主页适合快速建立背景和发现入口，不能代替论文中的技术细节、正式出版信息或项目文档。研究领域会持续发展，页面上的论文和外部链接也可能更新；当你需要复现结果、引用研究或判断某项工具当前是否可用时，应继续查看相应的原始来源。这样使用，既能发挥个人主页作为导航页的便利，也能让具体判断建立在对应的论文或项目页面上。