研究模型。构建系统。
我是房超华，专注大模型应用与 Agent 开发。
从酶–底物表示学习，到 macOS 桌面执行。
dsh macOS
Computer Use
面向 MCP 与 DeepSeek Harness 的桌面执行器
把模型的操作意图接入真实桌面。观察当前界面，校验目标与坐标，再执行输入，并将结果交回客户端。
了解项目与我的工作客户端MCP / Harness
执行器观察与输入
macOS真实桌面
结果返回客户端
computer_observe
读取截图、窗口与可访问性元素，生成本次观察的 observation_id。
规划在客户端，执行在本机。
12 个桌面工具覆盖观察、文本读取、键鼠输入与停止。
真实输入、只读检查与离线测试分别记录。
EnzSub
酶–底物表示学习与多任务评估
通过持续预训练与底物感知训练，适配蛋白质语言模型。比较不同表示在酶功能与性质预测中的表现。
了解方法与完整实验MCC越高越好
CPT-SUB 相比 Base，MCC 增加 0.0618。
确定性评估 · n = 1
查看数值与数据来源
| 训练状态 | MCC | 标准差 | 重复次数 |
|---|---|---|---|
| Base | 0.5637 | — | 1 |
| CPT | 0.5622 | — | 1 |
| Base-SUB | 0.6090 | — | 1 |
| CPT-SUB | 0.6256 | — | 1 |
来源：EnzSub Source Data，Fig.3a。图中误差线为已有结果的标准差，不代表置信区间。所有对比均在同一骨干模型与任务条件内进行。
当前展示五类任务的主指标，共 72 个结果。数据整理日期：2026-10-14。
关于我
大模型应用 / Agent 开发
我关注模型如何适应具体问题，也关注它如何进入真实的执行环境。
江南大学人工智能硕士在读，预计 2027 年毕业。求职方向为大模型应用与 Agent 开发。
EnzSub · 方法、训练与评估代码、数据整理及实验分析。
Computer Use · 公开接口适配、执行约束与验证材料。