機器之心報道

機器之心編輯部

亞馬遜 AI 博士獎學金獲得者已經(jīng)陸續(xù)公布了，該計劃將資助來自九所大學的 100 多名博士生來研究機器學習、計算機視覺和自然語言處理領域。

九所高校包括 CMU、約翰霍普金斯大學、MIT、斯坦福大學、加州大學伯克利分校、加州大學洛杉磯分校、伊利諾伊大學厄巴納 - 香檳分校、德克薩斯大學奧斯汀分校和華盛頓大學。

另外，該項目將在 2025–2026 和 2026–2027 兩個學年中，向?qū)W生提供 1000 萬美元的資助，并每年額外提供 2400 萬美元的 Amazon Web Services（AWS）云計算額度。這使得該項目在兩年內(nèi)共計提供 6800 萬美元。

截止目前，已有多所高校公布了博士生入選名單，接下來，我們看看華人學者有哪些。

MIT

Jenny Huang

Jenny Huang 是 EECS 的博士生。她的研究興趣包括數(shù)據(jù)驅(qū)動的機器學習、不確定性量化以及高效人工智能的開發(fā)。Huang 在杜克大學獲得了統(tǒng)計學和計算機科學學士學位。

David Jin

David Jin 是計算科學與工程系的博士生。Jin 對可擴展計算有濃厚興趣，并致力于通過算法設計和現(xiàn)代硬件推動其發(fā)展。在機器人和能源應用方面，他的研究專注于人工智能驅(qū)動決策系統(tǒng)中 GPU 加速的大規(guī)模優(yōu)化方法。

Songyuan Zhang（張凇源）

張凇源是航空航天系的博士研究生，本科畢業(yè)于清華大學錢學森工程科學實驗班（錢班）。他是可靠自主系統(tǒng)實驗室的成員。張的研究興趣集中在安全多智能體系統(tǒng)、強化學習、控制理論和機器人。目前，他的目標是開發(fā)真正智能的輔助機器人。

CMU

Yuxiao Qu

Yuxiao Qu 希望為 AI 智能體賦予人類的求知欲，一個像科學家一樣尋求知識的 AI 系統(tǒng) —— 提出假設、進行實驗并得出結(jié)論 —— 將推動科學研究、藥物發(fā)現(xiàn)和持續(xù)數(shù)字輔助領域的探索前沿。他本科畢業(yè)于香港中文大學。

Danqing Wang（王丹青）

王丹青正致力于通過建立基準和評估方法、將安全性和功能性整合到訓練中，并確保智能體僅共享必要信息以提高效率并降低風險，從而提高基于 LLM 智能體在復雜現(xiàn)實環(huán)境中的可靠性和安全性。這項研究將為開發(fā)智能、可信且安全的 AI 智能體奠定堅實基礎。

她本碩畢業(yè)于復旦大學計算機專業(yè)，曾在字節(jié)跳動研究院 AI 實驗室擔任研究員，在 meta AI（FAIR）、阿里巴巴（Qwen 團隊）實習。

Mengdi Wu（吳夢迪）

吳夢迪本科畢業(yè)于清華大學姚班。她利用機器學習來自動學習和適應計算內(nèi)核優(yōu)化策略，以適用于硬件和工作負載。這項工作旨在跨不同平臺提供高性能內(nèi)核，同時減少開發(fā)人員的工作量，并實現(xiàn)更快、更具可擴展性的模型訓練和推理。

Xinyu Yang

Xinyu Yang 希望通過簡化端到端訓練系統(tǒng)來使 AI 智能體得到擴展。他的工作引入了一種新的生成模型架構(gòu)，該架構(gòu)能夠在單個模型運行時實現(xiàn)多智能體工作流程。他本科畢業(yè)于上海交通大學 ACM 班。

Zeji Yi

Zeji Yi 希望將生成模型應用于通用機器人平臺，例如人形機器人和靈巧手。這項工作可能為下一代人形機器人基礎模型鋪平道路，其潛在應用包括倉庫自動化和配送中心。

他本科畢業(yè)于清華大學錢學森工程科學實驗班，碩士畢業(yè)于清華。

Zichun Yu

Zichun Yu 主要研究 LLM 面臨的一些挑戰(zhàn)，即有機數(shù)據(jù)有限及其對模型預訓練造成的瓶頸。Zichun Yu 專注于設計和優(yōu)化合成數(shù)據(jù)生成系統(tǒng)，以補充稀缺的有機數(shù)據(jù)，從而提升數(shù)據(jù)的質(zhì)量和數(shù)量，最終提供更優(yōu)、更純凈、更豐富的預訓練數(shù)據(jù)。他本科畢業(yè)于清華大學。

Xinran Zhao

Xinran Zhao 研究領域之一是增強RAG，一種依賴外部來源的生成式人工智能，這些來源在不確定的來源、不斷變化的用戶解釋和先前的行為方面存在困難。Xinran Zhao的新系統(tǒng)提高了在復雜 RAG 場景中的意識、歸因和有效性。他本科畢業(yè)于香港科技大學。

UC 伯克利

Dacheng Li

Dacheng Li 的研究目標是高效地開發(fā)人工智能和人工世界，他一直從事視覺和文本生成模型以及分布式系統(tǒng)的交叉領域研究。

Hao Wang

Hao Wang 主要研究通過受控安全推理實現(xiàn)實用的安全代碼生成。由 Koushik Sen 和 Dawn Song 共同指導。Hao Wang 對安全、軟件工程和 LLM 的交叉領域感興趣，目前專注于安全代碼生成。

Melissa Pan

Melissa Pan 導師是 Matei Zaharia 教授，隸屬于 Sky Computing 實驗室。研究方向是在大規(guī)模機器學習和數(shù)據(jù)中心系統(tǒng)中，將可持續(xù)性作為首要優(yōu)化目標，同時關注效率。Melissa Pan 感興趣的方向包括：機器學習系統(tǒng)、數(shù)據(jù)中心計算和分布式系統(tǒng)。

Shiyi Cao（曹詩怡）

曹詩怡導師是 Ion Stoica 和 Joseph Gonzalez，隸屬于天空計算實驗室和 BAIR。她在上海交通大學獲得了計算機科學學士學位，主要感興趣的方向為在大規(guī)模異構(gòu)系統(tǒng)上加速 / 優(yōu)化計算（尤其是機器學習工作負載）。

Shuo Yang

Shuo Yang 導師是 Ion Stoica 教授。他在上海交通大學 ACM 榮譽班完成了本科學業(yè)。Shuo Yang 的研究方向是高效的機器學習，包括 LLM 推理和 DiT 視頻生成。

UT Austin

Haoyu Li

個人主頁：https://lihy0529.github.io/

Haoyu Li 導師是 Aditya Akella 和 Venkat Arun。他的研究重點是利用人工智能技術(shù)來提升現(xiàn)代系統(tǒng)的性能和可用性，重點關注數(shù)據(jù)分析流程、LLM 緩存管理以及邊緣計算和自動駕駛汽車系統(tǒng)的調(diào)度。在此之前，Haoyu Li 于 2023 年在北京大學圖靈班獲理學學士學位。

Junbo Li

個人主頁：https://ljb121002.github.io/

Junbo Li 的導師是 Atlas Wang 和 Qiang Liu。主要研究方向是 agentic 大語言模型和強化學習，重點是構(gòu)建能夠自我演進的流程，該流程能夠解釋指令，同時動態(tài)地利用外部工具、環(huán)境和推理來解決復雜的現(xiàn)實問題。

2023 年，Junbo Li 獲得加州大學圣克魯茲分校計算機科學碩士學位，2021 年，獲得復旦大學數(shù)學與應用數(shù)學學士學位。高中期間，他曾學習了一年數(shù)學競賽，并在中國數(shù)學奧林匹克（CMO）中獲得銀牌。

Kaizhao Liang

個人主頁：https://kyleliang919.github.io/

Kaizhao Liang 現(xiàn)在的導師是 Qiang Liu，他的研究方向包括高效訓練方法、稀疏神經(jīng)網(wǎng)絡以及大語言模型。此前，他在伊利諾伊大學厄巴納 - 香檳分校獲得計算機科學學士學位。

Zeping Liu

Zeping Liu 的導師是 Gengchen Mai。他的研究重點是推進地理空間人工智能研究，重點關注地理基礎模型和空間表征學習。他在期刊和會議上發(fā)表了 14 篇論文，包括 NeurIPS、RSE、ESSD 和 IEEE TGRS，并擔任 8 個期刊的審稿人。

Haoran Xu（徐浩然）

學術(shù)主頁：https://scholar.google.com/citations?user=iX8AJI0AAAAJ&hl=zh-CN

Haoran Xu 的導師是 Amy Zhang。他的工作重點是擴展強化學習方法并整合生成式人工智能，以推動超越人類的通用人工智能，尤其是在機器人技術(shù)和大語言模型領域的應用。他曾在微軟研究院擔任暑期研究實習生。

Chutong Yang

個人主頁：https://chutongyang98.github.io/

Chutong Yang 的導師是 Kevin Tian。他對理論計算機科學和可信機器學習中的算法設計和分析有著廣泛的興趣。他的興趣包括使用優(yōu)化和統(tǒng)計工具來解決學習理論、算法公平性等方面的問題。2023 年 Chutong Yang 獲得斯坦福大學計算機科學碩士學位。2020 年獲得加州大學圣地亞哥分校計算機科學和數(shù)學雙學士學位。

Xiao Zhang

個人主頁：https://timez-zx.github.io/

Xiao Zhang 導師是 Daehyeok Kim。他的研究重點是網(wǎng)絡化和分布式系統(tǒng)，目前重點是通過跨層遙測和資源管理實現(xiàn) 5G 邊緣可預測的 AI 性能。他的目標是構(gòu)建實用的系統(tǒng)，以彌合現(xiàn)實世界的部署挑戰(zhàn)和核心 AI 基礎設施需求。在攻讀博士學位之前，Xiao Zhang 在上海交通大學獲得了碩士和學士學位。

以上是現(xiàn)已公布的獲獎者名單，之后其他學校名單也會陸續(xù)公布，大家可以再等等。