📢 转载信息
原文链接：http://bair.berkeley.edu/blog/2024/03/11/grads-2024/
原文作者：Berkeley Artificial Intelligence Research (BAIR) Lab
每年，伯克利人工智能研究（BAIR）实验室都会培养出人工智能和机器学习领域一些最有才华和创新精神的人才。我们的博士毕业生每个人都拓展了人工智能研究的前沿，现在已准备好在学术界、工业界及其他领域开启新的征程。
这些杰出人士带来了丰富的知识、新的想法以及持续为人工智能发展做出贡献的动力。他们在 BAIR 的工作涵盖深度学习、机器人学、自然语言处理、计算机视觉、安全等多个领域，为各自的领域做出了重大贡献，并对社会产生了变革性的影响。
本网站旨在展示我们的同事，方便学术机构、研究组织和行业领导者发现并招募新一代 AI 先锋。在这里，您可以找到每位毕业生的详细简介、研究兴趣和联系信息。我们诚挚邀请您探索这些毕业生在寻求新环境应用专业知识和见解时所带来的潜在合作机会。
请与我们一起庆祝 BAIR 最新一批博士毕业生的成就。他们的旅程才刚刚开始，他们将帮助构建的未来是光明的！
感谢斯坦福人工智能实验室（Stanford AI Lab）提供的这个创意！
Abdus Salam Azad
电子邮件： salam_azad@berkeley.edu
网站： https://www.azadsalam.org/
导师： Ion Stoica
研究简介： 我的研究兴趣广泛地集中在机器学习和人工智能领域。在攻读博士期间，我专注于使用强化学习训练自主智能体的环境生成/课程学习方法。具体来说，我研究算法化生成多样化训练环境（即学习场景）以提高自主智能体的泛化能力和样本效率的方法。目前，我正在研究基于大型语言模型（LLM）的自主智能体。
意向职位： 研究科学家，机器学习工程师
Alicia Tsai
电子邮件： aliciatsai@berkeley.edu
网站： https://www.aliciatsai.com/
导师： Laurent El Ghaoui
研究简介： 我的研究深入探讨了深度隐式模型的理论方面，首先建立了一个简化的“状态空间”表示法。此外，我的工作还探索了与深度学习相关的各种训练挑战，包括可应用于凸优化和非凸优化的问题。除了理论探索，我的研究还将潜在应用扩展到各种问题领域，包括自然语言处理和自然科学。
意向职位： 研究科学家，应用科学家，机器学习工程师
Catherine Weaver
电子邮件： catherine22@berkeley.edu
网站： https://cwj22.github.io
导师： Masayoshi Tomizuka, Wei Zhan
研究简介： 我的研究重点是用于《GT赛车》中自动驾驶赛车这一具有挑战性任务的机器学习和控制算法。我利用自己在机械工程方面的背景，探索机器学习和基于模型的最佳控制如何为机器人和自主系统创建安全、高性能的控制系统。我特别关注如何利用离线数据集（例如人类玩家的赛车轨迹）来指导更优、更节省样本的控制算法。
意向职位： 研究科学家和机器人/控制工程师
Chawin Sitawarin
电子邮件： chawin.sitawarin@gmail.com
网站： https://chawins.github.io/
导师： David Wagner
研究简介： 我对机器学习系统的安全和保障方面很感兴趣。我之前的大部分工作都在对抗性机器学习领域，特别是对抗性样本和机器学习算法的鲁棒性。最近，我对大型语言模型新兴的安全和隐私风险感到兴奋。
意向职位： 研究科学家
Dhruv Shah
电子邮件： shah@cs.berkeley.edu
网站： http://cs.berkeley.edu/~shah/
导师： Sergey Levine
研究简介： 我训练（相对）大的模型，让机器人更智能。
意向职位： 研究科学家，机器人专家
Eliza Kosoy
电子邮件： eko@berkeley.edu
网站： https://www.elizakosoy.com/
导师： Alison Gopnik
研究简介： Eliza Kosoy在Alison Gopnik教授的指导下，在儿童发展和人工智能的交叉领域工作。她的工作包括创建基于儿童发展对LLM的评估基准，并研究儿童和成人如何使用ChatGPT/Dalle等生成式AI模型并形成关于它们的心理模型。她是谷歌AI/UX团队的实习生，之前在共情实验室工作。她的论文发表在Neurips、ICML、ICLR、Cogsci和cognition期刊上。她的论文工作在一个统一的虚拟环境中创建了用于测试儿童和AI模型的场所，用于训练强化学习模型。她还拥有创建初创公司和STEM硬件编程玩具的经验。
意向职位： 研究科学家（儿童发展与人工智能），人工智能安全（专精于儿童），用户体验（UX）研究员（专精于混合方法、青少年、人工智能、LLM），教育与人工智能（STEM玩具）
Fangyu Wu
电子邮件： fangyuwu@berkeley.edu
网站： https://fangyuwu.com/
导师： Alexandre Bayen
研究简介： 在Alexandre Bayen教授的指导下，Fangyu专注于优化方法在多智能体机器人系统中的应用，特别是在自动驾驶车辆的规划和控制方面。
意向职位： 控制、优化和机器人领域的教职或研究科学家
Frances Ding
电子邮件： frances@berkeley.edu
网站： https://www.francesding.com/
导师： Jacob Steinhardt, Moritz Hardt
研究简介： 我的研究重点是蛋白质建模的机器学习。我致力于改进蛋白质性质分类和蛋白质设计，并理解不同蛋白质模型学到了什么。我之前研究过DNA和RNA的序列模型，以及跨领域评估ML模型可解释性和公平性的基准。
意向职位： 研究科学家
Jianlan Luo
电子邮件： jianlanluo@eecs.berkeley.edu
网站： https://people.eecs.berkeley.edu/~jianlanluo/
导师： Sergey Levine
研究简介： 我的研究兴趣广泛涉及可扩展算法和机器学习、机器人学及控制的实践；特别是它们的交叉点。
意向职位： 教职，研究科学家
Kathy Jang
电子邮件： kathyjang@gmail.com
网站： https://kathyjang.com
导师： Alexandre Bayen
研究简介： 我的论文研究专注于自动驾驶汽车的强化学习，重点是提高应用场景下的决策和效率。在未来的工作中，我热衷于将这些原则应用于更广泛的领域挑战，例如自然语言处理。凭借我的背景，我的目标是通过为创新性 AI 研究和解决方案做出贡献，看到我努力的直接影响。
意向职位： 机器学习研究科学家/工程师
Kevin Lin
电子邮件： k-lin@berkeley.edu
网站： https://people.eecs.berkeley.edu/~kevinlin/
导师： Dan Klein, Joseph E. Gonzalez
研究简介： 我的研究重点是理解和改进语言模型如何使用和提供信息。
意向职位： 研究科学家
Nikhil Ghosh
电子邮件： nikhil_ghosh@berkeley.edu
网站： https://nikhil-ghosh-berkeley.github.io/
导师： Bin Yu, Song Mei
研究简介： 我有兴趣使用理论和实证方法来更好地基础性理解深度学习并改进实际系统。目前，我特别有兴趣通过研究如何根据模型大小正确调整超参数来提高大型模型的效率。
意向职位： 研究科学家
Olivia Watkins
电子邮件： oliviawatkins@berkeley.edu
网站： https://aliengirlliv.github.io/oliviawatkins
导师： Pieter Abbeel and Trevor Darrell
研究简介： 我的工作涉及强化学习（RL）、行为克隆（BC）、从人类那里学习，以及使用常识基础模型推理来进行智能体学习。我对语言智能体学习、监督、对齐和鲁棒性感到兴奋。
意向职位： 研究科学家
Ruiming Cao
电子邮件： rcao@berkeley.edu
网站： https://rmcao.net
导师： Laura Waller
研究简介： 我的研究方向是计算成像，特别是用于动态场景恢复和运动估计的时空建模。我还从事光学显微镜技术、基于优化的光学设计、事件相机处理、新视角渲染方面的工作。
意向职位： 研究科学家，博士后，教职
Ryan Hoque
电子邮件： ryanhoque@berkeley.edu
网站： https://ryanhoque.github.io
导师： Ken Goldberg
研究简介： 模仿学习和强化学习算法，能够扩展到执行操作和其他复杂任务的大型机器人集群。
意向职位： 研究科学家
Sam Toyer
电子邮件： sdt@berkeley.edu
网站： https://www.qxcv.net/
导师： Stuart Russell
研究简介： 我的研究重点是使语言模型安全、鲁棒和可靠。我在视觉、规划、模仿学习、强化学习和奖励学习方面也有经验。
意向职位： 研究科学家
Shishir G. Patil
电子邮件： shishirpatil2007@gmail.com
网站： https://shishirpatil.github.io/
导师： Joseph Gonzalez
研究简介： Gorilla LLM - 训练 LLM 使用工具（https://gorilla.cs.berkeley.edu/）；LLM 执行引擎：保证 LLM Agent 的可逆性、鲁棒性以及最小化对合并到用户和企业工作流程中的 LLM Agent 的影响范围；POET：在边缘设备（如智能手机和笔记本电脑）上进行 LLM 的内存受限且能效高的微调（https://poet.cs.berkeley.edu/）。
意向职位： 研究科学家
Suzie Petryk
电子邮件： spetryk@berkeley.edu
网站： https://suziepetryk.com/
导师： Trevor Darrell, Joseph Gonzalez
研究简介： 我致力于提高多模态模型的可靠性和安全性。我的重点是定位和减少视觉+语言模型中的幻觉，以及衡量和利用不确定性以及减轻偏见。我的兴趣在于在实际生产场景中应用解决这些挑战的方案，而不仅仅是在学术环境中。
意向职位： 生成式 AI、安全和/或可访问性领域的应用研究科学家
Xingyu Lin
电子邮件： xingyu@berkeley.edu
网站： https://xingyu-lin.github.io/
导师： Pieter Abbeel
研究简介： 我的研究方向是机器人学、机器学习和计算机视觉，主要目标是从两个角度学习可泛化的机器人技能：(1) 学习具有空间和时间抽象的结构化世界模型。(2) 视觉表示和技能的预训练，以实现知识从互联网规模视觉数据集和模拟器中的迁移。
意向职位： 教职或研究科学家
Yaodong Yu
电子邮件： yyu@eecs.berkeley.edu
网站： https://yaodongyu.github.io/
导师： Michael I. Jordan, Yi Ma
研究简介： 我的研究兴趣广泛地集中在可信赖机器学习的理论和实践方面，包括可解释性、隐私和鲁棒性。
意向职位： 教职
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区