📢 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实验室（BAIR）都会培养出人工智能和机器学习领域中最具才华和创新精神的人才。我们的博士毕业生们都拓展了人工智能研究的前沿，现在正准备在学术界、工业界及其他领域开启新的征程。
这些杰出的人才带来了丰富的知识、全新的想法以及持续推动人工智能发展的动力。他们在BAIR的工作涵盖了深度学习、机器人、自然语言处理、计算机视觉、安全等多个领域，为这些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人工智能先锋。在这里，您将找到每位毕业生的详细简介、研究兴趣和联系信息。我们邀请您探索这些毕业生在寻求新环境中应用专业知识和见解时所带来的潜在合作机会。
请加入我们，共同庆祝BAIR最新一批博士毕业生的成就。他们的旅程刚刚开始，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）的启发！
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，我研究那些为自主智能体算法生成多样化训练环境（即学习场景）的方法，以提高泛化能力和样本效率。目前，我正在研究基于大型语言模型（LLM）的自主智能体。
感兴趣的职位： 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，从一个简化的“状态空间”表示开始，简化了符号表示。此外，我的工作探索了与深度学习相关的各种训练挑战，包括可通过凸优化和非凸优化解决的问题。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。
感兴趣的职位： 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自动赛车（在《Gran Turismo Sport》中）的机器学习和控制算法。我利用机械工程背景来探索机器学习和基于模型的最优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。我的一个特别重点是如何利用离线数据集（例如人类玩家的比赛轨迹）来指导更好、更节省样本的控制算法。
感兴趣的职位： 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性和可靠性很感兴趣。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，我对大型语言模型的新兴安全和隐私风险感到兴奋。
感兴趣的职位： 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）大型模型，让机器人变得更智能。
感兴趣的职位： 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在儿童发展与人工智能的交叉领域与Alison Gopnik教授合作。她的工作包括创建基于儿童发展的LLM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，此前在Empathy Lab工作。她的论文发表在Neurips、ICML、ICLR、Cogsci和Cognition等会议或期刊上。她的论文工作创建了一个统一的虚拟环境，用于同时测试儿童和AI模型，以训练强化学习模型。她还在构建初创公司和STEM硬件编程玩具方面拥有经验。
感兴趣的职位： 研究科学家（儿童发展与AI）、AI安全（专注于儿童）、用户体验（UX）研究员（专注于混合方法、青少年、AI、LLM）、教育与AI（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专注于将优化方法应用于多智能体机器人系统，特别是在自动驾驶汽车的规划和控制方面。
感兴趣的职位： 教师职位，或控制、优化和机器人领域的研究科学家
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： 我的研究重点是用于蛋白质建模的机器学习。我致力于改进蛋白质属性分类和蛋白质设计，并理解不同的蛋白质模型学习了什么。我之前从事过用于DNA和RNA的序列模型，以及跨领域的ML模型可解释性和公平性基准测试。
感兴趣的职位： 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机器学习、机器人和控制的可扩展算法和实践；特别是它们之间的交叉点。
感兴趣的职位： 教师职位、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： 我的论文工作专门研究自动驾驶车辆的强化学习，重点是在应用场景中提高决策能力和效率。在未来的工作中，我热衷于将这些原则应用于更广泛的挑战，例如自然语言处理等领域。凭借我的背景，我的目标是通过为创新AI研究和解决方案做出贡献，看到我努力的直接影响。
感兴趣的职位： 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。
感兴趣的职位： 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： 我有兴趣通过理论和实证方法，对深度学习有一个更好的基础性理解，并改进实际系统。目前，我对通过研究如何根据模型大小正确扩展超参数来提高大型模型的效率特别感兴趣。
感兴趣的职位： 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。
感兴趣的职位： 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： 我的研究侧重于计算成像，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、事件相机处理和新视角渲染方面的工作。
感兴趣的职位： 研究科学家、博士后、教师
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复杂任务的大型机器人集群。
感兴趣的职位： 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。我也有视觉、规划、模仿学习、强化学习和奖励学习方面的经验。
感兴趣的职位： 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：保证集成到用户和企业工作流程中的LLM智能体的可逆性、鲁棒性并最小化爆炸半径；POET：在边缘设备（如智能手机和笔记本电脑）上对LLM进行内存受限且节能的微调（https://poet.cs.berkeley.edu/）。
感兴趣的职位： 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。我的重点是本地化和减少视觉+语言模型的幻觉，以及衡量和利用不确定性并减轻偏见。我的兴趣在于在实际生产场景中应用这些解决方案，而不仅仅是在学术环境中。
感兴趣的职位： 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： 我的研究涉及机器人、机器学习和计算机视觉，主要目标是学习可推广的机器人技能，从两个角度入手：(1) 学习具有空间和时间抽象结构的世界模型。(2) 预训练视觉表示和技能，以实现知识从互联网规模的视觉数据集和模拟器中的迁移。
感兴趣的职位： 教师职位，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： 我的研究兴趣广泛涉及可信赖机器学习的理论和实践，包括可解释性、隐私和鲁棒性。
感兴趣的职位： 教师职位
🚀 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