📢 转载信息
原文链接：https://blogs.nvidia.com/blog/graduate-fellowship-recipients-2026-2027/
原文作者：Sylvia Chanak
二十五年来，英伟达研究生奖学金计划（NVIDIA Graduate Fellowship Program）一直支持从事与英伟达技术相关杰出工作的研究生。今天，该计划宣布向10位参与涵盖所有计算创新领域的博士生授予最新一轮奖学金，每人最高可达6万美元。
获奖者从竞争激烈的申请者中脱颖而出，他们将在奖学金年度前参加为期一个暑假的实习。他们的工作使他们站在加速计算的最前沿——解决自动系统、计算机体系结构、计算机图形学、深度学习、编程系统、机器人技术和安全等项目中的难题。
英伟达研究生奖学金计划向全球申请者开放。
2026-2027学年的奖学金获得者是：
- Jiageng Mao，南加州大学 — 通过利用来自互联网规模数据的多样化先验知识，解决复杂的物理AI问题，以实现现实世界中具身智能体稳健、可泛化的智能。
- Liwen Wu，加州大学圣地亚哥分校 — 通过神经材料和神经渲染，丰富物理基础渲染的真实感和效率。
- Manya Bansal，麻省理工学院 — 为现代加速器设计编程语言，使开发人员能够在不牺牲峰值性能所需的底层控制的情况下，编写模块化、可重用的代码。
- Sizhe Chen，加州大学伯克利分校 — 确保现实世界应用中AI的安全性，目前正通过保持智能体效用的一般性及实用性防御措施，来防范提示注入攻击。
- Yunfan Jiang，斯坦福大学 — 通过跨越现实世界全身操作、大规模模拟和互联网规模多模态监督的混合数据源，开发可扩展的方法来构建用于日常任务的通用机器人。
- Yijia Shao，斯坦福大学 — 通过开发能够在任务执行期间与人类沟通和协调的AI智能体，并设计新的人机交互界面，研究人与智能体的协作。
- Shangbin Feng，华盛顿大学 — 推动模型协作：由不同数据和不同人员训练的多个机器学习模型相互协作、组合和补充，以实现开放、去中心化和协作的AI未来。
- Shvetank Prakash，哈佛大学 — 基于新算法、精选数据集和“智能体优先”基础设施，推进AI智能体所驱动的硬件架构和系统设计。
- Irene Wang，佐治亚理工学院 — 开发一个整体协同设计框架，集成加速器架构、网络拓扑和运行时调度，以实现大规模AI训练的能源效率和可持续性。
- Chen Geng，斯坦福大学 — 利用可扩展的数据驱动算法和受物理学启发的原理对4D物理世界进行建模，推进用于机器人和科学应用的物理基础3D和4D世界模型。
我们同时确认2026-2027学年的奖学金入围者：
- Zizheng Guo，北京大学
- Peter Holderrieth，麻省理工学院
- Xianghui Xie，马克斯·普朗克信息学研究所
- Alexander Root，斯坦福大学
- Daniel Palenicek，达姆施塔特工业大学
🚀 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