每一年，加州大学伯克利分校人工智能研究实验室（BAIR Lab）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头脑。我们的博士毕业生都在人工智能研究前沿取得了拓展，现在正准备在学术界、工业界及其他领域开启新的征程。

这些杰出的个人带来了丰富的知识、创新的想法以及持续推动AI发展的动力。他们在BAIR的研究涵盖深度学习、机器人、自然语言处理、计算机视觉、安全等多个领域，为各自领域做出了重大贡献，并对社会产生了变革性影响。

本网站旨在展示我们的同事，使学术机构、研究组织和行业领导者能够更轻松地发现和招募新一代AI先锋。在这里，您可以找到每位毕业生的详细资料、研究兴趣和联系方式。我们诚挚邀请您探索这些毕业生所带来的潜在合作机会，他们正寻求在新的环境中应用他们的专业知识和见解。

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，他们将共同构建的未来充满光明！

感谢斯坦福AI实验室（Stanford AI Lab）提供的这一创意！

Abdus Salam Azad

邮箱: salam_azad@berkeley.edu
个人网站: https://www.azadsalam.org/
导师: Ion Stoica
研究简介: 我的研究兴趣广泛，涵盖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，我研究的是能够算法化生成多样化训练环境（即学习场景）的方法，以提高自主智能体的泛化能力和样本效率。目前，我正在研究基于大语言模型（LLM）的自主智能体。
感兴趣职位: 研究科学家、机器学习工程师

Alicia Tsai

邮箱: aliciatsai@berkeley.edu
个人网站: 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，从一个统一的“状态空间”表示开始简化表示法。此外，我的工作还探索了深度学习相关的各种训练挑战，包括凸优化和非凸优化可解决的问题。除了理论探索，我的研究还将潜在应用扩展到各个问题领域，包括自然语言处理和自然科学。
感兴趣职位: 研究科学家、应用科学家、机器学习工程师

Catherine Weaver

邮箱: catherine22@berkeley.edu
个人网站: 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：运动》中自动驾驶赛车的机器学习和控制算法。我利用我在机械工程方面的背景，探索如何将机器学习和基于模型的最佳控制相结合，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、更具样本效率的控制算法。
感兴趣职位: 研究科学家和机器人/控制工程师

Chawin Sitawarin

邮箱: chawin.sitawarin@gmail.com
个人网站: 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。
感兴趣职位: 研究科学家

Dhruv Shah

邮箱: shah@cs.berkeley.edu
个人网站: 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。
感兴趣职位: 研究科学家、机器人专家

Eliza Kosoy

邮箱: eko@berkeley.edu
个人网站: https://www.elizakosoy.com/
导师: Alison Gopnik
研究简介: Eliza Kosoy的研究工作处于儿童发展和人工智能的交叉点，与Alison Gopnik教授合作。她的工作包括创建植根于儿童发展的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，之前在Empathy Lab工作。她的论文发表在Neurips、ICML、ICLR、Cogsci和Cognition等期刊上。她的论文工作创建了一个统一的虚拟环境，用于测试儿童和AI模型，以训练RL模型。她还有构建初创公司和STEM硬件编码玩具的经验。
感兴趣职位: 研究科学家（儿童发展与AI）、AI安全（专攻儿童）、用户体验（UX）研究员（专攻混合方法、青少年、AI、LLM）、教育与AI（STEM玩具）

Fangyu Wu

邮箱: fangyuwu@berkeley.edu
个人网站: 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

邮箱: frances@berkeley.edu
个人网站: 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性质分类和蛋白质设计，以及理解不同的蛋白质模型学到了什么。我以前研究过用于DNA和RNA的序列模型，以及用于跨领域评估ML模型可解释性和公平性的基准。
感兴趣职位: 研究科学家

Jianlan Luo

邮箱: jianlanluo@eecs.berkeley.edu
个人网站: https://people.eecs.berkeley.edu/~jianlanluo/
导师: Sergey Levine
研究简介: 我的研究兴趣广泛，涵盖可扩展算法和机器学习、机器人技术和控制的实践，特别是它们的交叉点。
感兴趣职位: 教师职位、研究科学家

Kathy Jang

邮箱: kathyjang@gmail.com
个人网站: https://kathyjang.com
导师: Alexandre Bayen
研究简介: 我的论文工作专注于自动驾驶汽车的强化学习，重点是提高应用场景中的决策制定和效率。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，如自然语言处理。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来看到我努力的直接影响。
感兴趣职位: 机器学习研究科学家/工程师

Kevin Lin

邮箱: k-lin@berkeley.edu
个人网站: 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使用和提供信息的方式。
感兴趣职位: 研究科学家

Nikhil Ghosh

邮箱: nikhil_ghosh@berkeley.edu
个人网站: 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，对深度学习形成更好的基础理解，并改进实际系统。目前，我特别有兴趣研究如何根据模型大小正确地调整超参数，以提高大模型的效率。
感兴趣职位: 研究科学家

Olivia Watkins

邮箱: oliviawatkins@berkeley.edu
个人网站: 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。
感兴趣职位: 研究科学家

Ruiming Cao

邮箱: rcao@berkeley.edu
个人网站: 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、事件相机处理和新视角渲染方面的工作。
感兴趣职位: 研究科学家、博士后、教师

Ryan Hoque

邮箱: ryanhoque@berkeley.edu
个人网站: https://ryanhoque.github.io
导师: Ken Goldberg
研究简介: 模仿学习和强化学习算法，这些算法可以扩展到执行操作和执行复杂任务的大型机器人集群。
感兴趣职位: 研究科学家

Sam Toyer

邮箱: sdt@berkeley.edu
个人网站: 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。
感兴趣职位: 研究科学家

Shishir G. Patil

邮箱: shishirpatil2007@gmail.com
个人网站: 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：确保LLM智能体（集成到用户和企业工作流程中）的可逆性、鲁棒性并最小化潜在影响；POET：在边缘设备（如智能手机和笔记本电脑）上对LLM进行内存受限和节能的微调 (https://poet.cs.berkeley.edu/)。
感兴趣职位: 研究科学家

Suzie Petryk

邮箱: spetryk@berkeley.edu
个人网站: 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+语言模型的幻觉，同时衡量和利用不确定性以及减轻偏见。我的兴趣在于将解决这些挑战的方案应用于实际生产场景，而不仅仅是学术环境。
感兴趣职位: 生成式AI、安全和/或无障碍应用研究科学家

Xingyu Lin

邮箱: xingyu@berkeley.edu
个人网站: https://xingyu-lin.github.io/
导师: Pieter Abbeel
研究简介: 我的研究在于机器人、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) 对视觉表示和技能进行预训练，以便能够从互联网规模的视觉数据集和模拟器中迁移知识。
感兴趣职位: 教师职位或研究科学家

Yaodong Yu

邮箱: yyu@eecs.berkeley.edu
个人网站: 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，小白也可以简单操作。

青云聚合API官网https://api.qingyuntop.top

支持全球最新300+模型：https://api.qingyuntop.top/pricing

详细的调用教程及文档：https://api.qingyuntop.top/about