BAIR 2026 畢業生展示

Berkeley 人工智慧研究 (BAIR) 實驗室已宣布其 2026 屆博士畢業生。此 cohort 的研究涵蓋現代人工智慧的關鍵前沿，包括具身智慧、大型語言模型 (LLM) 推理、生成建模、AI 安全以及 AI 在醫療與科學領域的應用。

大型語言模型與推理

此領域的研究聚焦於 LLMs 的擴展定律、代理工作流程的可靠性，以及人類偏好與模型對齊的交集。

Scaling Paradigms: Charlie Snell 調查測試時間擴展 (獨立提示推理) 與預訓練 (壓縮表示學習) 之間的權衡，尋求將測試時間推理轉換為學習表示的方法。
Reliability and Fairness: Eve Fleisig 透過利用使用者偏好分歧作為訓練信號，並開發嚴格評估以識別 LLM 損害，為多樣化使用者設計可靠運作的 LLMs。
Reasoning and Agents: Hanlin Zhu 專注於提升 LLM 的推理能力。Xiuyu Li 開發可擴展、自我改進的 LLM 代理，特別是用於複雜長期任務的編碼代理，建立在並行推理研究之上。
Post-Training and Infrastructure: Vinamra Benara 專注於 LLM 後訓練，包括 RLHF、帶有 VLMs 的 RLVR、數據策劃，以及分散式運算所需的系統基礎設施。
Human-AI Interaction: Josh Kang 研究人類使用者模擬以及對話式、協作式 AI 代理的創建。

BAIR 畢業生正在推進 AI 與實體世界互動的最前沿，專注於多代理協調、靈巧操作以及世界模型。

Generalist Models: Baifeng Shi 致力於構建通用視覺與機器人模型。Kevin Black 專注於大規模機器學習，利用模仿學習、強化學習 (RL) 以及生成建模來應用於真實世界。
Manipulation and Control: Haozhi Qi 專注於靈巧操作與機器學習。Qiyang Li 研究如何利用先前數據來透過 RL 優化動作分塊政策，以提升真實世界適用性。
World Modeling: Neerja Thakkar 使用自回歸與擴散框架擴展用於野外運動的預測世界模型。Yichen Xie 構建多模態基礎模型與世界模型，使 AI 能夠在空間、時間及動態上進行推理。
Multi-Agent Systems: Maulik Bhatt 開發利用博弈論與擴散模型讓自主機器人安全地與人類及其他機器人協調。Long (Tony) Lian 透過端到端 RL 開發即時多模態多代理系統。Vongani Maluleke 領導開發 MAGNet，這是一個統一的多代理運動生成框架，目前正在 Unitree G1 人形機器人上部署。
Autonomous Systems: Wei-Jer Chang 與 Zhe Fu 專注於安全的自主系統。Zhe Fu 具體使用物理資訊神經網路來預測交通動態並協調自動車輛。

此研究方向強調 AI 的理論基礎、風險緩解，以及對內部模型機制的理解。

AI Safety: Niklas Lauffer 專注於 AI 安全與 RL，特別是評估 LM 代理在多代理環境中帶來的安全風險，並解決長期任務中的協變偏移。
Theoretical Foundations: Kunhe Yang 使用機器學習機學習理論與計算經濟學來研究在人類激勵與 AI 代理塑造的環境中的 AI 演算法。
Interpretability and Control: Grace Luo 致力於解釋與控制生成模型，包括用於 LLM 引導的語言激活的元建模。Yigit Efe Erginbas 開發可擴展的歸因方法，並評估模型自我解釋的忠實度。
Safety Assurances: Sampada Deglurkar 透過不確定性量化與機率保證為自主系統提供安全保證。

此領域的研究將 AI 應用於專業領域，並整合多種感官模態。

Healthcare and Clinical Reasoning: Nikita Mehandru 使用電子健康記錄開發臨床推理與疾病進展建模的機器學習方法。Jiachen Lian 專注於語音與醫療領域的人本位 AI。
Biology and Proteins: Junhao (Bear) Xiong 專注於蛋白質的生成建模。Michael Psenka 將深度生成模型應用於蛋白質的分子動力學。
Speech and Multimodal AI: Kaylo Littlejohn 共同領導開發多模態 AI 工具，將腦部活動轉換為文字與可聽語音。 語音。Kent Chang 構建多模態系統以理解對話與敘事，專注於 AI 中多樣聲音的表示。
Computer Vision: Devin Guillory 研究處理電腦視覺模型中資料偏移的方法。