生成式AI研究奖项获奖名单公布
获奖学者可获得300多个公开数据集访问权限,并通过某机构云促销积分使用AI/ML服务与工具开展生成式AI前沿研究。
自2015年启动以来,某中心研究奖项的提案征集主题涵盖AI公平性、机器人技术到自然语言处理等多个领域。2023年春季针对生成式AI的专项征集反映了该机构在这一重要研究领域与学术界持续合作的努力。
某机构机器学习引擎总经理在征集公告中指出:“生成式AI具有革新人类与世界交互方式的巨大潜力,但要实现其全部价值,仍需解决包括系统负责任使用在内的多项挑战。支持研究界应对这些可能产生直接技术和社会影响的挑战至关重要。”
本次征集反响热烈,提交数量创下该计划单主题历史新高。最终评选出来自3个国家8所高校的9位获奖者,评审标准包括科学内容质量以及对研究界和社会的潜在影响。
鉴于强烈的反响和研究重要性,该计划未来将继续投资生成式AI领域。某机构数据库与AI领导团队副总裁表示:“该计划旨在通过降低计算基础设施成本和规模壁垒,支持学术界开展不同时间维度和成果形式的生成式AI研究。”
获奖者除获得数据资源和技术支持外,还将配备研究联络人提供咨询指导,并有机会参与全球技术活动和培训。该机构同时鼓励研究成果发表、开源代码发布以及在全球办公室进行学术展示。
该计划全年接受多个研究领域的提案申请,研究人员可通过专题页面获取最新征集信息。
2023年春季获奖名单
| 研究者 | 院校 | 研究课题 |
|---|---|---|
| Chitta Baral | 亚利桑那州立大学 | 确保生成式自然语言系统的逻辑鲁棒性 |
| Muhao Chen | 加州大学戴维斯分校 | 基于结构感知等变学习的稳健(受控)自然语言生成 |
| Jia Deng | 普林斯顿大学 | 语言引导的3D场景程序化生成 |
| Elena Glassman | 哈佛大学 | 理解语言模型输出对终端用户任务的意义 |
| Carlos Guestrin | 斯坦福大学 | 羊驼农场:语言模型安全研发开放框架 |
| Tatsunori Hashimoto | 斯坦福大学 | 羊驼农场:语言模型安全研发开放框架 |
| Jonathan Kummerfeld | 悉尼大学 | 理解语言模型输出对终端用户任务的意义 |
| Ali Mesbah | 不列颠哥伦比亚大学 | 减少幻觉:大语言模型代码生成的上下文策略 |
| Maarten Sap | 卡内基梅隆大学 | RLKF:基于知识的强化学习缓解事实幻觉与社会偏见 |