


Die Liste der Apple Scholars 2024 wurde bekannt gegeben, die Hälfte davon sind Chinesen! Der Penn-Doktorand arbeitete einst mit Jim Fan zusammen, um den beliebtesten Roboter von Nvidia zu entwickeln
Die neueste Liste der jährlichen „Apple Scholars“ wurde bekannt gegeben!
Apple Machine Learning Research hat gerade die Liste der „Apple Scholars“ bekannt gegeben, die im Jahr 2024 Doktorandenstipendien erhalten werden, was zeigt, dass sie talentierte Studierende im Bereich künstliche Intelligenz/maschinelles Lernen unterstützen und fördern.
Erwähnenswert ist, dass in diesem Jahr insgesamt 21 Stipendiaten den Preis gewonnen haben. Unter ihnen machen chinesische Wissenschaftler mit 11 Personen die Hälfte der Quote aus.
Das Apple Scholars PhD-Stipendium soll Forscher belohnen, die herausragende Beiträge in den Bereichen Informatik und Ingenieurwesen geleistet haben, vom Doktoranden bis zum Postdoktoranden. Ziel dieses Stipendiums ist es, innovative Arbeiten im Bereich der künstlichen Intelligenz und des maschinellen Lernens zu unterstützen und zu fördern, um Wissenschaft und Technologie voranzutreiben.
Jeder Stipendiat erhält während seines Doktoratsstudiums finanzielle Unterstützung und Praktikumsmöglichkeiten und wird außerdem von Apple-Forschern im gleichen Bereich betreut.
Jeder Apple Scholar wird aufgrund seiner innovativen Forschung, seiner Führungsqualitäten, seiner Zusammenarbeit und seines Engagements für die Weiterentwicklung des Fachgebiets ausgewählt.
Wer sind die preisgekrönten chinesischen Wissenschaftler? 11 chinesische Gelehrte gewählt Jie Er ist Edinburgh, ein Doktorand an der Universität, der Betreuer ist Jeff Pan. Er arbeitet an der Entwicklung zuverlässigerer und genauerer generativer Modelle, insbesondere durch die Diagnose und Bewertung von Modellschwächen, um gezielte Verbesserungen vorzunehmen. Seine jüngste Forschung umfasst hauptsächlich „Common Sense Reasoning und Retrieval Enhanced Language Models“.
Er erhielt 2022 einen Master-Abschluss vom Fachbereich Informatik der Tianjin-Universität und 2019 einen Bachelor-Abschluss von der School of Software der Shandong-Universität. Lavender Jiang Er ist Mitglied des NYU Data Science Center. Die Betreuer sind Eric Oermann und Kyunghyun Cho. Ihr Forschungsschwerpunkt liegt auf der sicheren und effizienten Integration großer Modelle (LLMs) in das Gesundheitswesen und untersucht deren Nutzen, Auswirkungen auf den Datenschutz und Recheneffizienz.
Sie erhielt einen Doppel-Bachelor-Abschluss in Elektro- und Computertechnik sowie Mathematik von der Carnegie Mellon University (CMU).
Bowen Jin
University of Illinois at Urbana-Champaign (UIUC), Information Retrieval and Knowledge
Bowen Jin ist Doktorand an der Universität von Illinois in Urbana -Champaign, der Mentor ist der berühmte Informatiker Jiawei Han.
Er erhielt 2021 seinen Bachelor-Abschluss in Elektrotechnik und Statistik von der Tsinghua-Universität und sein Betreuer war Yong Li.
Derzeit unterhält Bowen Jin ein großartiges GitHub-Repository über große Modelle in Diagrammen und fasst einen Übersichtsartikel zusammen. Daogao Liu ist Ph D-Student an der University of Washington, Seattle Tat Lee. Seine Forschungsinteressen liegen in der theoretischen Informatik und dem maschinellen Lernen. Derzeit konzentriert er sich auf den Entwurf von Algorithmen und die Lösung (konvexer) Optimierungsprobleme bei gleichzeitiger Erfüllung unterschiedlicher Datenschutzbeschränkungen.
Er erhielt 2020 seinen Bachelor-Abschluss in Mathematik und Physik von der Tsinghua-Universität. Yecheng (Jason) Ma Pennsylvania, betreut von Dinesh Jayaraman und Osbert Bastani. Seine Forschung konzentriert sich auf das Training und den Einsatz grundlegender Robotermodelle, insbesondere darauf, wie Roboter in die Lage versetzt werden können, aus multimodalen Daten im Internetmaßstab zu lernen.
Er erhielt einen Doppel-Bachelor-Abschluss in Informatik und Mathematik von der Harvard University.
Es ist erwähnenswert, dass Yecheng (Jason) Ma letztes Jahr auch einer der Autoren von Nvidias beliebtem Eureka-Roboter ist.
Renjie Pi
Hong Kong University of Science and Technology, Data-centric AI
Renjie kommt von der Hong Kong University of Science und Technologie Doktorand im dritten Jahr, gemeinsam betreut von Professor Tong Zhang und Professor Xiaofang Zhou. Sein Schwerpunkt liegt auf datenzentrierten Methoden der künstlichen Intelligenz, darunter Methoden zur Verbesserung der Datenqualität, zur Reduzierung von Datenredundanz und zur automatischen Generierung von Trainingsdaten. Derzeit arbeitet er an Problemen an der Schnittstelle zwischen großen Modellen, multimodalem Lernen und Datengenerierung.
Er war 2017 Gastwissenschaftler an der Peking-Universität und wurde zwischen 2018 und 2019 Austauschstudent an der University of Maryland.
Mengzhou an der Princeton University. Doktorand im vierten Jahr Fachbereich Informatik, Betreuer Es ist Professor Chen Danqi. Sie ist jetzt Mitglied der Natural Language Processing Group in Princeton.
Davor war ich Masterstudent an der Carnegie Mellon University und mein Berater war Professor Graham Neubig.
Xia Mengzhou erhielt einen Bachelor-Abschluss von der School of Big Data der Fudan-Universität.
Mengzhou Xias Forschung konzentriert sich auf die Entwicklung leistungsstarker kleiner Basismodelle, die innerhalb akademischer Budgets erschwinglich sind. Dazu gehört die Entwicklung von Modellkomprimierungsmethoden und effizienten Datenauswahlstrategien.
Laut ihrer persönlichen Homepage wurden in diesem Jahr insgesamt 3 Papers vom ICLR 2024 angenommen.
Yiming Xie (Xie Yiming)
Northeastern University, Computer Vision
Yiming Xie ist ein Doktorand im dritten Jahr Wissenschaft an der Northeastern University, Betreuer Es ist Huaizu-Professor Jiang. Sein Forschungsschwerpunkt liegt auf 3D-Computervision, insbesondere 3D-Rekonstruktion, -Wahrnehmung und -Generierung. Sein Ziel ist es, ein intelligentes System zu entwickeln, das dreidimensionale Wahrnehmung und Generierung für Augmented Reality (AR) vereint.
Er erhielt seinen Bachelor-Abschluss 2019 an der Zhejiang-Universität unter der Leitung von Professor Xiaowei Zhou.
Jiayuan Ye
National University of Singapore, Privacy Preserving Machine Learning
Jiayuan ist Doktorand an der National University of Singapore, betreut von Reza Shokri. Sie konzentriert sich auf die strenge Datenschutzanalyse von Lernalgorithmen unter verschiedenen Bedrohungsmodellen und Aufgaben. Ihre Forschung zielt darauf ab, ein Lernen zu erreichen, das eine gute Privatsphäre gewährleistet und gleichzeitig andere wünschenswerte Eigenschaften wie Praktikabilität und Effizienz beibehält.
Sie erhielt ihren Bachelor-Abschluss im Jahr 2020 von der School of Mathematical Sciences der University of Science and Technology of China. „Jieyu Zhang“ ist ein Paul G. Allen Fellow für Informatik und Ingenieurwesen an der Doktorand des College of Engineering, studierte bei Professor Ranjay Krishna und Professor Alex Ratner. Sein Forschungsschwerpunkt liegt auf datenzentrierter KI/ML, wobei der Schwerpunkt auf zuverlässigen Auswertungen und einfachen Methoden liegt. Sein Ziel ist die Entwicklung effizienter und effektiver Methoden zur Erstellung hochwertiger Trainingsdatensätze und umfassender Bewertungsbenchmarks.
Zuvor erhielt er einen Bachelor-Abschluss in Informatik von der UIUC und sein Mentor war Jiawei Han. Zhuohao (Jerry) Zhang roh, Die Dozent ist Professor Jacob O. Wobbrock. Sein Forschungsschwerpunkt liegt auf der Nutzung der Mensch-KI-Interaktion zur Lösung realer Barrierefreiheitsprobleme. Sein besonderes Interesse gilt dem Entwurf und der Evaluierung intelligenter unterstützender Technologien, um kreative Aufgaben zugänglich zu machen.
Er erhielt einen Master of Science in Informatik von der UIUC und wurde von Professor Yang Wang im SALT-Labor betreut. Davor erhielt er einen Bachelor of Science in Informatik von der Universität Zhejiang.
Vollständige Liste
Das obige ist der detaillierte Inhalt vonDie Liste der Apple Scholars 2024 wurde bekannt gegeben, die Hälfte davon sind Chinesen! Der Penn-Doktorand arbeitete einst mit Jim Fan zusammen, um den beliebtesten Roboter von Nvidia zu entwickeln. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

0.Was bewirkt dieser Artikel? Wir schlagen DepthFM vor: ein vielseitiges und schnelles generatives monokulares Tiefenschätzungsmodell auf dem neuesten Stand der Technik. Zusätzlich zu herkömmlichen Tiefenschätzungsaufgaben demonstriert DepthFM auch hochmoderne Fähigkeiten bei nachgelagerten Aufgaben wie dem Tiefen-Inpainting. DepthFM ist effizient und kann Tiefenkarten innerhalb weniger Inferenzschritte synthetisieren. Lassen Sie uns diese Arbeit gemeinsam lesen ~ 1. Titel der Papierinformationen: DepthFM: FastMonocularDepthEstimationwithFlowMatching Autor: MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

Stellen Sie sich ein Modell der künstlichen Intelligenz vor, das nicht nur die Fähigkeit besitzt, die traditionelle Datenverarbeitung zu übertreffen, sondern auch eine effizientere Leistung zu geringeren Kosten erzielt. Dies ist keine Science-Fiction, DeepSeek-V2[1], das weltweit leistungsstärkste Open-Source-MoE-Modell, ist da. DeepSeek-V2 ist ein leistungsstarkes MoE-Sprachmodell (Mix of Experts) mit den Merkmalen eines wirtschaftlichen Trainings und einer effizienten Inferenz. Es besteht aus 236B Parametern, von denen 21B zur Aktivierung jedes Markers verwendet werden. Im Vergleich zu DeepSeek67B bietet DeepSeek-V2 eine stärkere Leistung, spart gleichzeitig 42,5 % der Trainingskosten, reduziert den KV-Cache um 93,3 % und erhöht den maximalen Generierungsdurchsatz auf das 5,76-fache. DeepSeek ist ein Unternehmen, das sich mit allgemeiner künstlicher Intelligenz beschäftigt

Anfang dieses Monats schlugen Forscher des MIT und anderer Institutionen eine vielversprechende Alternative zu MLP vor – KAN. KAN übertrifft MLP in Bezug auf Genauigkeit und Interpretierbarkeit. Und es kann MLP, das mit einer größeren Anzahl von Parametern ausgeführt wird, mit einer sehr kleinen Anzahl von Parametern übertreffen. Beispielsweise gaben die Autoren an, dass sie KAN nutzten, um die Ergebnisse von DeepMind mit einem kleineren Netzwerk und einem höheren Automatisierungsgrad zu reproduzieren. Konkret verfügt DeepMinds MLP über etwa 300.000 Parameter, während KAN nur etwa 200 Parameter hat. KAN hat eine starke mathematische Grundlage wie MLP und basiert auf dem universellen Approximationssatz, während KAN auf dem Kolmogorov-Arnold-Darstellungssatz basiert. Wie in der folgenden Abbildung gezeigt, hat KAN

Boston Dynamics Atlas tritt offiziell in die Ära der Elektroroboter ein! Gestern hat sich der hydraulische Atlas einfach „unter Tränen“ von der Bühne der Geschichte zurückgezogen. Heute gab Boston Dynamics bekannt, dass der elektrische Atlas im Einsatz ist. Es scheint, dass Boston Dynamics im Bereich kommerzieller humanoider Roboter entschlossen ist, mit Tesla zu konkurrieren. Nach der Veröffentlichung des neuen Videos wurde es innerhalb von nur zehn Stunden bereits von mehr als einer Million Menschen angesehen. Die alten Leute gehen und neue Rollen entstehen. Das ist eine historische Notwendigkeit. Es besteht kein Zweifel, dass dieses Jahr das explosive Jahr der humanoiden Roboter ist. Netizens kommentierten: Die Weiterentwicklung der Roboter hat dazu geführt, dass die diesjährige Eröffnungsfeier wie Menschen aussieht, und der Freiheitsgrad ist weitaus größer als der von Menschen. Aber ist das wirklich kein Horrorfilm? Zu Beginn des Videos liegt Atlas ruhig auf dem Boden, scheinbar auf dem Rücken. Was folgt, ist atemberaubend

KI verändert tatsächlich die Mathematik. Vor kurzem hat Tao Zhexuan, der diesem Thema große Aufmerksamkeit gewidmet hat, die neueste Ausgabe des „Bulletin of the American Mathematical Society“ (Bulletin der American Mathematical Society) weitergeleitet. Zum Thema „Werden Maschinen die Mathematik verändern?“ äußerten viele Mathematiker ihre Meinung. Der gesamte Prozess war voller Funken, knallhart und aufregend. Der Autor verfügt über eine starke Besetzung, darunter der Fields-Medaillengewinner Akshay Venkatesh, der chinesische Mathematiker Zheng Lejun, der NYU-Informatiker Ernest Davis und viele andere bekannte Wissenschaftler der Branche. Die Welt der KI hat sich dramatisch verändert. Viele dieser Artikel wurden vor einem Jahr eingereicht.

Ich weine zu Tode. Die Daten im Internet reichen überhaupt nicht aus. Das Trainingsmodell sieht aus wie „Die Tribute von Panem“, und KI-Forscher auf der ganzen Welt machen sich Gedanken darüber, wie sie diese datenhungrigen Esser ernähren sollen. Dieses Problem tritt insbesondere bei multimodalen Aufgaben auf. Zu einer Zeit, als sie ratlos waren, nutzte ein Start-up-Team der Abteilung der Renmin-Universität von China sein eigenes neues Modell, um als erstes in China einen „modellgenerierten Datenfeed selbst“ in die Realität umzusetzen. Darüber hinaus handelt es sich um einen zweigleisigen Ansatz auf der Verständnisseite und der Generierungsseite. Beide Seiten können hochwertige, multimodale neue Daten generieren und Datenrückmeldungen an das Modell selbst liefern. Was ist ein Modell? Awaker 1.0, ein großes multimodales Modell, das gerade im Zhongguancun-Forum erschienen ist. Wer ist das Team? Sophon-Motor. Gegründet von Gao Yizhao, einem Doktoranden an der Hillhouse School of Artificial Intelligence der Renmin University.

Was? Wird Zootopia durch heimische KI in die Realität umgesetzt? Zusammen mit dem Video wird ein neues groß angelegtes inländisches Videogenerationsmodell namens „Keling“ vorgestellt. Sora geht einen ähnlichen technischen Weg und kombiniert eine Reihe selbst entwickelter technologischer Innovationen, um Videos zu produzieren, die nicht nur große und vernünftige Bewegungen aufweisen, sondern auch die Eigenschaften der physischen Welt simulieren und über starke konzeptionelle Kombinationsfähigkeiten und Vorstellungskraft verfügen. Den Daten zufolge unterstützt Keling die Erstellung ultralanger Videos von bis zu 2 Minuten mit 30 Bildern pro Sekunde, mit Auflösungen von bis zu 1080p und unterstützt mehrere Seitenverhältnisse. Ein weiterer wichtiger Punkt ist, dass es sich bei Keling nicht um eine vom Labor veröffentlichte Demo oder Video-Ergebnisdemonstration handelt, sondern um eine Anwendung auf Produktebene, die von Kuaishou, einem führenden Anbieter im Bereich Kurzvideos, gestartet wurde. Darüber hinaus liegt das Hauptaugenmerk darauf, pragmatisch zu sein, keine Blankoschecks auszustellen und sofort nach der Veröffentlichung online zu gehen. Das große Modell von Ke Ling wurde bereits in Kuaiying veröffentlicht.

Kürzlich wurde die Militärwelt von der Nachricht überwältigt: US-Militärkampfflugzeuge können jetzt mithilfe von KI vollautomatische Luftkämpfe absolvieren. Ja, erst kürzlich wurde der KI-Kampfjet des US-Militärs zum ersten Mal der Öffentlichkeit zugänglich gemacht und sein Geheimnis gelüftet. Der vollständige Name dieses Jägers lautet „Variable Stability Simulator Test Aircraft“ (VISTA). Er wurde vom Minister der US-Luftwaffe persönlich geflogen, um einen Eins-gegen-eins-Luftkampf zu simulieren. Am 2. Mai startete US-Luftwaffenminister Frank Kendall mit einer X-62AVISTA auf der Edwards Air Force Base. Beachten Sie, dass während des einstündigen Fluges alle Flugaktionen autonom von der KI durchgeführt wurden! Kendall sagte: „In den letzten Jahrzehnten haben wir über das unbegrenzte Potenzial des autonomen Luft-Luft-Kampfes nachgedacht, aber es schien immer unerreichbar.“ Nun jedoch,
