Directorio de Graduados BAIR 2024 – Perfiles de PhD y Contacto
Sources: http://bair.berkeley.edu/blog/2024/03/11/grads-2024, http://bair.berkeley.edu/blog/2024/03/11/grads-2024/, BAIR Blog
Visión general
El Directorio de Graduados BAIR 2024 es una colección curada de graduados PhD del BAIR Lab que han ampliado las fronteras de la investigación en IA y están buscando oportunidades en la academia, la industria y más allá. Este directorio destaca que los perfiles incluyen intereses de investigación, asesor(es) y datos de contacto, facilitando que instituciones académicas, organizaciones de investigación y socios industriales descubran y recluten a la nueva generación de pioneros de IA. Se reconoce la influencia de Stanford AI Lab como fuente de inspiración y se invita a colaborar a través de distintos sectores. Los perfiles abarcan áreas como aprendizaje profundo, robótica, PLN, visión por computadora, seguridad y otros campos, reflejando la amplitud del trabajo doctoral en BAIR. Ejemplos de perfiles en este directorio incluyen:
- Abdus Salam Azad — Email: [email protected]; Sitio: https://www.azadsalam.org/; Asesor(es): Ion Stoica; Resumen de investigación: Environment Generation / Curriculum Learning para entrenar Agentes Autónomos con Reinforcement Learning; actualmente trabajando con agentes basados en LLM. Intereses laborales: Investigador Científico, ML Engineer.
- Alicia Tsai — Sitio: https://www.aliciatsai.com/; Asesor(es): Laurent El Ghaoui; Resumen de investigación: modelos implícitos profundos y representación unificada del espacio de estados; desafíos de entrenamiento en aprendizaje profundo; aplicaciones a NLP y ciencias naturales. Intereses laborales: Investigador Científico, Científico Aplicado, Ingeniero de ML.
- Catherine Weaver — Sitio: https://cwj22.github.io; Asesor(es): Masayoshi Tomizuka, Wei Zhan; Resumen de investigación: ML y control para conducción autónoma en Gran Turismo Sport; uso de conjuntos de datos fuera de línea para mejorar la eficiencia de muestreo. Intereses laborales: Investigador Científico, Ingeniero de Robótica/Controles.
- Eliza Kosoy — Sitio: https://www.elizakosoy.com/; Asesor(es): Alison Gopnik; Resumen de investigación: intersección entre desarrollo infantil e IA; creación de benchmarks para LLMs basados en desarrollo infantil; experiencia en UX para IA; prácticas en Google en IA/UX. Intereses laborales: Investigador Científico, Investigador de UX, Educación e IA. El directorio funciona como puente entre posibles colaboradores y reclutadores, proporcionando canales de contacto directos y enlaces a sitios personales o perfiles profesionales. Es un recurso para instituciones que buscan experiencia en investigación de IA y para la industria que necesita talentos para roles de investigación, ingeniería o liderazgo.
Características clave
- Los perfiles de cada graduado incluyen intereses de investigación, asesor(es) e información de contacto (correo y sitio).
- Cada perfil suele incluir un resumen de investigación que destaca el enfoque principal del trabajo de PhD.
- La información de contacto permite outreach directo y oportunidades de colaboración.
- El directorio cubre una amplia gama de dominios de IA (aprendizaje profundo, robótica, NLP, visión, seguridad).
- El objetivo es facilitar el reclutamiento y conectar con la nueva generación de investigadores en IA.
- El directorio se presenta como una vitrina anual de graduados.
- La idea fue inspirada por Stanford AI Lab, reforzando el intercambio entre instituciones.
Casos de uso comunes
- Colaboración académica: identificar posibles colaboradores para propuestas, publicaciones o proyectos supervisionados.
- Reclutamiento: la industria y laboratorios buscan talento con PhD para puestos de investigador, ingeniero ML o ingeniero de robótica.
- Networking: contactar a los graduados para charlas, discusiones de colaboración o oportunidades de mentoría para estudiantes.
- Inteligencia de talento: analizar trayectorias e intereses para guiar estrategias de contratación y programas.
Configuración e instalación
No aplica: no se requiere instalación para el Directorio de Graduados BAIR.Inicio rápido
# Inicio rápido: obtener y previsualizar la página del directorio
curl -sL https://bair.berkeley.edu/blog/2024/03/11/grads-2024/ | head -n 20Pros y contras
- Pros:
- Vitrina pública y centralizada de graduados BAIR PhD y sus áreas de investigación.
- Acceso directo a correos y sitios personales para contacto.
- Cobertura amplia de subcampos de IA y aplicaciones.
- Proceso sencillo para que instituciones y la industria descubran talentos.
- Contras:
- El contenido está limitado a graduados BAIR y puede no representar todos los talentos relevantes en IA.
- Los perfiles varían en detalle y profundidad según las actualizaciones individuales.
- No es una base de datos estructurada; la exploración depende de la navegación manual.
Alternativas (comparaciones breves)
- Directories de graduados de otros laboratorios universitarios (p. ej., Stanford AI Lab) que inspiran este tipo de directorios públicos para facilitar colaboraciones interinstitucionales. El BAIR agradece explícitamente a Stanford AI Lab por la idea.
- Otros laboratorios universitarios pueden ofrecer perfiles similares con diferentes formatos y campos de datos.
Precio o Licencia
No especificado.
Referencias
- https://bair.berkeley.edu/blog/2024/03/11/grads-2024/
- https://www.azadsalam.org/
- https://www.aliciatsai.com/
- https://cwj22.github.io
- https://chawins.github.io/
- http://cs.berkeley.edu/~shah/
- https://www.elizakosoy.com/
- https://fangyuwu.com/
- https://www.francesding.com/
- https://people.eecs.berkeley.edu/~jianlanluo/
- https://kathyjang.com
- https://people.eecs.berkeley.edu/~kevinlin/
- https://nikhil-ghosh-berkeley.github.io/
- https://aliengirlliv.github.io/oliviawatkins
- https://rmcao.net
- https://ryanhoque.github.io/
- https://www.qxcv.net/
- https://shishirpatil.github.io/
- https://suziepetryk.com/
More resources
Defending against Prompt Injection with Structured Queries (StruQ) and Preference Optimization (SecAlign)
Recent advances in Large Language Models (LLMs) enable exciting LLM-integrated applications. However, as LLMs have improved, so have the attacks against them. Prompt injection attack is listed as the #1 threat by OWASP to LLM-integrated applications, where an LLM input contains a trusted prompt (ins
PLAID: Generación multimodal de proteínas con difusión latente
PLAID genera simultáneamente secuencias 1D de proteínas y estructuras 3D aprendiendo el espacio latente de modelos de plegamiento. Soporta indicaciones de función y organismo y decodifica estructuras con pesos congelados de ESMFold.
Escalando el RL para Suavizar el Tráfico: Despliegue de 100 VEs en una Autopista
100 coches controlados por RL desplegados en la I-24 durante la hora punta para atenuar las ondas de parada y arranque, mejorar el flujo y reducir el consumo de combustible para todos los usuarios. Control descentralizado con sensores radar básicos.
Anthology: Condicionando LLMs con Backstories Ricas para Personas Virtuales
Un método para guiar a los LLMs hacia personas virtuales representativas y consistentes generando narrativas de vida detalladas y utilizándolas como contexto de condicionamiento, para simulaciones individualizadas y estudios de usuario escalables.
Sesgo lingüístico en ChatGPT: discriminación por dialectos en las variedades del inglés
Análisis de cómo ChatGPT responde a diferentes dialectos del inglés, destacando sesgos contra variedades no estándar y sus implicaciones.
StrongREJECT: Benchmark sólido para evaluar jailbreaks en LLMs
Visión general de un benchmark de jailbreak de alta calidad con dos evaluadores automatizados, un conjunto de 313 prompts prohibidos y hallazgos sobre la brecha entre resultados publicados y evaluaciones rigurosas.