Diretório de Graduados BAIR 2024 – Perfis de PhD e Contato
Sources: http://bair.berkeley.edu/blog/2024/03/11/grads-2024, http://bair.berkeley.edu/blog/2024/03/11/grads-2024/, BAIR Blog
Visão geral
O Diretório de Graduados BAIR 2024 é uma coleção organizada de graduados do PhD do BAIR Lab que expandiram as fronteiras da IA e estão buscando oportunidades na academia, indústria e além. O diretório destaca que os perfis trazem interesses de pesquisa, orientadores e informações de contato, tornando mais fácil para instituições acadêmicas, organizações de pesquisa e empresas descobrirem e recrutarem os talentos mais novos da IA. A página também reconhece a ideia vinda do Stanford AI Lab e incentiva colaborações entre setores. Os perfis costumam abranger áreas como aprendizado profundo, robótica, PLN, visão computacional, segurança e áreas afins, refletindo a diversidade do trabalho de doutorado no BAIR. Exemplos de perfis neste diretório incluem:
- Abdus Salam Azad — Email: [email protected]; Website: https://www.azadsalam.org/; Orientadores: Ion Stoica; Resumo de pesquisa: Environment Generation / Curriculum Learning para treinamento de agentes autônomos com Reinforcement Learning; atualmente trabalhando com agentes autônomos baseados em LLM. Interesses de trabalho: Pesquisador Científico, Engenheiro de ML.
- Alicia Tsai — Website: https://www.aliciatsai.com/; Orientadores: Laurent El Ghaoui; Resumo de pesquisa: aspectos teóricos de modelos implícitos profundos, representação de espaço de estados unificada e desafios de treinamento em aprendizado profundo; aplicações a NLP e ciência natural. Interesses de trabalho: Pesquisador Científico, Cientista Aplicado, Engenheiro de ML.
- Catherine Weaver — Website: https://cwj22.github.io; Orientadores: Masayoshi Tomizuka, Wei Zhan; Resumo de pesquisa: ML e algoritmos de controle para corrida autônoma em Gran Turismo Sport; foco em usar dados offline para informar melhores algoritmos de controle e eficiência de amostra. Interesses de trabalho: Pesquisador Científico, Engenheiro de Robótica/Controle.
- Eliza Kosoy — Website: https://www.elizakosoy.com/; Orientadores: Alison Gopnik; Resumo de pesquisa: interseção entre desenvolvimento infantil e IA, criação de benchmarks para LLMs com base no desenvolvimento infantil, experiência em UX para IA; estágio atual em Google na equipe de AI/UX. Interesses de trabalho: Pesquisador Científico, Pesquisadora de UX, Educação e IA. O diretório funciona como um elo entre potenciais colaboradores e recrutadores com graduados do BAIR PhD, oferecendo contatos diretos e links para sites pessoais ou perfis profissionais. Ele serve como recurso para instituições que buscam expertise em pesquisa de IA e para a indústria que procura talentos para posições de pesquisa, engenharia ou liderança intelectual.
Principais recursos
- Perfis de cada graduado contêm interesses de pesquisa, orientadores e informações de contato (e-mail e site).
- Cada perfil costuma incluir um resumo de pesquisa destacando o foco principal do trabalho de doutorado.
- Informações de contato proporcionam canais diretos para outreach e colaboração.
- O diretório cobre uma ampla gama de domínios de IA (por exemplo, aprendizado profundo, robótica, NLP, visão computacional, segurança).
- A página é orientada para recrutamento, facilitando conexões com a nova geração de pesquisadores de IA.
- O diretório é apresentado como uma vitrine anual e pública dos graduados.
- A ideia foi inspirada pelo Stanford AI Lab, reforçando o intercâmbio de ideias entre instituições.
Casos de uso comuns
- Colaboração acadêmica: identificar potenciais colaboradores em propostas, artigos ou projetos de orientação.
- Recrutamento: indústria e laboratórios de pesquisa em busca de talentos com PhD para cargos como cientista de pesquisa, engenheiro de ML ou engenheiro de robótica.
- Networking: conectar-se com graduados para palestras, conversas sobre colaborações ou oportunidades de mentoria para estudantes.
- Inteligência de talento: mapear trajetórias de carreira e interesses de pesquisa para orientar estratégias de contratação e programas.
Configuração & instalação
Não aplicável: não há necessidade de instalação para o Diretório de Graduados BAIR.Início rápido
# Início rápido: buscar e visualizar a página do diretório
curl -sL https://bair.berkeley.edu/blog/2024/03/11/grads-2024/ | head -n 20Prós e contras
- Prós:
- Vitrine pública e centralizada de graduados BAIR PhD e suas áreas de pesquisa.
- Acesso direto a e-mails e sites pessoais para outreach.
- Cobertura ampla de subcampos de IA e aplicações.
- Processo simples para instituições e indústria descobrirem talentos.
- Contras:
- O conteúdo é limitado aos graduados do BAIR e pode não representar todos os talentos relevantes em IA.
- Perfis variam em profundidade e completude conforme atualizações individuais.
- Não é um banco de dados estruturado; a descoberta depende da navegação manual na página.
Alternativas (comparações rápidas)
- Diretórios de graduados de Stanford AI Lab ou diretórios de outros laboratórios universitários como inspiração, destacando que tais perfis públicos facilitam colaborações entre instituições. O site BAIR agradece explicitamente o Stanford AI Lab pela ideia.
- Outros sites de laboratórios universitários podem oferecer perfis similares, com diferentes níveis de detalhe, formatação ou campos de dados.
Preços ou Licença
Não especificado.
Referências
- 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: Geração multimodal de proteínas por difusão latente
PLAID gera simultaneamente sequência 1D de proteína e estrutura 3D aprendendo o espaço latente de modelos de dobramento de proteínas. Suporta prompts de função e organismo e decodifica a estrutura com pesos congelados do modelo de dobramento.
Dimensionando o RL para Suavização do Tráfego: Implantação de 100 VEs na Estrada
100 carros controlados por RL foram implantados na I-24 durante o horário de pico para diminuir ondas de paradas e arranques, melhorar o fluxo e reduzir o consumo de combustível para todos. Controle descentralizado com sensores de radar básicos.
Anthology: Condicionando LLMs com Backstories Ricas para Personas Virtuais
Um método para guiar LLMs rumo a personas virtuais representativas, consistentes e diversas, gerando narrativas de vida detalhadas usadas como contexto de condicionamento, com aplicações em simulações e pesquisas escaláveis.
Viés Linguístico no ChatGPT: Discriminação por Dialeto entre Variantes do Inglês
Análise de como o ChatGPT responde a diferentes dialetos do inglês, destacando vieses contra variedades não padrão e suas implicações.
StrongREJECT: Benchmark robusto para avaliação de jailbreak em LLMs
Visão geral de um benchmark de jailbreak de alta qualidade com dois avaliadores automáticos, um conjunto de prompts proibidos e descobertas de que muitos jailbreaks não correspondem a reivindicações anteriores.