2024亚马逊研究奖获奖名单：张崇杰、魏华等人入选

机器之心报道

编辑：佳琪、泽南

上周五，亚马逊研究奖（Amazon Research Awards，ARA）公布了最新一期来自 10 所大学的 10 名获奖者。

亚马逊研究奖于 2015 年设立，旨在为多学科研究主题的研究人员提供资助奖励。获奖者可以访问 300 多个亚马逊公共数据集，并可以通过促销积分使用 AWS AI/ML 服务和工具。除此以外，获奖者还将与亚马逊专家建立联系，以获得咨询和建议，还可以参加亚马逊举办的活动、培训课程等。

在本周期，ARA 收到了许多优秀的研究提案。本次公告包含在 2024 年冬季和 2024 年春季周期的三个提案方向（信息安全 AI、基础模型开发和可持续性）征集下资助的奖项。提案的审查依据是其科学内容的质量以及对研究界和社会产生影响的潜力。此外，亚马逊也鼓励公开发表、开源的研究成果。

在这一期的获奖名单中，出现了很多华人学者的身影。

信息安全 AI

Kaize Ding

• 机构：西北大学
• 研究方向：信息安全中的高效异常检测：自动化识别和解释图数据中的异常行为

Kaize Ding 是美国西北大学统计与数据科学的助理教授，领导 REAL 实验室。他在亚利桑那州立大学获得了计算机科学博士学位，师从刘欢（Huan Liu）教授。

他的研究兴趣主要是数据挖掘、机器学习和大型基础模型，研究重点集中于为自主决策构建可靠、高效的人工智能系统。同时，他热衷于开发知识引导的人工智能算法，尤其是基于 GNN 和 LLM 的算法，推动 AI 赋能医疗保健、生物医药、城市、环境计算等不同领域的应用。

个人主页：https://kaize0409.github.io/

Sijia Liu

• 机构：密歇根州立大学
• 研究方向：机器「遗忘」的机制，促进可信的生成式人工智能

Sijia Liu 于美国纽约的雪城大学获得了电气与计算机工程博士学位。此后，他在密歇根州立大学担任博士后研究员、又于 MIT-IBM Watson 人工智能实验室担任研究员。

他的研究兴趣主要聚焦于为可信的人工智能开发学习算法和理论，其研究目标是使 AI 系统更加安全且具可扩展性。他曾摘得 ICASSP’16 的最佳学生论文奖，以及 UAI’22 的最佳论文亚军奖，已在 NeurIPS、ICML、ICLR、CVPR、ICCV 等顶级会议上发表了 70 多篇论文。

个人主页：https://engineering.msu.edu/faculty/Sijia-Liu

张崇杰（Chongjie Zhang）

• 机构：圣路易斯华盛顿大学
• 研究方向：基于偏好的离线强化学习在信息安全中的实际应用

张崇杰是圣路易斯华盛顿大学计算机科学与工程系的教授，领导机器智能研究组。在此之前，他曾是清华大学交叉信息科学研究院的助理教授，并在 MIT CSAIL 担任博士后研究员。

他的研究究主要集中在深度强化学习、多智能体系统和人机交互领域。目前，他致力于探索智能体应如何学习决策，并与其他智能体或人类有效协作，以超越单个智能体的能力。

个人主页：https://engineering.washu.edu/faculty/Chongjie-Zhang.html

Yue Zhao

• 机构：南加州大学
• 研究方向：信息安全中的高效异常检测：自动化识别和解释图数据中的异常行为

Yue Zhao 是南加州大学计算机科学助理教授。他的研究主要集中在构建稳健、可信且可扩展的人工智能系统，涉及三个层次：原则层、知识与生成层以及系统层。通过这些层次，他将可靠的检测方法、基于图的结构化知识、生成建模和开源工具结合起来，推动 AI 在科学、医疗、金融和政治科学等领域的应用。

在原则层，Yue Zhao 致力于确保 AI 系统能够检测异常、离群值和分布外数据，提供跨领域的可信度、公平性和透明度。知识层方面，他利用图学习和生成 AI 方法，解决药物发现、合成临床试验和政治预测等科学挑战。系统层面，他开发了高效的工具和框架，用于自动模型选择、超参数优化和大规模异常检测。他还领导了多个开源项目，如 PyOD（被 NASA、特斯拉等使用），推动了 AI 技术的普惠和应用。

个人主页：

https://viterbi-web.usc.edu/~yzhao010/

可持续性

尤峰崎（Fengqi You）

• 机构：康奈尔大学
• 研究方向：透明可信的生命周期评估（LCA）大语言模型助手

尤峰崎是康奈尔大学能源系统工程领域的教授，同时在多个学科领域有跨界合作，包括化学工程、计算机科学、电气与计算机工程、系统工程、机械工程、土木与环境工程以及应用数学等。

在康奈尔大学，他担任系统工程博士学位项目主席、康奈尔大学 AI for Science 研究所（CUAISci）联合主任、康奈尔数字农业研究所（CIDA）联合主任，以及康奈尔可持续性 AI 倡议（CAISI）主任。

在加入康奈尔之前，尤峰崎曾在阿贡国家实验室数学与计算机科学部门工作，并在西北大学执教。他的研究聚焦于系统工程的基础理论与方法，广泛应用于材料信息学、智能制造、数字农业、能源系统和可持续性领域。尤峰崎已在《自然》、《科学》等期刊上发表了 300 多篇学术论文。

个人主页：https://www.engineering.cornell.edu/faculty-directory/fengqi-you

基础模型开发

程璐（Lu Cheng）

• 机构：芝加哥伊利诺伊大学
• 研究方向：通过不确定性量化实现可靠的大语言模型对齐

程璐是芝加哥伊利诺伊大学计算机科学系的助理教授，领导着负责任与可靠人工智能实验室（R^2 Lab）。她在亚利桑那州立大学获得了计算机科学博士学位，分别在华中科技大学和伦斯勒理工学院获得了了本科与硕士学位。

程璐的研究兴趣广泛，主要集中在社会责任人工智能（如公平性、可解释性 / 可解释性、隐私）和可靠人工智能（如鲁棒性与不确定性量化）、因果机器学习以及数据挖掘等领域。

个人主页：https://lcheng.org/

魏华（Hua Wei）

• 机构：亚利桑那州立大学
• 研究方向：通过不确定性量化实现可靠的大语言模型对齐

魏华是亚利桑那州立大学的助理教授。他曾在新泽西理工学院担任助理教授，并在腾讯 AI 实验室担任研究员。他在北航获得计算机科学的本科和研究生学位，并在宾夕法尼亚州立大学获得博士学位，其博士导师为 Zhenhui (Jessie) Li。他的课题组的论文多次发表在人工智能、机器学习、数据挖掘的顶级会议上，并获得了 ECML-PKDD 2020 最佳论文奖。

魏华的研究兴趣包括强化学习、数据挖掘、城市计算和人机协同计算等领域。

参考内容：https://www.amazon.science/research-awards/program-updates/10-amazon-research-awards-recipients-announced