|
2023年3月15日在现场演讲中,何恺明按时间线顺序回顾其之前的几篇工作,主要包括了 ResNet、Faster R-CNN、Mask R-CNN、MoCo 和 MAE。据何恺明所言,“在 ResNet 出现以前,Deep learning 的大厦上空漂浮着一朵乌云,而 ResNet 去掉了这朵乌云。”此外,何恺明也在现场透露了接下来的研究方向会是 AI for science,将聚焦视觉和 NL...
2024年6月24日此外,何恺明团队的未来成员也颇受关注,包括即将于2024年加入的MIT博士后黎天鸿,以及目前仍在MIT攻读本科学位、被誉为“乖神”的数学和计算机科学双料奥赛金牌得主邓明扬。尽管邓明扬的研究聚焦于生成式基础模型,但其未来规划尚未公开。 值得一提的是,何恺明在AI for Science领域的初步探索也已见成效,通过将Transformer模型...
2022年9月6日今年25 岁,博士四年毕业于斯坦福大学计算机系,目前是图学习初创公司 Kumo AI 的创始成员,未来有志于在学术界继续探索技术的边界。在 NeurIPS, ICML, ICLR 等人工智能顶会发表工作十余篇,引用量 4000 余次,相关开源软件在 Github 上拥有近 20000 Star,主导开发的 GraphGym, PyG 在图学习领域被广泛使用。曾获 AA...
2023年7月31日据说,在现场演讲中,何恺明按时间线顺序回顾其之前的几篇工作,主要包括了 ResNet、Faster R-CNN、Mask R-CNN、MoCo 和 MAE。据何恺明所言,“在 ResNet 出现以前,Deep learning 的大厦上空漂浮着一朵乌云,而 ResNet 去掉了这朵乌云。” 此外,何恺明也在现场透露了接下来的研究方向会是 AI for science,将聚焦视...
2024年1月11日何恺明在2022年荣膺AI 2000人工智能全球最具影响力学者榜单,综合排名全球第一。这一成就不仅凸显了他在人工智能领域的领先地位,也预示着他在2024年加入MIT后的辉煌前景。毫无疑问,何恺明将成为MIT的领军人物,他的研究成果和论文引用量预计将居高不下,继续引领科学界的发展。
2024年12月3日AI for Science相关 之前,何恺明副教授在MIT的求职演讲上特意提到,AI for Science也将是他未来的工作方向。 5月他曾发表了这个方向的首个工作:使用强化学习的动态异构量子资源调度。文章使用自注意力机制处理量子比特对的序列信息,在概率性环境中训练强化学习模型,提供动态实时调度指导,最终将量子系统性能提升了3倍以上...
2023年8月1日今年3月,何恺明就曾在MIT做讲主题为“视觉智能”的Job Talks(求职演讲),并透露未来将主要聚焦AI for Science,包括视觉和NLP大一统做self-supervised X+AI。 当时据现场网友描述,会场人满为患,仅排队就拐了几个弯,为此MIT CSAIL还临时开了隔壁会议室投屏。
2023年7月31日何恺明出走Meta Fair,早有预兆。 一方面,何恺明自己更倾向于做基础研究。在MIT的研究结尾,他透露自己接下来的研究方向会是AI for science,将聚焦视觉NLP大一统,做Self-Supervised X+AI。 而在Meta亏损不断加大,持续裁员的背景下,AI巨头间的竞争已经如同“八角笼肉搏”。
2023年3月16日在谈到未来工作方向时,何恺明还提到了AI for Science。 除了关心大神的演讲本身,还有网友注意到了何恺明的最新变化 : 何恺明重返学界 目前,尚不能确定何恺明最后是否会和MIT成功牵手。但此次演讲,是他寻求教职传闻的靴子落地。 还有网友发现,如果何恺明最终成功入职,那么他将成为MIT被引次数最高的人。
2021年9月28日演讲议题:基于GNN的社交推荐算法设计和应用 议题介绍:主要介绍GNN算法在推荐系统中的应用,利用GNN技术将社交、跨域的行为数据应用到个性化推荐中,主要从借鉴DNN的特征学习思路以及传统的网络科学的思路来优化GNN的网络结构,以提高GNN的特征学习能力,提升业务的转化效果。
