Выставка выпускников BAIR 2026 года: достижения в ИИ

Редакция журнала Berkeley AI Research Editors поздравляет участников лабораторного курса Berkeley Artificial Intelligence Research (BAIR) 2026 года!

В этом году BAIR отмечает группу аспирантов, чьи любознательность, креативность и настойчивость расширили границы искусственного интеллекта и машинного обучения. Их работа охватывает робототехнику и воплощённый интеллект, большие языковые модели и рассуждения, компьютерное зрение, генеративное моделирование, безопасность ИИ, взаимодействие человека и ИИ, ИИ для науки и здравоохранения и многое другое. Аспиранты опубликовали важные исследования, создали системы, влияющие на реальный мир, стали наставниками для коллег и изменили сообщество BAIR к лучшему.

Их идеи теперь распространяются в разных направлениях: на должности преподавателей и докторантов, в отраслевые исследовательские лаборатории и в стартапы, которые они основали. Некоторые из выпускников всё ещё думают о том, что будет дальше, и хотели бы услышать ваше мнение.

Приглашаем вас присоединиться к празднованию достижений выпускников. Мы гордимся их успехами в Беркли и с нетерпением ждём новых свершений!

Спасибо нашим друзьям из Стэнфордской лаборатории искусственного интеллекта за эту идею!

Вот несколько выпускников и направления их исследований:

Баифэн Ши (baifeng_shi@berkeley.edu, https://bfshi.github.io/). Работает над созданием универсального видения и роботизированных моделей. Консультант: Тревор Даррелл.
Чарли Снелл (csnell22@berkeley.edu, https://sea-snell.github.io). Изучает, как можно изменить различные парадигмы масштабирования LLM. В частности, рассматривает, как обработка приглашений во время тестирования (с выводом длинных цепочек выводов и полным забыванием их между приглашениями) отличается от предварительного обучения, при котором изучается сжатое представление из большого набора данных. Консультант: Дэн Кляйн.
Девин Гиллори (dguillory@berkeley.edu, https://devinguillory.com). Исследует учёт изменений данных в моделях компьютерного зрения. Консультант: Тревор Даррелл.
Ева Флейзиг (efleisig@berkeley.edu, https://efleisig.com). Разрабатывает языковые модели, которые будут надёжно и справедливо работать для широкого круга реальных пользователей LLM. Работает над оценками, позволяющими устранить серьёзные проблемы, связанные с LLM, с которыми сталкиваются разные пользователи, а также над основными техническими сбоями LLM (например, неверной калибровкой), чтобы снизить риски при внедрении моделей для пользователей с различными потребностями. Консультант: Дэн Кляйн.
Грейс Луо (graceluo@berkeley.edu, https://graceluo.net). Исследует интерпретацию и управление генеративными моделями, например, перепрофилирование генераторов изображений для задач компьютерного зрения и активацию языка метамоделирования для улучшения анализа и управления LLM. Консультант: Тревор Даррелл.
Ханьлинь Чжу (hanlinzhu@berkeley.edu, https://hanlinzhu.com/). Исследует понимание и улучшение логических возможностей больших языковых моделей (LLM). Консультанты: Стюарт Рассел, Цзяньтао Цзяо.
Хаочжи Ци (hqi@berkeley.edu, https://haozhi.io/). Работает над «ловкими манипуляциями и обучением роботов». Консультанты: Джитендра Малик, Йи Ма.
Дж. Д. Замфиреску-Перейра (zamfi@berkeley.edu, https://zamfi.net). Исследует эффективное совместное проектирование человека и ИИ, изучает границы языковых интерфейсов как средства взаимодействия с ИИ. Создаёт системы, сочетающие взаимодействие, ориентированное на язык, со структурированными пользовательскими интерфейсами на разных уровнях абстракции. Консультант: Бьорн Хартманн.
Цзячен Лиан (jiachenlian@berkeley.edu, https://jlian2.github.io). Исследует ИИ, ориентированный на человека, в речи, здравоохранении и системах. Консультант: Гопала Ануманчипалли.
Джош Кан (minwoo_kang@berkeley.edu, https://joshuaminwookang.github.io/). Изучает языковое моделирование и связанные с ним темы в области НЛП, в том числе моделирование человека-пользователя и создание диалоговых и коллаборативных агентов ИИ. Консультант: Джон Кэнни.
Чжунхао (Медведь) Сюн (junhao_xiong@berkeley.edu, https://www.linkedin.com/in/junhao-bear-xiong). Исследует методы машинного обучения в биологии с акцентом на генеративное моделирование белков. Консультанты: Дженнифер Листгартен, Юн Сонг.
Кайло Литтлджон (kaylo_littlejohn@berkeley.edu, https://kaylolittlejohn.com). Работает над моделированием речи и обработкой естественного языка. Был одним из руководителей разработки мультимодальных инструментов ИИ для точного преобразования мозговой активности в текст, слышимую персонализированную речь и высококачественный «цифровой говорящий аватар». Также является техническим руководителем по моделированию голоса в Roblox. Консультант: Гопала Ануманчипалли.
Кента Чанга (kentkchang@berkeley.edu, https://kentkc.org). Работает над НЛП и мультимодальным машинным обучением, оценивает большие языковые модели и создаёт мультимодальные системы для понимания диалога, повествования и социального взаимодействия. Исследует, чьи голоса представлены в системах ИИ и каково влияние ИИ в целом. Консультант: Дэвид Бэмман.
Кевин Блэк (kvablack@berkeley.edu, https://kevin.black). Работает над масштабным обучением роботов, включая имитационное обучение, обучение с подкреплением, генеративное моделирование, управление в реальном времени. Консультант: Сергей Левин.
Кунхэ Ян (kunheyang@berkeley.edu, https://www.kunheyang.com/). Исследует теоретические основы разработки и оценки алгоритмов ИИ в среде, формируемой человеческими стимулами и агентством ИИ. Работает над политикой, ориентированной на человека, оценкой с учётом стимулов, многоагентным сотрудничеством и передачей информации. Консультант: Ника Хагталаб.
Лиза Данлэп (lisabdunlap@berkeley.edu, https://lisabdunlap.com). Занимается аудитом генеративных моделей. Консультанты: Джозеф Гонсалес, Тревор Даррелл.
Лонг (Тони) Лиан (longlian@berkeley.edu, https://tonylian.com/). Разрабатывает мультимодальные многоагентные системы реального времени и системы параллельного мышления с помощью сквозного RL. Консультанты: Тревор Даррелл, Адам Яла.
Маулик Бхатт (maulikbhatt@berkeley.edu, https://maulikb.com). Разрабатывает автономных роботов, которые могут безопасно взаимодействовать с людьми и другими роботами в общей среде. Создаёт масштабируемые алгоритмы, основанные на теории игр и диффузионных моделях, которые позволяют агентам рассуждать о намерениях и поведении окружающих людей. Консультант: Негар Мехр.
Майкл Псенка (psenka@berkeley.edu, https://www.michaelpsenka.io/). Работает в различных областях (обучение с подкреплением, модели мира, ИИ + био/химия), над долгосрочными проблемами планирования и интерполяции (например, манипулирование роботом от начального состояния к цели, молекулярная динамика белков между основными состояниями). Консультант: Адити Кришнаприян.
Натан Лихтле (nathan.lichtle@gmail.com, https://nathanlichtle.com). Работает над RL для автономного вождения. Консультант: Александр М. Байен.
Нирджа Таккар (nthakkar@berkeley.edu, https://neerja.me/). Исследует масштабирование прогнозирующих моделей мира для решения сложных задач, связанных с движением в дикой природе. Используя фреймворки авторегрессии и диффузии, разрабатывает лучшие представления для прогнозирования в реальном мире и предлагает методы эффективной адаптации этих моделей к новым областям. Консультант: Джитендра Малик.
Никита Механдру (nmehandru@berkeley.edu, https://n-mehandru.github.io/). Разрабатывает и применяет методы машинного обучения для клинических исследований и моделирования прогрессирования заболевания с использованием неструктурированного текста и данных временных рядов из электронных медицинских карт. В сотрудничестве с врачами Калифорнийского университета объединяет разработку методов и клиническую валидацию, чтобы создать надёжные, поддающиеся интерпретации системы ИИ в медицине. Консультанты: Ахмед Алаа и Дэвид Бамман.
Никлас Лауффер (nlauffer@berkeley.edu, https://niklaslauffer.github.io/). Исследует безопасность ИИ и обучение с подкреплением, особенно в области мультиагентного взаимодействия и киноагентов. Работал над обеспечением состязательного обучения в условиях сотрудничества и смешанных мотивов, решал проблемы ковариационного сдвига в обучении агентов LLM долгосрочным задачам, оценивал риски для безопасности, создаваемые агентами LLM в условиях мультиагентной работы. Консультанты: Стюарт Рассел и Санджит Сешиа.
Циян Ли (qcli@berkeley.edu, https://colinqiyangli.github.io/). Исследует, как использовать предварительные данные для оптимизации политики в области RL, сочетая эмпирические результаты с теоретическими выводами. Консультант: Сергей Левин.
Сампада Деглуркар (sampada_deglurkar@berkeley.edu, https://sdeglurkar.github.io/). Работает над обеспечением гарантий безопасности автономных систем с поддержкой ИИ — от роботов и автономных транспортных средств до авиационных систем. Работает с количественной оценкой неопределённости для моделей машинного обучения, принятием решений в рамках алгоритмов неопределённости и инструментами для получения вероятностных гарантий работы системы. Консультант: профессор Клэр Томлин.
Винамра Бенара (vbenara@berkeley.edu, https://cs.berkeley.edu/~vbenara). Исследует последипломное обучение в магистратуре, включая управление данными, RLHF, RLVR с VLMS, оценки, рассуждения, рабочие процессы агентов и интерпретируемость. Обладает большим опытом в области системной инфраструктуры для распределённых вычислений. Консультант: Ион Стойка.
Вонгани Малулеке (vonganimaluleke@berkeley.edu, https://people.eecs.berkeley.edu/~vonganimaluleke/). Руководила разработкой MAGNet — унифицированной мультиагентной платформы для генерации движения, которая поддерживает широкий спектр задач по генерации движения без переподготовки или архитектурных изменений. Сейчас внедряет эту работу на гуманоиде Unitree G1, чтобы воплотить в нём социальный интеллект. Консультанты: Джитендра Малик и Ангджу Канадзава.
Вэй-Джер Чанг (weijer_chang@berkeley.edu, https://weijer-chang.github.io/). Работает над безопасными и интеллектуальными автономными системами для сложных сред, ориентированных на человека. Работает на стыке машинного обучения, генеративных моделей и обучения с подкреплением, а также приложений для автономии. Консультант: Масаеси Томидзука.
Ксиую Ли (xiuyu@berkeley.edu, https://xiuyuli.com/). Исследует разработку масштабируемых и самосовершенствующихся агентов большой языковой модели, в том числе агентов кодирования для сложных долгосрочных задач. Консультант: Курт Кейтцер.
Ичэнь Се (yichenxie0928@gmail.com, https://yichen928.github.io/). Работает над созданием мультимодальных базовых моделей и моделей мира, которые понимают сложную физическую среду и взаимодействуют с ней. Стремится разработать унифицированные представления для всех модальностей, позволяющие системам ИИ анализировать пространство, время и динамику в направлении универсального воплощённого интеллекта. Консультант: Масаеси Томизука.
Йигит Эфе Эргинбас (erginbas@berkeley.edu, https://www.linkedin.com/in/erginbas/). Исследует онлайн-обучение на крупных рынках и интерпретируемость моделей машинного обучения в больших масштабах. Работает над последовательным принятием решений (применение к рекомендациям, ценообразованию и выбору ассортимента), разрабатывает алгоритмы с доказуемыми гарантиями максимизации благосостояния, доходов и стабильности. Также создаёт масштабируемые методы атрибуции, использующие разреженную структуру взаимодействий в реальном мире с низкой степенью детализации. Консультанты: Каннан Рамчандран, Томас А. Кортейд.
Ихенг Ли (yhli@berkeley.edu, https://Yihengli.com). Работает над моделированием vision world, имеет опыт в области эффективности диффузионной модели и в автономном вождении. Консультант: Масаеси Томизука.
Чжэ Фу (zhefu@berkeley.edu, https://fu-zhe.com/). Исследует обучение и управление системами со смешанной автономией, основанными на физике, и их применение на транспорте. Разрабатывает нейронные сети, основанные на физике, для решения нелинейных дифференциальных уравнений в частных производных, что позволяет точно и эффективно прогнозировать динамику движения на основе данных. Консультант: Александр Байен.