关于我
我是图宾根马克斯普朗克智能系统研究所的机器学习研究员。在攻读博士学位期间，我有幸得到了Adrian Weller和Bernhard Schölkopf的指导。作为MeshCapade的顾问团队成员，我还与Michael J. Black密切合作。此前，我曾在佐治亚理工学院、谷歌大脑、英伟达研究院和
MERL工作过。
我主要致力于学习算法中归纳偏差的原理性建模。我的研究旨在理解归纳偏差如何影响泛化能力，并开发“轻松却又甜蜜”的学习算法：(i)轻松：方法论上概念简单，易于实践；(ii)甜蜜：具有清晰的直觉和非平凡的理论保证。
多年来，我一直对几何不变性、对称性、结构（因果关系）以及它们如何作为指导原则促进泛化发展而着迷。最近，我开始重新思考基础模型的归纳偏差，并对跨视觉、文本和物理领域的大型语言模型和生成式建模产生了浓厚的兴趣。更具体地说，我目前的研究重点是：(i) 开发用于训练和调整基础模型的原则性算法；以及 (ii) 理解法学硕士 (LLM) 如何进行推理，并在可验证的场景（形式/数学/符号推理）中引出推理。
我在研究中始终秉持两个原则：（i）洞察必须先于应用；（ii）一切应尽可能简化，但不应过于简单。我努力遵循一些研究价值观。
学生
对于未来的学生，请在联系我之前先查看此处。
- 由于电子邮件数量太多，如果我没有回复您的电子邮件，我深感抱歉。 - 我一直在寻找有上进心的博士后、博士生和访问学者/实习生。 - 需要扎实的数学/工程知识和良好的沟通技巧。 - 无需给我发邮件申请，只需填写此表格即可。谢谢！:)
https://docs.google.com/forms/d/e/1FAIpQLScSdWlSkZ_L3g5u-1VXs1Je6jkNPtFlm29ffE3poR0K-wKAHg/viewform
点击【轻松参会】小程序全部CCF目录会议查截稿/进投稿交流群
点击【轻松参会】小程序查询最新AI/CS硕博招生/科研实习/大厂招聘/博后教职信息
【轻松参会】为所有CCF收录会议与期刊设立投稿交流群，后台回复会议名/期刊名即可进群。公众号文章会发布近期截稿会议、转投会议推荐、录用率趋势、录用分数分析等重要信息，同时会发布最新的CS/AI招聘招生信息。
