就在刚刚，哈佛华人研究员Jeffrey Wang正式官宣加入OpenAI——

将作为底子团队研究员，负责模子预训练和推理。

消息公布后，OpenAI联创&总裁Greg Brockman也在第一时间带队欢迎。

在这之前，Jeffrey Wang在哈佛一边教课一边研究机器学习。

从哈佛加入OpenAI，高中入围美国“少年诺贝尔奖”

在从加利福尼亚一所高中毕业后，Jeffrey Wang于2021年本科入学哈佛，专业为数学和盘算机科学，同时辅修了英语。

从今年9月开始，他就已经在为OpenAI工作，大概是这几个月的履历，让他终极决定如今加入OpenAI。

实际上，在哈佛期间，还是学生的Jeffrey Wang已经开始一边教课一边研究机器学习了。

从客岁1月开始，他为盘算机科学和统计学系的61名学生讲课。

而且同一时间，还分身着工程与应用科学学院研究员一职，主要方向为机器学习模子的鲁棒性和隐私性。

期间继续共同一作的两篇论文还分别亮相了NeurIPS SoLar（2023）和ICML（2024）研讨会。

第一篇《MoPe : Model Perturbation-based Privacy Attacks on Language Models》
MoPe：基于模子扰动的语言模子隐私攻击

简朴明白，这篇论文提出了MoPe（Model Perturbations）这种新检测工具，它能资助人们判定某个特定的文本是否被用来训练过大语言模子。

这个工具通过在模子参数中加入一些扰动（噪声），然后观察这种扰动对模子猜测的影响来工作。研究发现，MoPe比之前的方法更有用（从70M到12B参数范围内），可以更精确地模拟出模子参数变革对猜测的影响。

别的研究还发现，仅仅看一个训练点的丧失值是不敷的，由于有些丧失值平凡的点也能被MoPe成功规复，这寻衅了之前一些依靠丧失值来判定信息是否被模子记着的研究。

第二篇《Bias Begets Bias: the Impact of Biased Embeddings on Diffusion Models》
偏见繁殖偏见：偏见嵌入对扩散模子的影响

这篇论文研究了嵌入空间中的偏见如何影响扩散模子的公平性。

作者们提出，无偏见的文本嵌入对于天平生衡的图像分布是须要的，而且发现偏见的多模态嵌入（如CLIP）会导致评估图像与文本提示对齐度时的得分低落，从而无意中夸奖了不公平的活动。

当然，论文还提出了一个理论框架来研究评估中的偏见，并提出了减轻偏见的方法。

除此之外，高中阶段的Jeffrey Wang就因“开发统计方法来探测3D基因组结构变革”而获得国家级奖项。

2021年，他决赛入围了（前40名）再生元科学天才奖（Regeneron Science Talent Search, STS），这是美国汗青最久长、最负盛名的高中生研究比赛，有美国“少年诺贝尔奖”之称。

而且进入前40的选手每人将获得25000 美元（最低）奖金。

这项研究是他和Abhijit Chakraborty博士相助两年的结果，前者在周末和苏息时间跑到对方实行室练习观摩。

他们研究了染色体中DNA的结构。由于很多发育和疾病过程，包罗癌症，都是由DNA三维排列的变革引起的，因此Jeffrey创建了一个盘算机应用步调，用于识别和排列差异细胞系基因组中这种排列的显着差异。

该步调仅基于DNA的三维外形，就能方便地定位告急的基因和路径。

厥后，他还将这一模子公开了（现已被50多个实行室使用），以便更多人用于发现新的路径、调治机制和癌症靶点。

还是个writer

BTW，除了显而易见地热爱开发，Jeffrey Wang还是个小有成就的作家。

早在2019年，他就签约了《The Adroit Journal》，这家位于纽约建立于2010年的杂志社，主要展示环球新兴作家的诗歌、散文和艺术，其作品收录率低于1%。

担当了文学艺术熏陶后，他又马不绝蹄地签约了PBH Network长篇汗青作家，其多个连合作品的点击量高出25万次。

不停到如今，他还在美国着名在线问答平台Quora分享汗青、科学和统计方面的故事，其作品总计高出600万次欣赏。

好嘛，能文能武又开始具象化了(doge）。

不外也有网友借机讥讽，“退学”加入OpenAI群体+1。

要知道类似消息在OpenAI也不算少见，前一阵还招了一个高中就辍学的瑞典小哥，入职Sora团队专攻AGI。

以致OpenAI CEO奥特曼，也是19岁从斯坦福大学盘算机专业退学，创建了自己的第一家公司。

……

都快成一种企业文化了。