上山下山有差异,四面方追出盡，全新揭晓答案落实

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

将作为基础团队研究员，负责模型预训练和推理。

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，专业为数学和计算机科学，同时辅修了英语。

从今年9月开始，他就已经在为OpenAI工作，也许是这几个月的经历，让他最终决定现在加入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。

从去年1月开始，他为计算机科学和统计学系的61名学生讲课。

而且同一时间，还兼顾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型的鲁棒性和隐私性。

期间担任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：基于模型扰动的语言模型隐私攻击

简单理解，这篇论文提出了MoPe（Model Perturbations）这种新检测工具，它能帮助人们判断某个特定的文本是否被用来训练过大语言模型。

这个工具通过在模型参数中加入一些扰动（噪声），然后观察这种扰动对模型预测的影响来工作。研究发现，MoPe比之前的方法更有效（从70M到12B参数范围内），可以更准确地模拟出模型参数变化对预测的影响。

另外研究还发现，仅仅看一个训练点的损失值是不够的，因为有些损失值普通的点也能被MoPe成功恢复，这挑战了之前一些依赖损失值来判断信息是否被模型记住的研究。

第二篇《Bias Begets Bias: the Impact of Biased Embeddings on Diffusion Models》偏见滋生偏见：偏见嵌入对扩散模型的影响

这篇论文研究了嵌入空间中的偏见如何影响扩散模型的公平性。

作者们提出，无偏见的文本嵌入对于生成平衡的图像分布是必要的，并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降低，从而无意中奖励了不公平的行为。

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基因组结构变化”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），这是美国历史最悠久、最负盛名的高中生研究竞赛，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博士合作两年的成果，前者在周末和休息时间跑到对方实验室实习观摩。

他们研究了染色体中DNA的结构。由于许多发育和疾病过程，包括癌症，都是由DNA三维排列的变化引起的，因此Jeffrey创建了一个计算机应用程序，用于识别和排列不同细胞系基因组中这种排列的显著差异。

该程序仅基于DNA的三维形状，就能方便地定位重要的基因和路径。

后来，他还将这一模型公开了（现已被50多个实验室使用），以便更多人用于发现新的路径、调节机制和癌症靶点。

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》，这家位于纽约成立于2010年的杂志社，主要展示全球新兴作家的诗歌、散文和艺术，其作品收录率低于1%。

接受了文学艺术熏陶后，他又马不停蹄地签约了PBH Network长篇历史作家，其多个联合作品的点击量超过25万次。

一直到现在，他还在美国知名在线问答平台Quora分享历史、科学和统计方面的故事，其作品总计超过600万次浏览。

好嘛，能文能武又开始具象化了(doge）。

不过也有网友借机调侃，“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。

甚至OpenAI CEO奥特曼，也是19岁从斯坦福大学计算机专业退学，创立了自己的第一家公司。

都快成一种企业文化了。（bushi