3月26日，苹果(guo)机器学习研(yan)究中心（Apple Machine Learning Research）正式(shi)公布了 2025 年 AI（人工智能）、ML（机器学习）领域获得(de)博士生奖学金的(de)苹果(guo)学者(zhe)名单。
该(gai)奖学金旨在奖励和支撑计算机科学与工程领域极具潜力的(de)博士研(yan)究生开展研(yan)究，每年颁发一次，今(jin)年已是第六年。获奖者(zhe)不(bu)仅可以获得(de)奖学金支撑，还能得(de)到苹果(guo)实习机会和苹果(guo)研(yan)究员的(de)学术引导。
今(jin)年共有(you) 12位(wei)华人学者(zhe)获得(de)了苹果(guo)学者(zhe)奖学金。
Ruei-Che Chang
Ruei-Che Chang 是密歇根大学计算机科学专业(ye)的(de)博士研(yan)究生，导师是郭安鸿（Anhong Guo）。他的(de)研(yan)究重点是设(she)计交互式(shi)人机交互系统，以促进现(xian)实世界(jie)的(de)无障碍环境。他热衷于(yu)开发能够理解并(bing)描(miao)述现(xian)实世界(jie)环境的(de)智能体，为(wei)盲人或视力受损(sun)人士服务。
Cathy Fang
Cathy Fang是麻省理工学院（MIT）媒体实验室流体交互小(xiao)组（Fluid Interfaces Group）博士研(yan)究生，师从Pattie Maes教(jiao)授。她的(de)研(yan)究立足于(yu)技(ji)术与人类体验的(de)交叉领域，通过混合现(xian)实（mixed reality）、人工智能（artificial intelligence）和可穿(chuan)戴设(she)备（wearable devices）等技(ji)术，开发多模态人工智能系统，通过个性(xing)化干预(yu)措施来支撑个人的(de)身体和心理健康。
顾(gu)煜贤 （Yuxian Gu）
顾(gu)煜贤 （Yuxian Gu）是清(qing)华大学计算机科学与技(ji)术系对话式(shi)人工智能研(yan)究组的(de)四年级博士生，师从黄(huang)民烈(lie)教(jiao)授。他的(de)研(yan)究集中在开发语言模型整个生命周期的(de)有(you)效方法(fa)，包括预(yu)训(xun)练、下游自适应和推理。最近(jin)，他的(de)研(yan)究重点是预(yu)训(xun)练 LLM（PDS、指令(ling)预(yu)训(xun)练、学习法(fa)则）的(de)数据管(guan)理理论和算法(fa)以及使用常识蒸馏进行 LM 压缩（MiniLLM、MiniPLM）。
Tiancheng Hu
Tiancheng Hu 是剑桥大学语言技(ji)术实验室的(de)计算、认知与语言方向的(de)博士生，师从 Nigel Collier 教(jiao)授。他的(de)研(yan)究重点是构建能够真实模拟(ni)群体和个人层面人类行为(wei)的(de)人工智能系统，目标是创造出(chu)能够真正理解和适应全球不(bu)同人类观点的(de)人工智能。最近(jin)，他的(de)研(yan)究聚焦(jiao)两个方面：通过文本生成理解 LLM 的(de)固有(you)偏见；运用 LLM 理解人类交流中的(de)偏见性(xing)语言使用。
黄(huang)子(zi)琪（Ziqi Huang）
黄(huang)子(zi)琪是 南洋理工大学MMLab@NTU 的(de)博士生，师从刘子(zi)纬(wei)教(jiao)授。其研(yan)究方向为(wei)视觉生成模型，重点关注生成、编辑及相关系统的(de)评估(gu)方法(fa)。致力于(yu)构建以人为(wei)中心的(de)视觉生成框架，提升模型与人类意图的(de)对齐与交互能力，推动更直观、灵活的(de)视觉内容(rong)创作。
吉嘉铭（Jiaming Ji）
吉嘉铭，北京大学人工智能研(yan)究院博士生在读(du)，导师为(wei)杨耀东老师，研(yan)究方向为(wei)强化学习、大模型的(de)安全与价值导向，是百川系列模型开源(yuan)的(de)核心贡献者(zhe)，模型累计下载500W。他利用训(xun)练后(hou)校准技(ji)术将人类的(de)偏好和价值观融入人工智能训(xun)练过程，旨在确保(bao)人工智能利益的(de)公平分配。
孔令(ling)东（Lingdong Kong）
孔令(ling)东是新加(jia)坡国立大学计算机系的(de)博士生，导师是Wei Tsang Ooi 教(jiao)授、Benoit Cottereau 教(jiao)授和Lai Xing Ng 博士。他的(de)研(yan)究重点是为(wei)现(xian)实世界(jie)的(de)应用开发强大、可扩展且(qie)可通用的(de) 3D 场景理解系统。目前，他正在研(yan)究 3D 感知、生成和视觉语言模型的(de)交叉点。
Tian (Sunny) Qin
Tian (Sunny) Qin 是哈佛大学的(de)一名三年级博士生，由 David Alvarez-Melis引导。她的(de)研(yan)究重点是数据驱动的(de)人工智能和基础模型科学。通过开发合成数据生成方法(fa)并(bing)深化对模型学习动态的(de)理解，她的(de)目标是提高小(xiao)型语言模型的(de)推理能力和分布外泛化能力。
王(wang)广辉（Guanghui Wang）
王(wang)广辉是佐治(zhi)亚理工学院机器学习专业(ye)四年级的(de)博士生，师从Jake Abernethy教(jiao)授和Vidya Muthukumar教(jiao)授。他的(de)研(yan)究兴趣主要(yao)集中在机器学习理论和优化领域。目前，他主要(yao)致力于(yu)开发能够适应不(bu)同环境的(de)稳健且(qie)高效的(de)序列决策方法(fa)。
王(wang)嘉宸（Jiachen (Tianhao) Wang）
王(wang)嘉宸（Jiachen (Tianhao) Wang）是普林斯顿大学的(de)博士研(yan)究生，他的(de)导师是 Prateek Mittal 教(jiao)授，并(bing)且(qie)与 Ruoxi Jia 教(jiao)授保(bao)持密切合作。他的(de)研(yan)究重点是从数据角度(du)出(chu)发的(de)可信机器学习。最近(jin)，他致力于(yu)开发适用于(yu)基础模型的(de)数据归因与优化技(ji)术。
谢若宇（Ruoyu (Roy) Xie）
谢若宇（Roy Xie）是杜克大学的(de)博士研(yan)究生，导师是 Bhuwan Dhingra。他的(de)研(yan)究专注于(yu)提升大型语言模型的(de)效率(lu)和鲁棒性(xing)。目前，他正在探(tan)索强化学习方法(fa)，以提高 LLM 的(de)推理效率(lu)，尤(you)其是对于(yu)涉及长序列的(de)复杂任务。
徐豪飞（Haofei Xu）
徐豪飞（Haofei Xu）是苏黎世联邦理工学院（ETH Zurich）和图宾根大学的(de)博士研(yan)究生，导师是 Marc Pollefeys 和 Andreas Geiger。他的(de)研(yan)究专注于(yu)计算机视觉，特别(bie)是密集对应关系、运动、三维(wei)以及视频表(biao)示学习。他的(de)目标是推动通用智能系统的(de)发展，以实现(xian)三维(wei)重建、合成和理解。
