入職MIT電氣工程和計算機科學系的何愷明，第一波門下弟子現在曝光——

可以看到，四位研究者中其中有三位都是3位是華人：白行建、鄧明揚、黎天鴻。

我們熟悉的IMO、IOI雙料奧賽金牌得主鄧明揚也在列。

事實上，在不久之前，他們就已經合作了一篇文章：無需矢量量化的自回歸圖像生成 何愷明新作再戰AI生成：入職MIT后首次帶隊，奧賽雙料金牌得主鄧明揚參與

這篇文章提出了一種新的圖像生成方法，通過擴散過程來建模每個標記的概率分布，從而避免了使用離散值的tokenizer，并在連續值空間中實現了自回歸模型的應用。

這篇文章黎天鴻博士后是論文的一作，此外他還參與了何愷明團隊的其他多項學術研究：

何愷明副教授的主頁也更新了頭像、聯系方式和履歷，還有一些最新的MIT課程和演講等：

何愷明MIT實驗室成員首次公開

博士一年級生鄧明揚

鄧明揚，MIT數學和計算機科學本科。

他從小學三年級就開始競賽，在高一獲得IMO（國際數學奧林匹克競賽）金牌，高三獲得IOI（國際信息學奧林匹克競賽）金牌，國內首位在不同學科獲得國際金牌的選手，也是IOI歷史上第三位滿分選手，人稱“乖神”。

此外他還曾獲得ICPC國際大學生程序設計競賽世界總決賽的第1名。

目前鄧明揚的研究重點是機器學習，特別是理解和推進生成式基礎模型，包括擴散模型和大型語言模型。

博士一年級生白行健

白行健高中畢業于北師大實驗中學，在牛津大學獲得了數學和計算機科學的碩士和學士學位。

他的研究重點目前是是經典算法和深度學習的交叉領域。

他也參與了多項競賽，曾獲得2018年CCO（加拿大信息學奧林匹克競賽）第一名，NOI（中國信息學奧林匹克競賽）銀牌，NOIP（中國信息學聯賽）北京市提高組一等獎第3名等。

高三時，他就憑借自適應圖卷積神經網絡檢測網絡暴力的論文入圍了丘成桐中學科學獎決賽。

博士后黎天鴻

黎天鴻本科畢業于清華叉院姚班，在MIT獲得了碩博學位之后，目前在何愷明組內從事博士后研究。

根據他的主頁最新消息顯示，他將擔任ICLR 2025的區域主席。

他的主要研究方向是表示學習和生成模型，目標是構建能夠理解人類感知之外的世界的智能視覺系統。

此前曾作為一作和何愷明開發了自條件圖像生成框架RCG，團隊最新的多項研究中他也都有參與。

有趣的是，他還非常喜歡做飯，主頁上放了很多自己總結的食譜。

博士生Jake Austin

還有一位博士生Jake Austin，之前在加州伯克利大學人工智能研究所任職。

她的谷歌學術主頁被引數超過了500，主要成果也是集中在計算機視覺領域。

何愷明團隊的最新動態

CV相關

何愷明團隊最新的學術研究成果還是主要集中在他擅長的CV領域。

最新一篇是發表于10月17日的一篇論文：Fluid: Scaling Autoregressive Text-to-image Generative Models with Continuous Tokens。

這篇論文通過實證研究表明，使用連續標記和隨機順序生成的自回歸模型在文本到圖像生成任務中表現出最佳的擴展性和生成質量，團隊提出的Fluid模型刷新了新的零樣本FID和GenEval分數。

另一篇Scaling Proprioceptive-Visual Learning with Heterogeneous Pre-trained Transformers發表于9月30日。

這篇文章提出了一種名為Heterogeneous Pre-trained Transformers (HPT) 的架構，通過跨不同機器人本體和任務的異構預訓練來學習通用的策略表示，并在大規模機器人仿真和真實世界環境中驗證了其有效性。

主頁還列出了更多研究內容，包括自回歸圖像生成、單張圖像3D物理建模、使用拉格朗日體積網格表示高質量幾何形狀等等，多篇文章都已被NeurlPS 2024接收。

AI for Science相關

之前，何愷明副教授在MIT的求職演講上特意提到，AI for Science也將是他未來的工作方向。

5月他曾發表了這個方向的首個工作：使用強化學習的動態異構量子資源調度。文章使用自注意力機制處理量子比特對的序列信息，在概率性環境中訓練強化學習模型，提供動態實時調度指導，最終將量子系統性能提升了3倍以上。

多位大神云集，讓我們一起期待何愷明團隊未來的更多成果吧！