恭喜柏克萊人工智慧研究實驗室（BAIR）2026 屆的畢業生！今年，BAIR 再次慶祝這群傑出的博士畢業生，他們以好奇心、創造力和毅力，推動了人工智慧和機器學習的疆界。

他們的研究涵蓋了現代 AI 的廣泛領域，機器人學與具身智慧、大型語言模型與推理、電腦視覺、生成式建模、AI 安全、人機互動、AI 於科學與醫療保健的應用等等。在此過程中，他們發表了具影響力的研究，建立了具有實際影響的系統，指導了同儕，並改善了 BAIR 社群。

現在，他們將前往思想傳播的各個地方：擔任教職和博士後研究員，進入業界研究實驗室，以及創辦自己的新創公司，其中一些人仍在探索下一步，並樂意聽取您的意見。

請與我們一同慶祝這些優秀畢業生的成就。我們為他們在柏克萊所取得的一切感到驕傲，並迫不及待地想看到他們接下來的發展！

感謝史丹佛大學 AI 實驗室的朋友們提供這個想法！

Baifeng Shi

電子郵件：baifeng_shi@berkeley.edu

網站：https://bfshi.github.io/

指導教授：Trevor Darrell

研究簡述：我致力於建構通用視覺與機器人模型。

下一步：Physical Intelligence 技術人員

Charlie Snell

電子郵件：csnell22@berkeley.edu

網站：https://sea-snell.github.io

指導教授：Dan Klein

研究簡述：我的研究旨在理解不同大型語言模型（LLM）擴展範式何時以及如何能夠相互權衡和替換。特別是，測試時擴展（test-time scaling）獨立處理每個提示詞，推導出長鏈推論，然後在提示詞之間完全忘記這些推論。這與預訓練（pretraining）截然不同，預訓練是從大型數據集中學習壓縮表示。

我認為彌合這些計算擴展方法之間的差距，是該領域的一個關鍵開放挑戰：我們如何開發能夠將測試時推論轉化為模型在互動中可以保留的學習表示的方法。

Devin Guillory

電子郵件：dguillory@berkeley.edu

網站：https://devinguillory.com

指導教授：Trevor Darrell

研究簡述：處理電腦視覺模型中的資料偏移問題

下一步：建構協作式 AI 系統，尋找合作夥伴。

Eve Fleisig

電子郵件：efleisig@berkeley.edu

網站：https://efleisig.com

指導教授：Dan Klein

研究簡述：我設計語言模型，使其能為廣泛的真實 LLM 用戶可靠且公平地運作。首先，我的研究利用用戶偏好之間的分歧作為訊號，以訓練和評估適用於整個用戶群體的 LLM。其次，我致力於設計嚴謹的評估方法，以揭示不同用戶面臨的挑戰性 LLM 危害。

最後，我處理 LLM 的核心技術故障，例如校準不良的置信度，以減少模型部署給不同需求用戶時的下游風險。總體而言，這些干預措施有助於建構能最大程度減少社會危害並最大化惠及更廣泛真實世界用戶的 LLM。

下一步：普林斯頓大學 CITP 博士後研究員

Grace Luo

電子郵件：graceluo@berkeley.edu

網站：https://graceluo.net

指導教授：Trevor Darrell

研究簡述：我的研究是關於解釋和控制生成模型。例如，我曾致力於將圖像生成器重新用於電腦視覺任務，以及對語言激活進行元建模以更好地探測和引導 LLM。

下一步：業界研究科學家

Hanlin Zhu

電子郵件：hanlinzhu@berkeley.edu

網站：https://hanlinzhu.com/

指導教授：Stuart Russell, Jiantao Jiao

研究簡述：我的研究核心是理解並提升大型語言模型（LLM）的推理能力。

下一步：OpenAI 技術人員

Haozhi Qi

電子郵件：hqi@berkeley.edu

網站：https://haozhi.io/

指導教授：Jitendra Malik, Yi Ma

研究簡述：靈巧操作與機器人學習

下一步：Amazon 研究科學家；芝加哥大學教職

J.D. Zamfirescu-Pereira

電子郵件：zamfi@berkeley.edu

網站：https://zamfi.net

指導教授：Bjoern Hartmann

研究簡述：我的研究專注於有效的人機協同設計。我探討語言介面作為與 AI 互動媒介的界限，創建將以語言為中心的互動與利用不同抽象層次的結構化用戶介面相結合的系統。我特別關注以語言為導向的技術，例如 LLM 和文字轉圖像模型，它們是設計過程的強大媒介。

這些技術使人類能夠以幾乎任何抽象層次描述他們的需求，從模糊指定的高層目標（「我想要一個遊戲來幫助我的孩子學習閱讀」）到對不理想輸出的低層次修正（「關於食譜替代品的味道時，不要說『我知道因為我嚐過』」）。

下一步：加州大學洛杉磯分校（UCLA）電腦科學助理教授

Jiachen Lian

電子郵件：jiachenlian@berkeley.edu

網站：https://jlian2.github.io

指導教授：Gopala Anumanchipalli

研究簡述：我的研究專注於跨語音、醫療保健和系統領域以人為本的 AI。

尋找：尋找 AI 人才加入我們的創業公司

Josh Kang

電子郵件：minwoo_kang@berkeley.edu

網站：https://joshuaminwookang.github.io/

指導教授：John Canny

研究簡述：我研究語言建模和自然語言處理（NLP）相關主題；特別感興趣的是人類用戶模擬以及建構對話式、協作型 AI 代理。

下一步：Mistral AI AI 科學家

Junhao (Bear) Xiong

電子郵件：junhao_xiong@berkeley.edu

網站：https://www.linkedin.com/in/junhao-bear-xiong

指導教授：Jennifer Listgarten, Yun Song

研究簡述：熊俊豪（Bear）是加州大學柏克萊分校的博士候選人，導師為 Jennifer Listgarten 和 Yun S. Song。他的工作專注於生物學的機器學習方法，特別是蛋白質的生成模型。此前，他在約翰霍普金斯大學學習應用數學和電腦科學。

尋找：研究科學家

Kaylo Littlejohn

電子郵件：kaylo_littlejohn@berkeley.edu

網站：https://kaylolittlejohn.com

指導教授：Gopala Anumanchipalli

研究簡述：我的研究專注於語音建模和自然語言處理。我共同領導了多模態 AI 工具的開發，這些工具能將大腦活動精確轉化為文字、可聽見的個人化語音以及高傳真度的「數位說話替身」（Nature 2023, Nature Neuroscience 2025）。我同時也是 Roblox 語音建模的技術主管。

尋找：研究科學家／工程師

Kent Chang

電子郵件：kentkchang@berkeley.edu

網站：https://kentkc.org

指導教授：David Bamman

研究簡述：我從事自然語言處理（NLP）和多模態機器學習，重點是評估大型語言模型並建構用於理解對話、敘事和社會互動的多模態系統。我的研究包括 LLM 記憶基準測試、來自電影和電視的多模態數據集，以及模型行為研究。我對將計算方法與人文和社會科學中關於 AI 系統中誰的聲音被代表以及 AI 更廣泛影響的問題聯繫起來感興趣。我的工作曾發表於 EMNLP 和 ACL 等會議。

尋找：(教學) 教職、研究科學家、機器學習/AI 軟體工程師

Kevin Black

電子郵件：kvablack@berkeley.edu

網站：https://kevin.black

指導教授：Sergey Levine

研究簡述：我致力於大規模機器人學習：包括模仿學習、強化學習、生成建模、即時控制，以及任何能讓機器人在現實世界中運作的技術！

下一步：Physical Intelligence 研究科學家

Kunhe Yang

電子郵件：kunheyang@berkeley.edu

網站：https://www.kunheyang.com/

指導教授：Nika Haghtalab

研究簡述：我的研究專注於在由人類誘因和 AI 代理塑造的環境中設計和評估 AI 演算法的理論基礎。我的工作涵蓋以人為中心的策略學習、激勵感知評估，以及多代理協作和資訊傳輸，並借鑒了機器學習理論和計算經濟學的工具。

下一步：史丹佛大學博士後研究

Long (Tony) Lian

電子郵件：longlian@berkeley.edu

網站：https://tonylian.com/

指導教授：Trevor Darrell, Adam Yala

研究簡述：我的研究