2026 BAIR 研究生成果展

恭喜伯克利人工智能研究（BAIR）实验室2026届毕业生！今年，BAIR再次庆祝一批杰出的博士毕业生，他们的好奇心、创造力和毅力推动了人工智能和机器学习的前沿。他们的工作涵盖了现代AI的各个领域——机器人学和具身智能、大语言模型与推理、计算机视觉、生成式建模、AI安全、人机交互、AI for Science（科学人工智能）和AI for Healthcare（医疗人工智能）等等。在此过程中，他们发表了有影响力的研究，构建了具有现实世界影响力的系统，指导了同辈，并改善了BAIR社区。现在，他们将前往思想传播的各个地方：担任教职和博士后职位，进入工业研究实验室，创办自己的初创公司——还有几位仍在探索下一步，并期待听到您的消息。请与我们一起庆祝这些优秀毕业生的成就。我们为他们伯克利期间取得的一切感到自豪，并迫不及待地想看到他们接下来的成就！感谢斯坦福AI实验室的朋友们提供这个创意！

Baifeng Shi 邮箱：baifeng_shi@berkeley.edu 网站：https://bfshi.github.io/ 导师：Trevor Darrell 研究简介：我致力于构建通用视觉和机器人模型。 下一步：Physical Intelligence 技术专家

Charlie Snell 邮箱：csnell22@berkeley.edu 网站：https://sea-snell.github.io 导师：Dan Klein 研究简介：我的工作旨在理解不同LLM扩展范式何时以及如何相互权衡和互换。特别是，测试时扩展（test-time scaling）独立处理每个prompt，生成较长的推理链，然后在不同prompt之间完全遗忘。这与预训练有本质区别，预训练是从大型数据集中学习压缩表示。我相信，弥合这些计算扩展方法之间的差距是该领域的一个关键开放挑战：我们如何开发方法，将测试时得出的推理转化为模型可以在交互中保留的学习表示。

Devin Guillory 邮箱：dguillory@berkeley.edu 网站：https://devinguillory.com 导师：Trevor Darrell 研究简介：处理计算机视觉模型中的数据偏移。 下一步：构建协作式AI系统，寻找合作者。

Eve Fleisig 邮箱：efleisig@berkeley.edu 网站：https://efleisig.com 导师：Dan Klein 研究简介：我设计语言模型，使其能够为广泛的真实LLM用户可靠且公平地工作。首先，我的研究利用用户偏好之间的分歧作为信号，来训练和评估面向全体用户的LLM。其次，我致力于设计严格的评估方法，以解决不同用户面临的具有挑战性的LLM危害。最后，我研究LLM的核心技术故障，如校准不当的置信度，以降低模型部署给具有不同需求的用户时的下游风险。这些干预措施共同促进了构建能够最小化社会危害、最大化对更广泛真实用户益处的LLM。 下一步：普林斯顿大学CITP博士后研究员

Grace Luo 邮箱：graceluo@berkeley.edu 网站：https://graceluo.net 导师：Trevor Darrell 研究简介：我的研究是关于解释和控制生成式模型。例如，我研究过将图像生成器重新用于计算机视觉任务，以及通过元建模语言激活来更好地探测和引导LLM。 下一步：工业界研究科学家

Hanlin Zhu 邮箱：hanlinzhu@berkeley.edu 网站：https://hanlinzhu.com/ 导师：Stuart Russell, Jiantao Jiao 研究简介：我的研究核心是理解和改进大语言模型（LLM）的推理能力。 下一步：OpenAI 技术专家

Haozhi Qi 邮箱：hqi@berkeley.edu 网站：https://haozhi.io/ 导师：Jitendra Malik, Yi Ma 研究简介：灵巧操作与机器人学习 下一步：亚马逊研究科学家；芝加哥大学教职

J.D. Zamfirescu-Pereira 邮箱：zamfi@berkeley.edu 网站：https://zamfi.net 导师：Bjoern Hartmann 研究简介：我的研究专注于有效的人机协同设计。我研究语言界面作为与AI交互媒介的边界，创建将语言为中心的交互与利用不同抽象层次的结构化用户界面相结合的系统。我专注于语言导向的技术，如LLM和文生图模型，它们是设计过程的有力中介。这些技术使人类能够在几乎任何抽象层次上描述他们的愿望，从模糊指定的高层次目标（“我想做一个游戏来帮助我的孩子学习阅读”）到对不期望输出的低层次修正（“在描述食谱替代品的味道时，不要说‘我知道，因为我尝过’”）。 下一步：加州大学洛杉矶分校计算机科学助理教授

Jiachen Lian 邮箱：jiachenlian@berkeley.edu 网站：https://jlian2.github.io 导师：Gopala Anumanchipalli 研究简介：我的研究专注于语音、医疗和系统领域中以人为中心的AI。 寻找：寻找AI人才加入我们的初创公司

Josh Kang 邮箱：minwoo_kang@berkeley.edu 网站：https://joshuaminwookang.github.io/ 导师：John Canny 研究简介：我研究语言建模及NLP中的相关主题；具体兴趣包括人类用户模拟以及构建对话式、协作式AI agent。 下一步：Mistral AI 人工智能科学家

Junhao (Bear) Xiong 邮箱：junhao_xiong@berkeley.edu 网站：https://www.linkedin.com/in/junhao-bear-xiong 导师：Jennifer Listgarten, Yun Song 研究简介：Junhao (Bear) Xiong 是加州大学伯克利分校的博士生，由Jennifer Listgarten和Yun S. Song指导。他的工作侧重于生物学中的机器学习方法，重点是蛋白质的生成式建模。此前，他在约翰霍普金斯大学学习应用数学和计算机科学。 寻找：研究科学家

Kaylo Littlejohn 邮箱：kaylo_littlejohn@berkeley.edu 网站：https://kaylolittlejohn.com 导师：Gopala Anumanchipalli 研究简介：我的研究专注于语音建模和自然语言处理。我共同领导了多模态AI工具的开发，以准确地将大脑活动翻译成文本、可听个性化语音和高保真“数字说话头像”（Nature 2023, Nature Neuroscience 2025）。我也是Roblox语音建模的技术负责人。 寻找：研究科学家/工程师

Kent Chang 邮箱：kentkchang@berkeley.edu 网站：https://kentkc.org 导师：David Bamman 研究简介：我从事NLP和多模态机器学习，专注于评估大语言模型和构建用于理解对话、叙事和社交互动的多模态系统。我的研究包括LLM记忆的基准测试、源自故事片和电视剧的多模态数据集，以及模型行为研究。我感兴趣的是将计算方法与人文和社会科学中关于AI系统中谁的声音被代表以及AI更广泛影响的问题联系起来。我的工作曾发表在EMNLP和ACL等会议上。 寻找：（教学）教职、研究科学家、ML/AI SWE

Kevin Black 邮箱：kvablack@berkeley.edu 网站：https://kevin.black 导师：Sergey Levine 研究简介：我从事大规模机器人学习：包括模仿学习、强化学习、生成式建模、实时控制，以及让机器人在现实世界中工作所需的一切！ 下一步：Physical Intelligence 研究科学家

Kunhe Yang 邮箱：kunheyang@berkeley.edu 网站：https://www.kunheyang.com/ 导师：Nika Haghtalab 研究简介：我的研究侧重于在人类激励和AI能动性塑造的环境中设计和评估AI算法的理论基础。我的工作涵盖以人为中心的策略学习、激励感知评估以及多agent协作与信息传递，利用了机器学习理论和计算经济学的工具。 下一步：斯坦福大学博士后研究

Lisa Dunlap 邮箱：lisabdunlap@berkeley.edu 网站：https://lisabdunlap.com 导师：Joseph Gonzalez, Trevor Darrell 研究简介：审计生成式模型。 下一步：Anthropic 研究工程师

Long (Tony) Lian 邮箱：longlian@berkeley.edu 网站：https://tonylian.com/ 导师：Trevor Darrell, Adam Yala 研究简介：我的研究主要侧重于通过端到端强化学习开发实时多模态多agent系统和并行推理系统。 下一步：Thinking Machines Lab 技术专家

Maulik Bhatt 邮箱：maulikbhatt@berkeley.edu 网站：https://maulikb.com 导师：Negar Mehr 研究简介：我的研究开发能够在共享环境中与人类和其他机器人安全协调的自主机器人。我构建基于博弈论和扩散模型的可扩展算法，使agent能够推理周围其他agent的意图和行为。我的工作涵盖实时多agent轨迹规划和存在多模态情况下的模仿学习。我已在从四旋翼飞行器到机械臂的硬件平台上验证了这些方法，目标是使多agent协调变得鲁棒、可解释且可在现实世界中部署。 下一步：加入Toyota Woven的端到端自动驾驶团队。

Michael Psenka 邮箱：psenka@berkeley.edu 网站：https://www.michaelpsenka.io/ 导师：Aditi Krishnapriyan 研究简介：从事多个领域（强化学习、世界模型、AI+生物/化学）的工作，通常处理规划和插值中的长时域和分布外问题（例如，从起始状态到目标状态的机器人操作，基态之间蛋白质的分子动力学）。我的论文采用了一种变分方法（想想变分法），直接来自环境的深度生成模型，将路径寻找表述为最小化由学习模型本身（其score、critic或动力学）诱导的泛函。通过我的研究，我深入了解了如何在深度学习系统中正确处理动力学，并计划继续开发动态和自适应的系统。 下一步：Baseten 首席研究科学家

Nathan Lichtlé 邮箱：nathan.lichtle@gmail.com 网站：https://nathanlichtle.com 导师：Alexandre M. Bayen 研究简介：用于自动驾驶的强化学习。 下一步：Yumi Health 首席科学家兼联合创始人

Neerja Thakkar 邮箱：nthakkar@berkeley.edu 网站：https://neerja.me/ 导师：Jitendra Malik 研究简介：我的研究侧重于扩展预测性世界模型，以处理野外运动的复杂性。利用自回归和扩散框架，我为现实世界预测开发更好的表示，并提出将这些模型有效适应新领域的方法。 寻找：研究科学家

Nikita Mehandru 邮箱：nmehandru@berkeley.edu 网站：https://n-mehandru.github.io/ 导师：Ahmed Alaa and David Bamman 研究简介：我的研究开发和运用机器学习方法，利用电子健康记录中的非结构化文本和时间序列数据进行临床推理和疾病进展建模。与加州大学旧金山分校的医生合作，我将方法开发与临床验证联系起来，旨在构建医学中可靠、可解释的AI系统。 寻找：研究科学家

Niklas Lauffer 邮箱：nlauffer@berkeley.edu 网站：https://niklaslauffer.github.io/ 导师：Stuart Russell and Sanjit Seshia 研究简介：Niklas的研究专注于AI安全和强化学习，特别是在多agent交互和LM agent领域。他研究过在合作和混合动机环境中实现对抗性学习，解决在长时域任务上训练LM agent时的协变量偏移问题，以及评估LM agent在多agent环境中带来的安全风险。 下一步：Google Deepmind 研究科学家

Qiyang Li 邮箱：qcli@berkeley.edu 网站：https://colinqiyangli.github.io/ 导师：Sergey Levine 研究简介：机器人操作策略学习的最新进展主要由以下两点驱动：（1）大规模先验数据集的日益可用性；（2）动作分块（action chunking）的成功，即策略预测未来动作的短序列而非单个动作。然而，大多数动作分块策略是通过监督式模仿学习训练的，因为使用强化学习进行高效的在线自我改进仍然具有挑战性——限制了现实世界的适用性。我的博士研究探讨了如何利用先验数据通过强化学习优化动作分块策略，将实证结果与理论见解相结合。 寻找：机器人学和LLM中强化学习方向的博士后/研究科学家！

Sampada Deglurkar 邮箱：sampada_deglurkar@berkeley.edu 网站：https://sdeglurkar.github.io/ 导师：Prof Claire Tomlin 研究简介：我的研究是为基于AI的自主系统提供安全保障，范围从机器人到自动驾驶汽车再到航空系统。为此，我研究过机器学习模型的不确定性量化、不确定性下的决策算法，以及为系统运行提供概率保证的工具。 寻找：研究科学家、研究工程师

Vinamra Benara 邮箱：vbenara@berkeley.edu 网站：https://cs.berkeley.edu/~vbenara 导师：Ion Stoica 研究简介：我的研究侧重于LLM后训练，包括数据整理、RLHF、与VLM的RLVR、评估、推理、agent工作流和可解释性。我在分布式计算的系统基础设施方面也有很强的专业知识。 寻找：研究科学家/研究工程师

Vongani Maluleke 邮箱：vongani_maluleke@berkeley.edu 网站：https://people.eecs.berkeley.edu/~vongani_maluleke/ 导师：Jitendra Malik and Angjoo Kanazawa 研究简介：Vongani Maluleke是加州大学伯克利分校（BAIR）的博士生，由Jitendra Malik和Angjoo Kanazawa指导。她领导了MAGNet的开发，这是一个统一的多agent运动生成框架，支持广泛运动生成任务而无需重新训练或架构更改，性能优于任务特定的SOTA基线。她目前正在扩展这项工作，将其部署在Unitree G1人形机器人上，使其具备社交智能。在攻读博士之前，她是德勤的高级AI顾问，连续两年被评为杰出表现者，领导了媒体、电信、零售和金融服务领域的AI系统开发。 寻找：研究科学家

Wei-Jer Chang 邮箱：weijer_chang@berkeley.edu 网站：https://weijer-chang.github.io/ 导师：Masayoshi Tomizuka 研究简介：我的研究专注于为复杂、以人为中心的环境开发安全且智能的自主系统。我工作在机器学习、生成式模型和强化学习的交叉领域，并将其应用于自主系统。我的工作解决了多agent交互、交互式人类行为以及大规模长尾安全关键场景中的挑战。 寻找：研究科学家、应用科学家、机器人专家

Xiuyu Li 邮箱：xiuyu@berkeley.edu 网站：https://xiuyuli.com/ 导师：Kurt Keutzer 研究简介：我的研究专注于开发可扩展且自我改进的大语言模型agent，重点是用于复杂、长时域任务的编码agent。这一方向建立在我并行推理工作的基础上，以及我在语言和视觉领域使生成式模型在训练和推理方面更高效的更广泛专业知识。 下一步：xAI 技术专家

Yichen Xie 邮箱：yichenxie0928@gmail.com 网站：https://yichen928.github.io/ 导师：Masayoshi Tomizuka 研究简介：我的研究专注于构建能够理解和交互复杂物理环境的多模态基础模型和世界模型。我旨在开发跨模态的统一表示，使AI系统能够推理空间、时间和动力学，迈向通用具身智能。 下一步：Luma AI 研究科学家

Yigit Efe Erginbas 邮箱：erginbas@berkeley.edu 网站：https://www.linkedin.com/in/erginbas/ 导师：Kannan Ramchandran, Thomas A. Courtade 研究简介：我的博士研究涵盖两个方向：大规模市场中的在线学习，以及大型机器学习模型的可解释性。在第一个方向，我研究顺序决策，应用于推荐、定价和品类选择。我的重点是设计具有社会福利最大化、收入最大化和稳定性可证明保证的算法。在第二个方向，我开发可扩展的归因方法，利用现实世界交互的稀疏、低度结构，使用信号处理和信息论的工具。最近，我一直在探索评估模型自我解释忠实度的原则性方法。 下一步：Hudson River Trading AI实验室（HAIL）研究员

Yiheng Li 邮箱：yhli@berkeley.edu 网站：https://Yihengli.com 导师：Masayoshi Tomizuka 研究简介：我从事视觉世界建模，在扩散模型效率以及自动驾驶方面有先前经验。 下一步：Waymo 研究科学家

Zhe Fu 邮箱：zhefu@berkeley.edu 网站：https://fu-zhe.com/ 导师：Alexandre Bayen 研究简介：我的研究专注于混合自主系统的物理信息学习与控制，并应用于交通领域。我设计物理信息神经网络来学习非线性偏微分方程的解，从而能够准确且数据高效地预测交通动态。在这些模型的基础上，我开发了基于模型和基于学习的控制策略，协调自动驾驶车辆以改善系统级性能。我的工作连接了机器学习、控制和现实世界部署，并已在大规模现场实验中验证。更广泛地说，我旨在为复杂现实世界系统中的决策推进可信、可解释的AI。 下一步：毕业后我将成为斯坦福大学的能源研究员。同时也在寻找AI、控制和自主系统领域的教职或研究科学家职位。