某中心研究奖项获奖者公布
自2015年启动以来，某中心研究奖项在从AI公平性到机器人技术再到自然语言处理等广泛主题中发布了项目征集。然而，2023年春季针对某机构云服务人工智能：生成式AI的项目征集，为该计划提供了一个新的重点领域，反映了某机构在这一重要研究领域与研究者持续合作的努力。
宣布该征集项目时，某机构云服务机器学习引擎总经理指出：“生成式AI有巨大潜力改变我们与周围世界互动的方式。然而，要实现其全部潜力，仍需解决许多挑战，例如这些系统的负责任使用。在某机构云服务，我们认为支持研究界应对这些可能产生直接技术和社会影响的挑战非常重要。”
响应非常热烈，这是该计划启动以来单个研究奖项征集主题收到申请数量最多的一次。今天，研究奖项公开宣布了九位获奖者，他们代表三个国家的八所大学。提案的评审标准是其科学内容的质量以及其对研究界和社会的潜在影响。
此外，鉴于强烈的反响和研究的重要性，研究奖项计划在未来的项目征集中继续投资于生成式AI。
某机构云服务数据库与人工智能领导部门的副总裁兼杰出科学家表示：“某机构很高兴与学术界合作，探索生成式AI的前沿并提升其能力、实用性、可用性以及安全和负责任的行为，以实现广泛的社会采纳和变革性影响。我们的计划旨在减轻学术界参与生成式AI研究的计算基础设施成本和规模障碍，涵盖各种时间尺度和成果。”
获奖者可以访问超过300个某中心的公开数据集，并通过某机构云服务促销积分使用其AI/ML服务和工具。获奖者还会被分配一名某中心的研究联系人，提供咨询和建议，并有机会参加某中心的活动和培训课程。
此外，某机构鼓励发表研究成果，在全球某中心办公室展示研究，并以开源许可证发布相关代码。
研究奖项全年资助多个研究领域的提案。鼓励申请者访问研究奖项项目征集页面获取更多信息，或发送电子邮件以接收未来公开征集的通知。
下表按字母顺序列出了2023年春季周期项目征集的获奖者。
| 获奖者 | 大学 | 研究标题 |
|---|---|---|
| Chitta Baral | 亚利桑那州立大学 | 确保生成式自然语言系统的逻辑鲁棒性 |
| Muhao Chen | 加州大学戴维斯分校 | 基于结构感知等变学习的鲁棒（可控）自然语言生成 |
| Jia Deng | 普林斯顿大学 | 语言引导的3D场景程序化生成 |
| Elena Glassman | 哈佛大学 | 理解语言模型输出以服务于终端用户任务 |
| Carlos Guestrin | 斯坦福大学 | 羊驼农场：一个用于语言模型安全性研究与开发的开源框架 |
| Tatsunori Hashimoto | 斯坦福大学 | 羊驼农场：一个用于语言模型安全性研究与开发的开源框架 |
| Jonathan Kummerfeld | 悉尼大学 | 理解语言模型输出以服务于终端用户任务 |
| Ali Mesbah | 不列颠哥伦比亚大学 | 减少幻觉：针对大型语言模型代码生成的上下文策略 |
| Maarten Sap | 卡内基·梅隆大学 | RLKF：利用基于知识的强化学习缓解事实性幻觉和社会偏见 |
