2021年秋季及2022年冬季亚马逊研究奖得主公布
获奖者来自八个国家的30多所大学。获奖者将能够访问某机构公共数据集，以及某机构云服务的AI/ML服务和工具。
作者：亚马逊研究奖团队
发布日期：2022年10月10日
阅读时间：6分钟
亚马逊研究奖是一项为学术研究人员提供无限制资金和某机构云服务推广积分的计划，资助的研究课题涵盖多个学科。今天，我们公开宣布53位获奖者，他们代表了八个国家的38所大学。
本次公告包括在2021年秋季某机构云服务AI和2022年冬季Alexa：AI公平性提案征集活动中资助的奖项。提案的科学内容质量、创造力以及对研究界和整个社会产生影响的潜力均经过评审。理论进展、创意新思想和实际应用都在考虑之列。
获奖者可以访问超过300个某机构公共数据集，并能够通过其某机构云服务推广积分使用某机构云服务的AI/ML服务和工具。获奖者还将被分配一位某机构研究联系人，该联系人提供咨询和建议，以及参与某机构活动和培训课程的机会。
此外，某机构鼓励发表研究成果、在全球某机构办公室进行研究展示，并根据开源许可发布相关代码。
“鉴于机器学习在我们日常生活中的普遍性，确保体验的公平和公正从未如此重要，”某机构AI应用科学高级经理Rahul Gupta表示。“2022年亚马逊研究奖得主所涵盖的广泛专业知识突显了某机构对可信赖AI研究的承诺，并将汇聚致力于解决复杂而重要问题的专家。”
亚马逊研究奖每年最多四次在各种研究领域资助提案。鼓励申请人访问亚马逊研究奖提案征集页面以获取更多信息，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2021年秋季某机构云服务AI和2022年冬季Alexa：AI公平性周期的提案征集获奖者。
| 获奖者 | 大学 | 研究标题 | |
|---|---|---|---|
| Jacob Andreas | 麻省理工学院 | 深度网络与决策的自然语言摘要 | |
| Elias Bareinboim | 哥伦比亚大学 | 近似因果推断与决策制定 | |
| Luisa Bentivogli | 布鲁诺·凯斯勒基金会 | 自动翻译中的偏见缓解与性别中立化技术 | |
| Adel Bibi | 牛津大学 | 随机平滑：未来方向与扩展 | |
| Peter Brusilovsky | 匹兹堡大学 | 探索性推荐系统的研究与评估 | |
| Marine Carpuat | 马里兰大学帕克分校 | 用于检测神经机器翻译中幻觉的模型自省 | |
| Snigdha Chaturvedi | 北卡罗来纳大学教堂山分校 | 公平文本表征的任务无关学习及其在自然语言生成中的应用 | |
| Tianyi Chen | 伦斯勒理工学院 | 通过双层优化实现自动化去中心化机器学习 | |
| Ashok Cutkosky | 波士顿大学 | 基于动量的私有非凸优化 | |
| Bhuwan Dhingra | 杜克大学 | 通过协作写作进行长文本问答 | |
| Yufei Ding | 加州大学圣塔芭芭拉分校 | 面向GPU云上大规模深度学习推荐模型的张量中心化加速框架 | |
| Yonina Eldar | 麻省理工学院/魏茨曼科学研究所 | 低成本超声成像的高效可解释深度学习 | |
| Ferdinando Fioretto | 雪城大学 | 理解差分隐私机器学习系统的意外差异性影响 | |
| David Forsyth | 伊利诺伊大学厄巴纳-香槟分校 | 在全新类别场景下学习与评估目标检测器 | |
| Tom Goldstein | 马里兰大学 | 结合AutoGluon与DGL集成的自动化高效图算法 | |
| Dan Goldwasser | 普渡大学西拉法叶分校 | 使用情境化话语嵌入理解社交基础语言 | |
| Hui Guan | 马萨诸塞大学阿默斯特分校 | Groot：面向高效图机器学习的GPU常驻系统 | |
| Callie Hao | 佐治亚理工学院 | 结合神经架构搜索协同学习的通用零样本自动化调优，实现高效深度学习工作负载交付 | |
| Wen-mei Hwu | 伊利诺伊大学厄巴纳-香槟分校 | 面向高效GNN训练的存储级张量设计与实现 | |
| Yani Ioannou | 卡尔加里大学 | 通过动态稀疏训练应对灾难性遗忘 | |
| Yangfeng Ji | 弗吉尼亚大学 | 资源受限下的对话智能体构建 | |
| Zhihao Jia | 卡内基梅隆大学 | 通过利用异构竞价型实例实现可负担且易获取的机器学习 | |
| Preethi Jyothi | 印度理工学院孟买分校 | 使用针对性子集选择和主动半监督学习实现语音识别的公平性 | |
| Dimosthenis Karatzas | 巴塞罗那自治大学 | 多页多语言文档视觉问答 | |
| Parisa Kordjamshidi | 密歇根州立大学 | 在逼真视觉环境中的自然语言指令遵循 | |
| Jana Kosecka | 乔治梅森大学 | 面向美国手语识别的手部形状建模 | |
| Jing (Jane) Li | 宾夕法尼亚大学 | HDIBench：高维数据索引与搜索的端到端基准测试 | |
| Sharon Yixuan Li | 威斯康星大学麦迪逊分校 | 面向开放世界可靠决策制定的不确定性感知深度学习 | |
| Rada Mihalcea | 密歇根大学 | 社区感知的商品问题生成 | |
| Hongseok Namkoong | 哥伦比亚大学 | 使用预训练模型的分布式鲁棒深度学习 | |
| Shirui Pan | 格里菲斯大学 | 面向图异常检测的高效多任务自监督学习 | |
| Nicolas Papernot | 多伦多大学 | 表征机器学习的隐私攻击面 | |
| Yifan Peng | 威尔康奈尔医学院 | 对纵向电子病历建模，以生成可解释的、深度知识增强的放射学报告 | |
| Christopher Potts | 斯坦福大学 | 神经网络的因果抽象：迈向更具可解释性的模型和泛化保证 | |
| Saurabh Prasad | 休斯顿大学 | 面向鲁棒地理空间智能的可操控稀疏深度神经网络与知识迁移 | |
| Pradeep Ravikumar | 卡内基梅隆大学 | 因果+深度分布外泛化学习 | |
| Xiang Ren | 南加州大学 | 为人在回路的语言模型优化生成并利用解释 | |
| Andrej Risteski | 卡内基梅隆大学 | 因果+深度分布外泛化学习 | |
| Marco Serafini | 马萨诸塞大学阿默斯特分校 | Groot：面向高效图机器学习的GPU常驻系统 | |
| Matteo Sesia | 南加州大学 | 面向不确定性AI的共形学习 | |
| Vatsal Sharan | 南加州大学 | 大规模可操作洞察：面向数据密集型系统的认证异常检测 | |
| George Shih | 威尔康奈尔医学院 | 对纵向电子病历建模，以生成可解释的、深度知识增强的放射学报告 | |
| Shashank Srivastava | 北卡罗来纳大学教堂山分校 | 从自然语言解释中学习处理长尾问题 | |
| Philip Torr | 牛津大学 | 随机平滑：未来方向与扩展 | |
| Yuxiong Wang | 伊利诺伊大学厄巴纳-香槟分校 | 在全新类别场景下学习与评估目标检测器 | |
| Fei Wang | 康奈尔大学 | 利用真实世界数据和生物医学知识增强的高通量药物重定位 | |
| Shinji Watanabe | 卡内基梅隆大学 | 非自回归对话语音识别 | |
| Yang Xu | 多伦多大学 | 提升对非正式语言的机器理解与公平性 | |
| Carl Yang | 埃默里大学 | 图数据上的联邦学习：效用、效率与隐私 | |
| Diyi Yang | 佐治亚理工学院 | 自然语言处理的持续性与适应性学习 | |
| Tao Yu | 香港大学 | 基于统一语言模型的可扩展对话式结构化知识接地 | |
| Bin Yu | 加州大学伯克利分校 | 可解释且稳定的自动化机器学习 | |
| Bolei Zhou | 加州大学洛杉矶分校 | 通过可操控生成模型改进分布外泛化 | FINISHED |
