（来源：机器之心）

恭喜！

近日，亚马逊研究奖（Amazon Research Awards，ARA）公布了最新一期获奖者名单，共 63 位（其中 26 位华人），来自 8 个国家 41 所大学。

名单地址：https://www.amazon.science/research-areas/latest-news/63-amazon-research-award-recipients-announced-spring-2025 

亚马逊研究奖于 2015 年设立，旨在为多学科研究主题的研究人员提供资助奖励。获奖者可以访问 700 多个亚马逊公共数据集，并可以通过促销积分使用 AWS AI/ML 服务和工具。除此以外，获奖者还将与亚马逊专家建立联系，以获得咨询和建议，还可以参加亚马逊举办的活动、培训课程等。

在这一期的获奖名单中，我们看看有哪些华人学者。

AI 信息安全

AI 信息安全领域的应用方向有 8 位研究者获奖，其中有 3 位是华人。

Zhou Li（李洲）

• 机构：加州大学欧文分校

• 研究课题：利用 LLM 在审计日志中实现精确且分析人员友好的攻击溯源

李洲，加州大学欧文分校电气工程与计算机科学系副教授，研究方向主要为安全与隐私。加入 UCI 之前，他曾在 RSA Laboratories 担任首席研究科学家，从事安全分析相关研究。他于 2014 年获得印第安纳大学伯明顿分校计算机科学博士学位，师从 XiaoFeng Wang 教授，此前分别于 2006 年和 2008 年获得武汉大学计算机科学学士和硕士学位。

Yu Meng（孟瑜）

• 机构：弗吉尼亚大学

• 研究课题：弱监督 RLHF：建模人类偏好中的模糊性与不确定性

孟瑜，弗吉尼亚大学计算机科学系助理教授。他于 2023 年在伊利诺伊大学厄巴纳 - 香槟分校计算机科学系获得博士学位，师从 Jiawei Han 教授。在加入弗吉尼亚大学之前，他曾在普林斯顿大学担任访问研究员，与陈丹琦合作研究。他的博士论文曾获得 ACM SIGKDD 优秀博士论文奖，并在攻读博士期间荣获谷歌博士奖学金。他的研究兴趣包括机器学习、自然语言处理和数据挖掘。

Ziming Zhao（赵子铭）

• 机构：东北大学

• 研究课题：理解大语言模型的攻击方式：可解释的漏洞检测与修复

赵子铭，东北大学 Khoury 计算机科学学院的副教授。他的研究兴趣包括系统与软件安全、网络与 Web 安全，以及以人为中心的安全研究。他的论文曾获得 SACMAT 2024 时间检验奖（Test-of-Time Paper Award），以及 USENIX Security 2019、ACM AsiaCCS 2022、ACM CODASPY 2014、ITU Kaleidoscope 2016 的最佳／杰出论文奖。此前，他在亚利桑那州立大学计算机科学与工程系获得博士学位。

亚马逊广告（Amazon Ads）

亚马逊广告研究方向共有两位获奖者，皆是华人。

Xiaojing Liao

• 机构：伊利诺伊大学厄本纳 — 香槟分校

• 研究课题：大语言模型在数字广告中的对抗性滥用：基准测试与缓解措施

Xiaojing Liao，伊利诺伊大学厄本纳 — 香槟分校计算机科学系副教授。她在佐治亚理工学院获得电子与计算机工程博士学位。她的研究兴趣包括通过面向数据的安全分析在大型系统中发现并理解关键安全问题，同时设计和开发创新方案以解决这些问题。

Tianhao Wang

• 机构：弗吉尼亚大学

• 研究课题：大型语言模型在数字广告中的对抗性滥用：基准测试与缓解措施

Tianhao Wang，弗吉尼亚大学助理教授。他在普渡大学获得博士学位，在复旦大学获得学士学位。他的研究方向包括差分隐私和机器学习隐私，重点在于设计能够在实际中发挥作用的算法。

AWS Agentic AI

智能体 AI 是亚马逊资助的热门方向，今年共有 30 位研究者获奖，以下是其中的华人研究者。

Cong Chen

• 机构：达特茅斯学院

• 研究课题：用行为生成智能体赋能电力系统与市场运营

Cong Chen，达特茅斯学院工程学院助理教授，并于 2024 年入选斯坦福能源基金会研究员。她先后在武汉大学获得学士学位、在清华大学获得硕士学位、在康奈尔大学获得博士学位，均为电气工程专业。其研究目标是通过基于优化、经济学和现代机器学习与人工智能的工程方法推动全球能源转型。她的研究经验包括大规模分布式能源资源聚合、不确定性下的定价、电力市场中的储能整合、面向能源用户的大语言模型，以及提升电网韧性的氢储能。她曾在新英格兰独立系统运营商实习，并因在高比例储能和可再生能源条件下推动电力系统与电力市场运行方面作出的重要贡献，获得多项荣誉，其中包括 IEEE PES 杰出博士论文奖。

Chunyang Chen

• 机构：慕尼黑工业大学

• 研究课题：基于智能计算机使用智能体的功能性缺陷感知软件测试

Chunyang Chen，德国慕尼黑工业大学的软件工程与人工智能教授。北京邮电大学学士，新加坡南洋理工大学博士，分别于 2014 年和 2018 年获得学位。2018 年至 2024 年，他在澳大利亚蒙纳士大学任讲师和终身副教授。他的研究领域位于软件工程、人机交互、软件安全与人工智能的交叉处。具体而言，他采用包括人工智能和机器学习、自然语言处理以及轻量级程序分析在内的数据驱动方法，主要研究方向包括 AI 和大型语言模型辅助的自动化移动应用开发、AI 赋能的软件仓库挖掘、深度学习和移动应用的安全性。

Sidong Feng

• 机构：蒙纳士大学

• 研究课题：基于智能计算机使用代理的功能缺陷感知软件测试

Sidong Feng，澳大利亚蒙纳士大学信息技术学院博士生，师从 Chunyang Chen、Aldeida Aleti、Yuan-Fang Li 和 Bohan Zhuang。他的研究兴趣位于软件工程、人机交互和大型语言模型的交叉领域。他在澳大利亚国立大学获得软件工程学士学位，导师为 Zhenchang Xing。他目前的研究重点是软件测试与人机协作式的 AI 交互，主要聚焦于这两个方向下的若干具体课题。

Bang Liu（刘邦）

• 机构：蒙特利尔大学

• 研究课题：协作式智能体人工智能的基础智能体与协议

Bang Liu，现任蒙特利尔大学和 Mila 研究所副教授、加拿大 CIFAR 人工智能讲席教授。研究自然语言处理、多模态与具身学习及 AI for Science 等。他已发表论文与教程 100 余篇，荣获 Amazon Research Award (2025), WAIC 云帆奖（2025 璀璨明星，2024 明日之星）、蒙特利尔大学研究卓越奖及 George Walker 最佳博士论文奖等。他深耕基础智能体研究，联合 MetaGPT 发起 Foundation Agents 开源组织，率先构建材料科学大模型与智能体推动新材料智能设计，成果广泛应用于产业。

他于 2013 年毕业于中国科学技术大学获得工学学士学位，随后在阿尔伯塔大学分别于 2015 年和 2020 年获得硕士和博士学位。

Lianhui Qin

• 机构：加州大学圣地亚哥分校

• 研究课题：ReaL-Agent：一种用于深度跨模态检索的检索与推理智能体

Lianhui Qin，加州大学圣地亚哥分校计算机科学系助理教授。她在华盛顿大学获得博士学位，主攻自然语言处理，导师为 Yejin Choi。目前正在招收新的博士生和博士后，同时也为硕士与本科生（包括 UCSD 校内及外校学生）提供研究岗位。她的研究目标是构建能够在复杂环境中进行交互、推理与泛化的 AI 智能体。具体方向包括可控与受约束的创造性推理（如隐式推理、推理流程、COLD-Decoding）、具备持续演化能力的随时学习智能体（如 LLM Memory）、开放世界与智能体建模（如 SimWorld），以及面向科学与实际系统的 AI 推理方法（如化学推理）。

Jindong Wang（王晋东）

• 机构：威廉玛丽学院

• 研究课题：结构至关重要：针对 LLM 智能体的任务优化拓扑

王晋东，威廉与玛丽学院数据科学系助理教授，同时是未来生命研究所（Future of Life Institute）成员。2019 年至 2024 年，他曾任微软亚洲研究院高级研究员。他的研究兴趣涵盖机器学习、大型基础模型及面向社会科学的生成式人工智能。他是全球前 2% 高被引科学家和最具影响力的 AI 学者之一。担任 IEEE Transactions on Neural Networks and Learning Systems (TNNLS) 副编辑、ACM Transactions on Intelligent Systems and Technology (TIST) 客座编辑，并曾担任 ICML、NeurIPS、ICLR、KDD、ACL、ACMMM、ACML 的领域主席，以及 IJCAI 和 AAAI 的 SPC。他在顶级学术会议发表论文 60 余篇（引用超过 23000 次，H 指数 54），研究获得亚马逊研究奖、谷歌研究奖、AMD 大学计划 AI 与 HPC 奖、微软加速基础模型研究奖及威廉与玛丽学院教员研究奖支持。他的研究成果已应用于微软健康产品，减少 15% token 消耗，并提升量化金融预测准确率。其工作曾被 Forbes、MIT Technology Review 等国际媒体报道，多次获最佳论文奖，并出版专著《迁移学习导论》，在 IJCAI’22、WSDM’23、KDD’23、AAAI’24、AAAI’25 和 CVPR’25 等会议举办教程。

Xiaolong Wang

• 机构：加州大学圣地亚哥分校

• 研究课题：智能体世界表征 (Agentic World Representation)

Xiaolong Wang，加州大学圣地亚哥分校电气与计算机工程系的副教授。他在卡内基梅隆大学机器人研究所获得博士学位，并曾与伯克利 AI 研究、Facebook AI 研究及艾伦人工智能研究所合作。他曾获 Facebook Fellowship、Nvidia Fellowship 和百度 Fellowship。他的研究聚焦于利用数据中的结构学习视觉表示，特别关注视频中的时空结构及其与三维结构和语义结构的关系。他主要探索两个方向：一是将数据自身的结构信息作为监督信号进行视觉表示学习（即自监督学习），无需人工标注；二是显式建模数据结构，用于人体活动分析、场景功能推理和物体交互学习，具有机器人应用潜力。

Zhi-Li Zhang（张志力）

• 机构：明尼苏达大学双城分校

• 研究课题：NetGenius：用于下一代无线网络自主配置和智能运维的 Agentic AI

Zhi-Li Zhang，明尼苏达大学杰出 McKnight 教授，Qwest Land Grant 电信主席教授。他的研究兴趣广泛，包括网络、边缘与云计算、网络物理系统，以及人工智能 / 机器学习在网络系统中的应用与网络系统对 AI/ML 的支持。过去，他的研究主要集中于可扩展互联网服务质量（QoS）、内容分发网络、互联网测量、弹性路由系统和网络安全等方面。当前，他的研究重点是：一是构建面向服务、应用感知、高度可扩展、弹性与安全的 5G / 下一代网络系统；二是开发并引入新型 AI/ML 算法，以实现智能软件定义网络基础设施、边缘 / 云系统及新兴应用，如协作式自动驾驶、数字孪生、元宇宙和物联网。

Jiawei Zhou

• 机构：石溪大学

• 研究课题：交互式 LLM 智能体的高效且有效的长程推理

Jiawei Zhou，2024 年加入石溪大学，现任计算机科学系教授。他在哈佛大学获得计算机科学博士学位，隶属于哈佛 / 康奈尔自然语言处理（NLP）团队，导师为 Alexander (Sasha) Rush 教授；同时获得哈佛大学统计学硕士学位，并于清华大学获得电子工程学士学位。在加入石溪大学之前，他曾任芝加哥大学丰田技术研究院（TTIC）研究助理教授。他的研究主要集中在自然语言处理（NLP）与机器学习（ML）应用领域。他曾参与多种核心 NLP 任务与方法研究，包括文本生成的序列到序列技术，以及语义理解的序列到图生成方法。近期，他的研究聚焦于广义语言应用与生成式人工智能，其中语言不仅指自然语言，也可包括代码、序列化视觉表示、具身动作等序列信息。他致力于更好地理解和改进最先进的深度学习模型，如（大型）语言模型和多模态模型，从效率、知识增强、记忆能力、事实性、安全性、公正评估、推理与规划等多个方面进行研究。

在 Trainium 上构建

Trainium 是亚马逊云科技（AWS）开发的一系列定制 AI 芯片，用于训练和推理，与部分替代方案相比，能以更低成本提供高性能。这些芯片可在 AWS 的 Amazon Elastic Compute Cloud（EC2）Trn1 和 Trn2 实例上使用，旨在处理高要求的机器学习模型，包括大型语言模型（LLM）。其主要特性包括脉动阵列架构以及对 PyTorch 和 TensorFlow 等流行框架的支持。

在该芯片上的构建和研究也同样是亚马逊资助的重点方向，共有 20 名获奖者，下面列出了其中的华人研究者。

Kuan Fang

• 机构：康奈尔大学

• 研究课题：机器人感知与控制的多模态基础模型快速适应

Kuan Fang，康奈尔大学计算机科学系助理教授。他曾在加州大学伯克利分校做博士后，导师为 Sergey Levine。他在斯坦福大学获得博士与硕士学位，导师为李飞飞和 Silvio Savarese，并于清华大学获得学士学位。他还曾在 RAI 研究所、Google Brain、Google X Robotics 及微软亚洲研究院工作过。

Shizhong Han

• 机构：Lieber 大脑发育研究所

• 研究课题：优化和扩展大型化学模型的预训练及基于偏好的微调

Shizhong Han，Lieber 研究所首席研究员，约翰霍普金斯大学医学院精神病学与行为科学副教授。他的研究旨在揭示脑部疾病的遗传基础，并将基因发现转化为新型治疗方法。为实现这一目标，他的团队结合多组学数据，采用先进的统计遗传学方法、生物信息学工具及深度学习技术。正在进行的项目包括：1）研究非编码遗传变异在基因调控和脑部疾病中的作用；2）识别与脑部疾病相关的核心基因及基因调控回路；3）基于药物诱导的基因表达扰动特征开发新型治疗方案。

Sitao Huang（黄思陶）

• 机构：加州大学欧文分校

• 研究课题：通过基于配置文件的图拓扑优化在 AWS Trainium 上实现自动内核合成与调优

Sitao Huang，加州大学欧文分校 Samueli 工程学院电气与计算机工程系助理教授，伊利诺伊大学厄本纳 — 香槟分校电气与计算机工程博士（2021 年），清华大学电子工程学士（2014 年），伊利诺伊大学厄本纳 — 香槟分校电气与计算机工程硕士（2017 年）。他曾获 2019 年 Sundaram Seshu 国际学生奖学金和 2018 年 Rambus 计算机工程奖学金。他的研究曾多次获奖，包括 ASP-DAC 2021 最佳论文提名、2018 年 IEEE HPEC Graph Challenge 学生创新奖，以及 DAC 2019 系统设计竞赛一等奖。他的研究兴趣包括高效硬件加速器、硬件系统的编程语言与综合流程，以及异构系统优化。

Dong Li

• 机构：加州大学默塞德分校

• 研究课题：AWS Trainium 上基于自适应专家并行的高效稀疏训练

Dong Li，加州大学默塞德分校副教授，平行架构、系统与算法实验室（PASA）主任，同时担任高性能计算系统与架构小组联合主任。他是 Yotta Labs Inc. 的联合创始人兼首席科学家。2011 至 2014 年，他曾在橡树岭国家实验室（ORNL）任研究科学家。他在此之前于弗吉尼亚理工学院获得计算机科学博士学位。他是 IEEE Transactions on Parallel and Distributed Systems (TPDS) 副编辑，曾任 NVIDIA GPU 研究中心（默塞德）主任，并担任 NSF IUCRC 记忆系统研究中心（CEMSYS）规划主任。Dong Li 的研究聚焦高性能计算（HPC），并与计算机系统（尤其是大规模 AI/ML 系统）密切相关。

Xiaoxiao Li

• 机构：不列颠哥伦比亚大学

• 研究课题：在 AWS Trainium 上通过剪枝和套娃量化 (Matryoshka Quantization) 实现高效 MoE LLM

Xiaoxiao Li，不列颠哥伦比亚大学电气与计算机工程系副教授，同时是计算机科学系和病理与实验医学系的副成员，并且是 Vector 研究所的教员。他被评为加拿大负责任人工智能二级研究主席（Canada Research Chair, Tier II）和 CIFAR AI 讲席教授。他的研究兴趣主要集中在 AI 与医疗的交叉领域、通用人工智能（AGI）的理论与技术，以及 AI 的可信性。他致力于开发新一代负责任的人工智能算法和系统。Xiaoxiao Li 的研究成果得到广泛认可，在顶级机器学习会议（ICML、ICLR、NeurIPS、CVPR、ECCV）及生物医学会议和期刊（MICCAI、IPMI、Medical Image Analysis、IEEE Trans on Medical Imaging、Nature Methods）上发表论文，并多次获得最佳论文奖和科研奖项。

Jiang Liu

• 机构：早稻田大学

• 研究课题：使用 AWS Trainium 加速视觉 - 语言自动驾驶

Jiang Liu，早稻田大学全球科学与工程中心教授。她在早稻田大学获得全球信息与通信研究硕士学位和博士学位。她的研究兴趣包括无线通信与感知、无线网络系统以及光无线通信。

Xiaoyi Lu

• 机构：加州大学默塞德分校

• 研究课题：使用 AWS Trainium 加速大型语言和推理模型工作负载

Xiaoyi Lu，加州大学默塞德分校计算机科学与工程系副教授，同时领导并负责平行与分布式系统实验室（PADSYS Lab）。自 2023 年起，他也是 AgAID 研究所的关联教员。他的研究兴趣包括并行与分布式计算、高性能通信与 I/O 技术、大数据分析、云计算、深度学习、数字孪生技术及跨学科研究（如精准农业与生物统计学）。Xiaoyi Lu 在国际顶级会议、研讨会和期刊上发表论文超过 170 篇，并获得十项最佳（学生）论文奖或提名（如 SC 2019、IPDPS 2024）。他在全球发表过 100 余场邀请报告、教程及学术演讲，并积极参与各类学术期刊和会议的专业活动。他的多项研究成果（如 OpenDOTA、SR-APPFL、PMIdioBench、HiBD、MVAPICH2-Virt 和 DataMPI）已向公众开放，并被全球数百家机构使用。Xiaoyi Lu 曾获得 NSF CAREER 奖、亚马逊研究奖、谷歌研究奖及 Meta/Facebook 教师研究奖，其研究项目亦获得 NSF 和 DOE 资助。

Xupeng Miao

• 机构：普渡大学西拉法叶分校

• 研究课题：通过数据流感知优化实现大型基础模型的通信高效分布式训练

Xupeng Miao，普渡大学计算机科学系助理教授。此前，他曾在卡内基梅隆大学 Catalyst 小组担任博士后研究员。他在北京大学获得博士学位，研究兴趣广泛，包括机器学习系统、数据管理及分布式计算。

Yanning Shen

• 机构：加州大学欧文分校

• 研究课题：通过基于配置文件的图拓扑优化在 AWS Trainium 上实现自动内核合成与调优

Yanning Shen，明尼苏达大学（UMN）博士（2019 年）。她曾入围 2017 年 IEEE 多传感器自适应处理计算进展国际研讨会最佳学生论文奖和 2017 年 Asilomar 信号、系统与计算会议最佳学生论文奖。2017 年，她被斯坦福大学评为 EECS 新星，并于 2018 年获得明尼苏达大学博士论文奖学金。她的研究兴趣包括机器学习、数据科学、网络科学及统计信号处理。

Yun Song

• 机构：加州大学伯克利分校

• 研究课题：使用基因组语言模型学习宿主 - 微生物遗传元件相互作用

Yun Song，加州大学伯克利分校电气工程与计算机科学系及统计学教授，研究方向为数学与计算生物学。他曾获得多项荣誉与奖项，包括 NIH K99/R00 独立研究奖（2006）、Alfred P. Sloan 研究奖（2008）、Packard 科学与工程奖学金（2008）、NSF CAREER 奖（2009）、Jim and Donna Gray 本科教学卓越奖（2013）、Miller 研究教授职位（2014）、Math+X Simons 教席（2015）及 Chan Zuckerberg Biohub 研究员奖（2017）。他于 2001 年在斯坦福大学获得物理学博士学位，并在麻省理工学院分别于 1996 年和 1997 年获得物理学与数学学士学位。

Minjia Zhang

• 机构：伊利诺伊大学厄巴纳 - 香槟分校

• 研究课题：Trainium 原生 MoE：开发用于高效可扩展 MoE 训练的内核与系统优化

Minjia Zhang，伊利诺伊大学厄巴纳 - 香槟分校计算机科学系终身教职助理教授。他于 2016 年在美国俄亥俄州立大学获得计算机科学与工程博士学位。此前，他曾在微软研究院（Redmond, WA）担任首席研究员（2016–2023）。他的研究兴趣包括大规模深度学习与人工智能应用（如智能代理 AI、多模态、图像 / 视频生成等）、高效算法（模型压缩、数据效率、参数高效调优等），以及高效机器学习系统（在并行、分布式和异构硬件上的训练与推理）。

Think Big

Think Big 方向旨在资助通过变革性理念推进科学前沿的研究者。今年共有三位研究者获奖，其中有一位华人。

Tianlong Chen

• 机构：北卡罗来纳大学教堂山分校

• 研究课题：利用分子动力学赋能蛋白质 AI 模型

Tianlong Chen，2024 年秋季加入北卡罗来纳大学教堂山分校计算机科学系，担任助理教授。他于 2023 年在美国德克萨斯大学奥斯汀分校获得电气与计算机工程博士学位。他的研究聚焦于构建准确、可信且高效的机器学习系统。Tianlong Chen 曾获得多项荣誉与奖项，包括亚马逊研究奖（2024 秋季与 2025 春季）、思科教师奖（2024 和 2025）、AAAI’25 新教师亮点、NAIRR 试点奖、UNC 加速 AI 奖、CPAL 新星奖、AdvML 新星奖、OpenAI 研究者访问奖、Gemma 学术项目 GCP 额度奖、IBM 博士奖学金、Adobe 博士奖学金、研究生院卓越奖、NAACL 2025 低资源 NLP SAC 奖、LoG 2022 最佳论文奖、AMIA-IS 2025 Marco Ramoni 杰出论文奖、AAAI 2025 GenAI4Health 最佳论文奖、NeurIPS 2024 GenAI4Health 最佳演示论文奖，以及 AAAI’25 Medicine and Healthcare Bridge 最佳论文亚军奖。