项目介绍
Dr. Zheng 即将加入伊利诺伊大学厄巴纳香槟分校 (UIUC) ，担任统计系与计算机科学系(兼任教职)助理教授。他在卡内基梅隆大学获得博士学位，师从Kun Zhang 教授。
他的研究致力于揭示并利用观测数据中隐藏的信息，以挖掘数据背后的真实生成过程，从而突破相关性拟合的局限。他发展因果表示学习的理论基础，解决可信机器学习中的开放性问题，并将这些洞见转化为基础模型(如世界模型)，以兼顾效率与可靠性。
目前许多人工智能系统本质上仍停留在大规模相关性学习的层面。尽管这些模型已经展现出极强的能力，但它们依然容易受到噪声、虚假相关和分布偏移等问题的干扰。Dr. Zheng 课题组认为，要让AI真正具备可靠性、泛化能力和推理能力，同时保持高效运转，单纯依靠扩大模型规模是不够的，更为关键的是让模型能够真正理解因果关系，学习数据背后真实的生成机制。
所属院系：伊利诺伊大学香槟分校，统计学系
项目时长：4 年
申请要求和方式
申请要求：
·具有计算机科学、人工智能、数据科学等领域的本科或硕士学位；
·因果学习、可信机器学习、基础模型、科学发现等领域的研究经验。
申请方式：按照导师要求，向导师发送邮件和证明材料。经过双向选择后，向院校递交申请。
