人均6万美元:2024英伟达奖学金名单公布,五位华人入选
有志者,事竟成!如果你在学习科技周边,那么本文《人均6万美元:2024英伟达奖学金名单公布,五位华人入选》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~
本周五,备受期待的英伟达奖学金公布了入选者名单。
二十多年来,英伟达研究生奖学金计划(NVIDIA Graduate Fellowship Program)一直为研究生提供与英伟达技术相关的杰出工作支持。英伟达迄今为止已向近 200 名学生提供了 600 万美元的资助,推动了机器学习、计算机视觉、机器人和系统编程等领域的研究工作。
今年的奖学金计划旨在资助在计算创新领域进行研究的10名博士生,每人可获得高达6万美元的奖学金

英伟达奖学金面向全球学者,每年都会出现激烈的竞争,今年的候选人就超过了 500 名,最终入选的十人中有五位华人。
据介绍,获奖者将在奖学金年度之前进入英伟达进行暑期实习,他们参与的工作处于加速计算的最前沿 —— 包括深度学习、机器人、计算机视觉、计算机图形电路、自动驾驶和编程系统等项目。
英伟达首席科学家 Bill Dally 表示,英伟达奖学金的获得者是全球最有才华的研究者,他们正在研究的科学问题至关重要。
十名入选者
2024-2025 年度奖学金的获得者包括:
Bailey Miller

源自于卡内基梅隆大学(CMU)
研究方向:开发用于物理模拟的实用蒙特卡罗方法,以匹配蒙特卡罗渲染算法的可扩展性和鲁棒性,专注于设计易于微分的加速随机游走方法,并使用体积模型来处理棘手的复杂几何形状。
需要重新写的内容是:Nicklas Hansen

来自加利福尼亚大学圣迭戈分校(UCSD),导师为 Xiaolong Wang 与 Hao Su。
研究方向:开发数据驱动的世界模型,使机器人能够理解现实世界并与现实世界互动。
Payman Behnam

来自佐治亚理工(Georgia lnstitute of Technology),导师为 Alexey Tumanov。
研究方向:致力于高性能、低延迟和节能设计的机器学习和系统交叉点
需要重写的内容是:Reinhard Wiesmayr

来自瑞士苏黎世联邦理工学院(ETH Zurich)
研究内容:在无线通信系统中,通过机器学习辅助的信号处理方法进行研究
需要重写的内容是:宋伟歌

黃嘉斌(Jia-Bin Huang)和大衛·雅各布斯(David Jacobs)是来自马里兰大学(University of Maryland, College Park)的导师
研究方向:专注于应用于图像和视频的生成模型,旨在研发内容生成的综合方法、可控的人工指导与创建过程,以及促进人类参与的易于交互的界面
需要重新写作的内容是:Toluwanimi Odemuyiwa

来自加利福尼亚大学戴维斯分校(UC Davis),导师为 John Owens。
研究方向:利用张量代数语言为图算法设计开发端到端的抽象和框架,从与平台无关的计算声明性描述,到特定于平台的实现
Yiming Li

来自纽约大学,导师为冯晨(Chen Feng)。
研究方向:我们致力于开发稳健、高效和可扩展的人工智能算法,用于根据高维感官输入进行3D场景解析和决策。同时,我们还会整理大规模数据集,以有效地训练和验证这些算法,以应用在自主机器人上
赵岳(Yue Zhao)

导师为 Philipp Krähenbühl的学生来自得州大学奥斯汀分校
研究内容:利用机器学习算法对工作站级硬件进行训练,并将其应用于日常设备,如笔记本电脑和移动设备等,以便广泛地使用、训练和协作共享
李志琦(Zhiqi Li)

导师为南京大学的路通(Tong Lu)
研究领域:探索以视觉为核心的自动驾驶感知技术的开发
叶子豪(Zihao Ye)的名字需要被重写

来自华盛顿大学(University of Washington),导师为 Luis Ceze。
研究方向:机器学习编译、基础模型服务系统和稀疏计算。
其他入围人选
英伟达公司同时公布了2024-2025年度奖学金的五位决赛入围人选,他们的名单如下:
安德鲁·索特,毕业于佐治亚理工学院(Georgia lnstitute of Technology)
鲍比·维涅玛·约加塔玛,来自威斯康星大学麦迪逊分校(University of Wisconsin Madison)
Guanzhi Wang,来自加州理工学院(Caltech),导师为 Georgia Gkioxari 和岳益松(Yisong Yue)。

Kim Sehoon,毕业于美国加州大学伯克利分校(UC Berkeley)
Xi Deng,来自康奈尔大学(Cornell University),导师为 Steve Marschner。

我们期待这些研究人员能够在不同领域做出自己的贡献
与此同时,由于临近人工智能顶会EMNLP与NeurIPS,英伟达正在宣传招募实习生。英伟达资深科学家、AI Agent Group负责人Jim Fan表示,在这个冬天,英伟达为大家准备了刚刚发布的GPU

好了,本文到此结束,带大家了解了《人均6万美元:2024英伟达奖学金名单公布,五位华人入选》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!
北大&望石智慧提出全新模型:弥合化学反应预训练与条件分子生成之间的鸿沟!
- 上一篇
- 北大&望石智慧提出全新模型:弥合化学反应预训练与条件分子生成之间的鸿沟!
- 下一篇
- 影响GenAI有效性的关键问题
-
- 科技周边 · 人工智能 | 54分钟前 |
- 多模态模型输入图片过大时如何控制视觉令牌
- 196浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 |
- 推理服务连续批处理怎样减少 GPU 空转
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 7小时前 | 人工智能 · LoRa PEFT merge_and_unload 量化推理 模型合并
- LoRA 合并权重后输出变化过大应检查什么
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 |
- RAG 分块重叠过大为什么会降低检索多样性
- 409浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | 人工智能 ·
- 合成数据能否替代真实样本:覆盖率与偏差检查方法
- 128浏览 收藏
-
- 科技周边 · 人工智能 | 14小时前 |
- 提示词版本怎么管理:样例、变量与回归集一起提交
- 111浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 向量检索 ·
- 向量检索与关键词检索怎样做混合召回
- 293浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 | 人工智能 ·
- 智能体评测不只看成功率:步骤、成本与恢复能力怎么量
- 290浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- 模型路由怎么做:按任务难度分配速度、成本与质量
- 147浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 386次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 468次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 475次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 415次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 241次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

