Descrição
O site pessoal de Yang Song, um pesquisador proeminente na área de inteligência artificial. Yang Song atualmente atua como Pesquisador Principal nos Meta Superintelligence Labs (MSL), onde desempenha um papel fundamental na definição da direção de pesquisa do laboratório, ao lado do Cientista Chefe Shengjia Zhao. Antes de seu cargo na Meta, ele liderou a equipe de explorações estratégicas na OpenAI, contribuindo para o avanço das tecnologias de IA.
Ler mais
Yang Song obteve seu Ph.D. em Ciência da Computação pela Universidade de Stanford, sob a orientação de Stefano Ermon. Durante seus estudos de doutorado, ele desenvolveu conceitos e técnicas fundamentais em modelos de difusão baseados em score, que tiveram um impacto significativo no campo da IA generativa. Seu trabalho nesta área foi reconhecido em várias publicações, incluindo um post de blog, um artigo na Quanta Magazine e entrevistas. Ele também completou estágios de pesquisa em líderes da indústria como Google Brain, Uber ATG e Microsoft Research.
Sua jornada acadêmica começou na Universidade Tsinghua, onde obteve seu diploma de bacharel em Matemática e Física. Lá, ele colaborou com pesquisadores notáveis, incluindo Jun Zhu, Raquel Urtasun e Richard Zemel. Seus interesses de pesquisa residem no desenvolvimento de novos modelos generativos, com ênfase particular em modelos de difusão e modelos de consistência. Esses modelos são capazes de gerar dados de alta qualidade, como imagens, com velocidade e eficiência notáveis. Seu trabalho resultou em resultados de ponta na geração de imagens, resolução de problemas inversos em imagens médicas e aceleração de computações feedforward em redes neurais.
As publicações de Yang Song demonstram suas contribuições para as principais conferências de IA, incluindo ICLR, ICML e NeurIPS. Sua pesquisa explorou áreas como a simplificação, estabilização e escalonamento de modelos de consistência de tempo contínuo, a melhoria de técnicas para treinamento de modelos de consistência e o desenvolvimento de modelagem generativa baseada em score através de equações diferenciais estocásticas. Ele também investigou aplicações desses modelos na resolução de problemas inversos em imagens médicas e na aceleração de computação feedforward via resolução paralela de equações não lineares. Seu trabalho em exemplos adversariais irrestritos e o uso de modelos generativos para defesa contra ataques adversariais destacam ainda mais a amplitude de suas contribuições de pesquisa.
- CategoriaOutras ferramentas de IA
- ImplantaçãoNuvem
- PlataformasWeb
Recursos principais de Score SDE
Pesquisador Principal nos Meta Superintelligence Labs
Ex-líder da equipe de explorações estratégicas da OpenAI
Trabalho pioneiro em modelos de difusão baseados em score
Desenvolveu conceitos fundamentais em modelos de consistência de tempo contínuo
Expertise em IA generativa e modelagem probabilística
Contribuições para técnicas de amostragem rápida para modelos generativos
Aplicações em geração de imagens e reconstrução de imagens médicas
Pesquisa sobre aceleração de computações de redes neurais
Autor de inúmeras publicações influentes em conferências de IA de ponta
Ph.D. em Ciência da Computação pela Universidade de Stanford
Primeiros passos com Score SDE
Acessar Pesquisa: Explore publicações e artigos de pesquisa sobre modelos generativos.
Entender Modelos: Aprenda sobre modelos de difusão e modelos de consistência.
Explorar Código: Veja repositórios de código para projetos de pesquisa.
Contatar Pesquisador: Entre em contato para colaboração ou dúvidas.
Casos de uso de Score SDE
- Pesquisa em IA Generativa
- Geração de Imagens
- Imagens Médicas
- Otimização de Modelos
- Estratégia de IA
