描述
宋扬的个人网站，他是一位在人工智能领域享有盛誉的研究者。宋扬目前担任 Meta Superintelligence Labs (MSL) 的研究首席科学家，与首席科学家赵圣佳一起，他在塑造实验室的研究方向方面发挥着关键作用。在加入 Meta 之前，他曾领导 OpenAI 的战略探索团队，为人工智能技术的进步做出了贡献。
阅读更多
宋扬在斯坦福大学获得计算机科学博士学位，导师是 Stefano Ermon。在他的博士研究期间，他开发了基于得分的扩散模型的奠基性概念和技术，这些模型对生成式人工智能领域产生了重大影响。他在该领域的工作在多篇出版物中得到认可，包括一篇博客文章、一篇 Quanta Magazine 文章以及接受的采访。他还曾在 Google Brain、Uber ATG 和 Microsoft Research 等行业领导者处完成了研究实习。
他的学术生涯始于清华大学，在那里他获得了数学与物理学士学位。在那里，他与朱军、Raquel Urtasun 和 Richard Zemel 等知名研究人员合作。他的研究兴趣在于开发新颖的生成模型，尤其侧重于扩散模型和一致性模型。这些模型能够以惊人的速度和效率生成高质量的数据，例如图像。他的工作在图像生成、医学成像中的逆问题求解以及通过加速前馈计算加速神经网络方面取得了最先进的成果。
宋扬的出版物展示了他对 ICLR、ICML 和 NeurIPS 等主要人工智能会议的贡献。他的研究探索了简化、稳定和扩展连续时间一致性模型，改进训练一致性模型的技术，以及通过随机微分方程开发基于得分的生成模型等领域。他还研究了这些模型在解决医学成像中的逆问题以及通过并行非线性方程求解加速前馈计算方面的应用。他对无限制对抗性样本的研究以及使用生成模型防御对抗性攻击，进一步凸显了他研究贡献的广度。
- 类别其他 AI 工具
- 部署云端
- 平台网页版
Score SDE的核心功能
Meta Superintelligence Labs 研究首席科学家
OpenAI 战略探索团队前负责人
开创性的基于得分的扩散模型工作
开发了连续时间一致性模型的奠基性概念
生成式人工智能和概率建模的专业知识
对生成模型快速采样技术的贡献
在图像生成和医学成像重建中的应用
加速神经网络计算的研究
在顶级 AI 会议上发表了多篇有影响力的论文
斯坦福大学计算机科学博士学位
Score SDE入门
访问研究：探索关于生成模型的出版物和研究论文。
理解模型：了解扩散模型和一致性模型。
探索代码：查看研究项目的代码库。
联系研究员：联系以进行合作或咨询。
Score SDE的使用案例
- 生成式人工智能研究
- 图像生成
- 医学成像
- 模型优化
- 人工智能战略
