美国版“本科特等奖学金”来了！获奖者有人发Nature、也有人是顶会最佳论文一作…

• 2020 年 12 月 31 日
• AI

近日，美国计算研究协会（Computing Research Association，CRA）公布了2021年度杰出本科生研究员（Outstanding Undergraduate Researchers）获奖者。

这项奖励计划是为了表彰在计算机研究领域表现出杰出研究潜力的北美高校本科生，Microsoft Research是今年奖项的赞助商。

这些获奖者不仅早早就开始做学术研究：发AI顶会、发Nature、拿最佳论文奖，其轨迹也不局限于高校，还涉足了企业的研究机构，和多位学术大牛有过研究合作经历。

从获奖者丰富的研究和综合的实力来看，该奖称得上是美国版“本科生特等奖学金”。

1

2021年度获奖者

Steven Cao 

Steven Cao 是加州大学伯克利分校的电气工程与计算机科学专业的本科生，导师是Dan Klein、Kannan Ramchandran和Chunlei Liu。他前三年的本科GPA是 3.99/4.00。

他也在Hugging Face和现任康奈尔大学助理教授Alexander Rush有过合作。

Steven Cao 的研究领域是自然语言处理，他对语法分析、多语言建模和无监督学习特别感兴趣。他还致力于区块链的可扩展共识算法和磁共振成像的图像重建算法。

据谷歌学术显示，Steven Cao目前已经发表过7篇论文，其中有3篇被AI顶会接收：

大三时发表论文《Multilingual Constituency Parsing with Self-Attention and Pre-Training》被接收为ACL 2019 Oral。

大四时其一作论文《Multilingual Alignment of Contextual Word Representations》被ICLR 2020接收。

大四时另外一篇一作论文《Unsupervised Parsing via Constituency Tests》被EMNLP 2020接收。

个人主页：//stevenxcao.github.io/

Joy He-Yueya

Joy He-Yueya是华盛顿大学计算机科学专业的大三学生。她的研究兴趣是利用人工智能进一步使医疗和教育民主化。为此，她致力于利用基于智能手机的传感系统的大规模行为数据来研究人类行为。比如，她目前有一篇论文发表在Nature子刊《npj schizophrenia》上，这项研究通过被动感测系统的数据来评估精神分裂症患者的行为稳定性。她于2019年1月至今在Paul G.Allen计算机科学与工程学院担任本科研究员，做的也是类似的研究。此外，她对强化学习在个性化教育技术中的应用也很感兴趣。

Joy He-Yueya从大二开始做研究，当时有一位教授的工作给了她启发，然后她与该教授一起探讨了研究课题。

当被问及对参加本科研究的学生有什么建议，她回答道：“尽早开始，以便有足够的时间来探索不同的领域，并弄清真正的兴趣。不要因为必须从头开始而感到气馁，也不要期望一开始就什么都知道，因为做研究的关键是随行即学，向人们寻求帮助也很重要。”

个人主页：//www.washington.edu/undergradresearch/joy-he/

Runners-up

Ximing Gloria Lu

Ximing Gloria Lu是华盛顿大学大四学生，修计算机科学和统计学双学位，导师是华盛顿大学Brett Helsel计算机科学系副教授Yejin Choi。她还在艾伦人工智能研究院（Allen Institute for Artificial Intelligence ）担任实习研究员。

她在医学成像、神经语言模型等领域负责过多个研究项目，并发表了多篇论文。一个项目是研究一种基于 Transformer的深度学习方法，用于从整个玻片活检图像诊断癌症，与艾伦学院和电气与计算机工程教授Linda Shapiro合作完成；一个项目是将逻辑约束加入到神经文本生成模型中；一个项目是新型多模态神经网络，其性能优于企业实验室中的大型神经网络；还有一个项目提出了一种新颖的解码算法，用于释义和文本填充。

Yejin Choi对她的评价是：“Ximing是我入职华盛顿大学六年来见过的最优秀、最有前途的本科生。她不仅思维敏捷，技术能力、执行力也很强，而且充满了创意，这是非常罕见的。”

个人主页：//www.facebook.com/ximing.lu.37/about_overview

Stephen Tian

Stephen Tian是加州大学伯克利分校的电子工程和计算机科学专业大四学生。

他在RAIL（ Robotic AI & Learning Lab.）实验室担任本科生研究人员，由他的导师Frederik Ebert以及强化学习领域的大牛Sergey Levine教授指导。他还曾与AI科学家Roberto Calandra一起在Facebook AI 研究院工作过。他在ICRA 2019上发表过一篇论文“Manipulation by Feel: Touch-Based Control with Deep Predictive Models”，他为一作，以上三位老师也“榜上有名”。

他目前的研究兴趣在于机器人技术、强化学习和用于控制的表征学习。

个人主页：//s-tian.github.io/

2

2020年度获奖者

Xiang (Lisa) Li

Xiang Li 本科就读于约翰·霍普金斯大学，她获得了计算机科学以及应用数学和统计学双学位。

Xiang Li 目前已经有数篇论文发表，她对书面语言中标点的概率建模的研究发表在2019年的TACL期刊上，一作论文“Posterior Control of Blackbox Generation”被ACL 2020接收，一作论文“Specializing Word Embeddings （for Parsing） by Information Bottleneck”发表在EMNLP-IJCNLP 2019上，并获得了最佳论文奖！

获奖理由：这篇论文有很好的理论论证与结果，是在预训练词嵌入上使用变差信息瓶颈（Variational Information Bottleneck）的新颖尝试。它展示了很棒的语言分析，可能对很多任务都有很大的帮助。

Xiang Li的导师则是NLP界公认的大神Jason Eisner，Jason Eisner对NLP结构学习领域的贡献极大，曾获得ACL2017年最佳长论文奖。

Xiang Li目前在斯坦福大学自然语言处理小组攻读博士学位，研究领域是机器学习与自然语言处理的交叉科学。斯坦福大学自然语言处理小组大牛云集，看看这个小组都有哪些名教授：

个人主页：//xiangli1999.github.io/

Alex Wei

Alex Wei本科就读于哈佛大学计算机科学和数学专业。

他在近似近邻问题上的工作帮助发现了一个新的拉斯维加斯数据结构。这项工作进一步让他完成了在SODA 2019年获得最佳学生论文奖的独创论文“Optimal Las Vegas Approximate Near Neighbors in  ”。 

Alex还从事机制设计领域的工作，并在2019年EC会议上发表了一篇关于效用最大化审计机制的合著论文。另一个与获奖者Meena Jagadeesan合著的关于偏好信号的研究项目在WINE 2018年上发表了一篇论文。Alex还曾担任哈佛大学数据结构和算法课程的教学研究员，并因其教学质量而受到Derek Bok中心的认可。 

在NeurIPS 2020上，他也发表了一篇Poster论文“Optimal Robustness-Consistency Trade-Offs for Learning-Augmented Online Algorithms”。

他目前是UC Berkeley计算机科学专业的一年级博士生。

个人主页：//www.alexwei.org/

Runners-up

Weiyang (Frank) Wang

Weiyang  Wang高中就读于北京市十一学校，本科就读于加利福尼亚大学圣地亚哥分校，目前为麻省理工大学博一学生。

他本科在加利福尼亚大学圣地亚哥分校主修计算机科学和物理学，研究领域是计算机网络，研究重点是现代数据中心的体系结构。

他研究TCP等协议在网络中的行为方式，并针对其动态性开发了数学模型和封闭形式的解决方案。他作为共同作者在NSDI 2020上发表了一篇论文。

个人主页：//www.linkedin.com/in/weiyangwang/

Tianyi Zhang

Zhang Tianyi在去年获奖时是康奈尔大学计算机科学专业的大四本科生。他主要研究机器学习和自然语言处理。迄今为止，他的工作已经发表了三篇论文，其中两篇发表于ICML 2019，另一篇发表于NeurIPS 2019 Workshop。

他在一个图卷积神经网络（GCN）研究项目中，通过理论分析和实验评估证明了GCN的简单线性替代方案。在另一个项目中，他探索了低精度算术在机器学习训练中的局限性。他还参与开发了一个用于模拟低精度深度学习训练的开源框架QPyTorch。

目前，Zhang Tianyi是斯坦福大学的博士生，重点研究对话系统。

在今年，他的一作论文《BERTScore: Evaluating Text Generation with BERT》入选了ICLR 2020。

个人主页：//tiiiger.github.io/

2

2019年度获奖者

Serina Chang

Serina Chang本科就读于哥伦比亚大学。在本科期间，她在自然语言处理大牛Kathy McKeown教授的指导下做研究，研究兴趣是在复杂的人类行为系统上开发建模和预测的方法，并应用在计算流行病学、信息动力学、政治两极化和推荐系统。

Serina Chang目前在斯坦福大学攻读计算机科学博士学位，导师是Pinterest首席科学家Jure Leskovec。

她目前已经累计发表五篇论文，其中两篇被接受为EMNLP的Oral论文，一篇被接受为EACL的Oral论文，今年关于新冠的一篇论文则发表在Nature上。她还曾去谷歌做过实习，在谷歌搜索中应用了自己开发的新功能。

个人主页：//serinachang5.github.io/

Runners-up

Ricson Cheng

Ricson Cheng获奖时是卡内基梅隆大学的本科生，主修计算机科学，辅修机器学习。他的研究重点是视觉识别和目标操纵的主动感知。目前，他正致力于使用视图预测进行无监督的视觉表示学习。

Ricson Cheng本科毕业曾在Uber ATG从事自动驾驶研究，目前在Jane Street工作。

他的一作论文《Active Geometry-Aware Visual Recognition in Cluttered Scenes》被NeurIPS 2018接收，共同一作《Learning Spatial Common Sense with Geometry-Aware Recurrent Networks》被CVPR 2019接收为Oral。

个人主页：//ricsonc.github.io/

Xinyu Wu

Xinyu Wu获奖时是卡内基梅隆大学计算机科学和数学科学专业的大四本科生。她在理论计算机科学方面做了大量的工作，并且非常热衷，并且在她成立的每周一次的神学院中将人们聚集在一起分享想法。

她目前是卡内基梅隆大学的博士二年级学生，导师是Pravesh Kothari 和 Ryan O’Donnell。

她的研究兴趣是spectral图理论、自由概率及其在理解 average-case 问题和量子计算中的应用。

她曾在 ITCS 2019、FOCS 2020上发表过论文，其合作论文《Mycielski graphs and PR proofs》被评为SAT 2020最佳学生论文。

个人主页：//www.andrew.cmu.edu/user/xinyuw1/

Annie Xie

Anne Xie获奖时是加州大学伯克利分校的大四本科生，主修电气工程和计算机科学。她的研究在于深度学习，强化学习和机器人技术的交叉领域。她的研究目标是利用元学习和视频预测方法在有限的人工监督下实现基于机器人视觉的控制。

在本科时，她在伯克利人工智能研究（BAIR）实验室与强化学习大牛Sergey Levine合作。她目前是斯坦福大学CS的二年级博士生，其导师是Chelsea Finn，她的多篇论文入选CoRL、RSS、ECCV等。

个人主页：//anxie.github.io/

参考链接：

//cra.org/about/awards/outstanding-undergraduate-researcher-award/#2020

//cra.org/2021-outstanding-undergraduate-researcher-award-recipients/

点击阅读原文，直达AAAI小组！