Llama 2 团队里的华人

本文 机器之心  编辑:杜伟、蛋酱

与 LLaMA 相比,在 Llama 2 的开发中出现了很多华人学者的身影。

近日,Llama 2 的开源让 Yann LeCun 以及更多业内人士直呼「大模型格局发生了巨变」。

除开源之外,Meta 还宣布 Llama 2 免费可商用!Llama 2 提供了 70 亿、130 亿和 700 亿参数版本,训练数据比 Llama 1 多了 40%,达到了 2 万亿 token。精调 Chat 模型在 100 万人类标记数据上训练。

从结果来看,Llama 2 在包括推理、编码、精通性和知识测试等许多外部基准测试中都优于其他开源语言模型,甚至可以在某些数据集上接近 GPT-3.5,还能持平和超越谷歌的 PaLM (540B) 。

在感叹 Meta 致力于开源努力的同时,人们将目光投向了 Llama 2 的开发团队。可以看到,LLaMA 的一些核心作者如 Gautier Izacard、Armand Joulin、Edouard Grave、Guillaume Lample、Timothee Lacroix 等,在 Llama 2 的开发中已经不见了踪影。

041feede53407ced06a6421ad181d004.jpeg

Llama 2 技术报告:https://ai.meta.com/research/publications/llama-2-open-foundation-and-fine-tuned-chat-models/

除了核心作者的变化,Llama 2 将近 70 位作者中出现了 10 多位华人学者的身影。

机器之心整理了以下参与 Llama 2 研发的华人学者。如有错误和遗漏,还请在评论区指正。

Moya Chen

c10f60a49787ec073e47b845681b1c9c.png

Moya Chen 是 Meta 大语言模型(LLM)研究工程师,于 7 月暂时离职。自 2015 年入职以来,她从事的工作包括平台 / 商业信誉、计算摄像(CV、AR)、WorldXR(CV、AR 和 XR)、FAIR Labs(聊天机器人)和 FAIR/GenAI(LLM)。

她本科毕业于加州理工学院(Caltech)计算机科学专业。

Jeremy Fu

Jeremy Fu 现为 FAIR 研究工程师,主要方向为大语言模型。他此前曾在 Instagram 机器学习部门从事内容理解和用户建模工作。自 2021 年 1 月开始在 Meta 全职工作。

他本科毕业于悉尼新南威尔士大学计算机科学与商业专业。

Wenyin Fu

8b475d8a49e75dedfba96c260986e028.png

Wenyin Fu 现为 Meta 数据中心 ML 性能工程师,主要从事大规模地设计与优化 ML 平台解决方案部署,并评估数据中心硬件解决方案以获得最佳容量 ROI。他于 2019 年 5 月入职 Meta,此前曾任职于英伟达、AMD 和英特尔。

他本科毕业于上海交通大学的电子电气工程专业,博士毕业于威斯康星大学麦迪逊分校电气与计算机工程专业。

Cynthia Gao

e67e4a602e68d7a64e71f9eff00e71b4.png

Cynthia Gao 现为 Meta 产品数据运营部门项目经理,主要从事针对机器翻译和生成式 AI 大模型的人工数据标注和收集项目。此前曾在 FAIR 等多个部门工作。

她曾先后就读于北京师范大学、加州大学戴维斯分校(文学学士、心理学与中国语言文化)和蒙特雷国际研究院(文学硕士、翻译与本地化管理)。

Rui Hou

f915d8fe959771b9102e30537106054f.png

Rui Hou 现为 Meta GenAI 研究科学家,主要研究生成式 AI 技术以及相关的生产应用。他于 2020 年 4 月入职 Meta,此前曾在丰田研究院等机构实习。

他本科毕业于同济大学,硕士(智能系统和计算机科学双学位)和博士(智能系统)均毕业于密歇根大学。

谷歌学术:https://scholar.google.com/citations?user=PKHKqX0AAAAJ&hl=en

Yinghai Lu

58905aff72d6f5063c65de9596a332e6.jpeg

Yinghai Lu 现为 Meta 首席软件工程师,Meta infra 组的 AI 推理技术负责人,目前从事生成式 AI 推理部署。他于 2016 年入职 Meta,曾领导过 Ads 和 Reels 推荐模型的 GPU 推理部署。

他本科毕业于同济大学电气工程专业,博士毕业于复旦大学电气工程专业。

谷歌学术:https://scholar.google.com/citations?user=prBXsm8AAAAJ&hl=zh-CN

Yuning Mao

114a0e1c399a11f18681742989c6dcfd.png

Yuning Mao 现为 Meta GenAI 研究科学家,本科毕业于上海交通大学 IEEE 荣誉班,博士毕业于伊利诺伊大学厄巴纳 - 香槟分校计算机科学专业,导师为 Jiawei Han 教授。

他的研究目标是帮助人们更有效和高效地获取信息和知识。为了实现这一目标,他一直从事文本摘要和生成、问答、参数高效微调和分类法构建等广泛研究课题。最近,他正参与 Meta LLaMA 模型系列的开发,尤其是大模型的安全性方面。

个人主页:https://morningmoni.github.io/

Yixin Nie

618690836ee64534b7c70dbc68693fb2.png

Yixin Nie 现为 Meta AI 研究科学家。他本科毕业于中国地质大学,硕士毕业于芝加哥大学,博士毕业于北卡罗来纳大学教堂山分校计算机科学系。

他的工作重点在于机器学习和自然语言处理,其研究兴趣来源于对机器自然语言习得的想法。

个人主页:https://easonnie.github.io/

Xiaoqing Ellen Tan

ae5d48a44ad9c481bd3a562e03ca298f.png

Xiaoqing Ellen Tan 现为 Meta AI 的数据科学研究员。她于 2018 年获得了中山大学的药学与计算机科学学士学位,2019-2021 年成为卡内基梅隆大学计算机科学访问学生,2022 年获得匹兹堡大学生物统计学博士学位。

她的研究兴趣在于开发因果推理、数据集成和决策公平性等领域的新颖统计学和机器学习方法。

个人主页:https://ellenxtan.github.io/

Puxin Xu

8ce675bb96e07e9639b95f0a561bcfcf.jpeg

Puxin Xu 现为 Meta AI 高级数据工程师,主要从事多模态数据集(文本、图像和视频)和大模型预训练数据工作。他在中山大学获得了本科学位(人力资源与城乡规划管理、统计学双学位),并在理海大学获得了硕士学位(工业与系统工程)。

Zheng Yan

7759f5d018345d0fc1f5d11a905357ca.png

Zheng Yan 现为 Meta 软件工程师,利用 AI 解决账户访问团队遇到的问题。此前曾在斯坦福大学 Sean N. Parker Center for Allergy & Asthma Research 担任数据分析师。他本科毕业于斯坦福大学计算机科学专业。

Yuchen Zhang

57f4f70289166451ff911ab5d9a1bd0f.png

Yuchen Zhang 现为 Meta AI 软件工程师(机器学习)/ 研究工程师,致力于大型模型(语言 / 多模态)的训练和扩展,以及大型模型中负责任 AI 的研究。她本科毕业于埃默里大学,硕士毕业于宾夕法尼亚大学工程与数据科学专业。

个人主页:https://zycalice.github.io/

Angela Fan

e9a8c83254e7683b35fee09a6f498ee5.jpeg

Angela Fan 是 Meta AI Research Paris 的研究科学家,主要研究机器翻译。此前她曾在南锡 INRIA 和巴黎 FAIR 攻读博士学位,主要研究文本生成。在此之前,她是一名研究工程师,并在哈佛大学获得了统计学学士学位。

个人主页:https://ai.meta.com/people/angela-fan/

参考链接:

https://www.36kr.com/p/2176578148315396

关注公众号【机器学习与AI生成创作】,更多精彩等你来读

卧剿,6万字!30个方向130篇!CVPR 2023 最全 AIGC 论文!一口气读完

深入浅出stable diffusion:AI作画技术背后的潜在扩散模型论文解读

深入浅出ControlNet,一种可控生成的AIGC绘画生成算法! 

经典GAN不得不读:StyleGAN

65c3da19e89573f6a7568046fe79114b.png 戳我,查看GAN的系列专辑~!

一杯奶茶,成为AIGC+CV视觉的前沿弄潮儿!

最新最全100篇汇总!生成扩散模型Diffusion Models

ECCV2022 | 生成对抗网络GAN部分论文汇总

CVPR 2022 | 25+方向、最新50篇GAN论文

 ICCV 2021 | 35个主题GAN论文汇总

超110篇!CVPR 2021最全GAN论文梳理

超100篇!CVPR 2020最全GAN论文梳理

拆解组新的GAN:解耦表征MixNMatch

StarGAN第2版:多域多样性图像生成

附下载 | 《可解释的机器学习》中文版

附下载 |《TensorFlow 2.0 深度学习算法实战》

附下载 |《计算机视觉中的数学方法》分享

《基于深度学习的表面缺陷检测方法综述》

《零样本图像分类综述: 十年进展》

《基于深度神经网络的少样本学习综述》

《礼记·学记》有云:独学而无友,则孤陋而寡闻

点击一杯奶茶,成为AIGC+CV视觉的前沿弄潮儿!,加入 AI生成创作与计算机视觉 知识星球!

猜你喜欢

转载自blog.csdn.net/lgzlgz3102/article/details/131950467
今日推荐