新型FoundationModels及应用
训练和推理加速
可解释性等理论研究
Virtual Agent
Physical Agent
为昆仑在通用人工智能（AGI）的中长期发展中提供基础研究维度上的支持，增强自主创新，加速实现AGI的步伐，同时专注于AGI相关课题的科技创新，提升企业的理论与技术竞争力。
跨越“奇点”、探索未知世界、创造美好未来，成为一家面向未来
世界的卓越科学研究机构!
新加坡工程院院士、AAAI、ACM、IEEE 及 IAPR Fellow
新型FoundationModels及应用
训练和推理加速
可解释性等理论研究
Virtual Agent
Physical Agent
Reinforcement Learning from Diverse Human Preferences
Wanqi Xue, Bo An, Shuicheng Yan, Zhongwen Xu
IJCAI 2024 Conference
August 2024
Keywords: Reinforcement Learning, Human Preferences, Human Feedback, Rewards
Exploring Diffusion Time-steps for Unsupervised Representation Learning
Zhongqi Yue, Jiankun Wang, Qianru Sun, Lei Ji, Eric I-Chao Chang, Hanwang Zhang
ICLR 2024 Conference
May 2024
Keywords: unsupervised representation learning, diffusion model, representation disentanglement, counterfactual generation
Synapse: Trajectory-as-Exemplar Prompting with Memory for Computer Control
Longtao Zheng, Rundong Wang, Xinrun Wang, Bo An
ICLR 2024 Conference
May 2024
Keywords: AI Agents, Large Language Models, Prompting
True Knowledge Comes from Practice: Aligning Large Language Models with Embodied Environments via Reinforcement Learning
Weihao Tan, Wentao Zhang, Shanqi Liu, Longtao Zheng, Xinrun Wang, Bo An
ICLR 2024 Conference
May 2024
Keywords: Reinforcement Learning, Large Language Models, Parameter-Efficient Fine-Tuning
Enhancing Video-Language Representations with Structural Spatio-Temporal Alignment
Hao Fei; Shengqiong Wu; Meishan Zhang; Min Zhang; Tat-Seng Chua; Shuicheng Yan
IEEE Transactions on Pattern Analysis and Machine Intelligence
April 2024
Keywords: Videos, Semantics, Transformers
天工
FOR THE BEST AND THE BRIGHTEST
基础研究和人才培养对于发展下一代技术至关重要。为此，2050研究院与新加坡顶尖大学合作，推介《天工2050工业博士生联合培养项目》，为您提供独特的机会组合 —— 在2050研究所开展激动人心的研发工作的同时，也能在学校里追求世界顶级的研究生培训。
在高校与2050研究院的导师共同指导下，完成博士学位的要求，并在互联网行业里取得巨大的学术成果。
获入选的候选人将成为公司的全职员工，同时在我们的两间合作大学（新加坡国立大学及南洋理工大学）进行全职的博士培训。
除了与我们的研究团队一起进行人工通用智能领域的开创性研究，专注于基础模型2.0和代理之外，候选人将与我们的跨学科团队密切合作，在顶级会议和期刊上发布有影响力的研究成果，对人工通用智能社区产生重大影响。
有意申请者应通过电子邮件向Michelle（michelle@kunlun-inc.com）发送动机信、简历和出版作品列表。
本项目全年开放，将根据新加坡大学的教学日历（8月和1月入学）入学。
基础研究和人才培养对于发展下一代技术至关重要。为此，2050研究院、新加坡经济发展局及新加坡顶尖大学三方合作，推介《天工—新加坡EDB 博士生联合培养项目》，为新加坡公民及永久居民提供结合工业和学术优势的学习组合。
在高校与2050研究院的导师共同指导下，候选人能在顺利完成博士学位的要求下，参与前沿的研发工作并推动学术研究成果向产品的转化。
入选的候选人将成为公司的全职薪资员工，同时在我们的合作大学（新加坡国立大学, 南洋理工大学及新加坡科技设计大学）进行全职博士培训。
除了与我们的研究科学家一起进行人工通用智能领域的开创性研究，专注于基础模型2.0和代理之外，候选人将与我们的跨学科团队密切合作，在顶级会议和期刊上发布有影响力的研究成果，对人工通用智能社区产生重大影响。
有意申请者应通过电子邮件向Michelle（michelle@kunlun-inc.com）发送动机信、简历和出版作品列表。
本项目全年开放，将根据新加坡大学的教学日历（8月和1月入学）入学。
