NVIDIA向博士生提供最高6万美元的研究奖学金

Source: NVIDIA AI Blog

概览

在过去的 25 年里，NVIDIA 研究生奖学金计划一直支持在 NVIDIA 技术相关领域开展卓越工作的研究生。该计划宣布向 10 位博士生 授予最高 60,000 美元 的最新奖项，研究方向涵盖计算创新的所有领域，包括自主系统、计算机体系结构、计算机图形学、深度学习、编程系统、机器人技术和安全。

获奖者将在奖学金年度前参加一次暑期实习。NVIDIA 研究生奖学金计划向全球申请者开放。

2026‑2027 奖学金获得者

• Jiageng Mao，南加州大学 — 通过利用来自互联网规模数据的多样化先验，解决复杂的物理 AI 问题，使具身代理在真实世界中具备稳健且可泛化的智能。
• Liwen Wu，加州大学圣地亚哥分校 — 使用神经材料和神经渲染，提升基于物理的渲染的真实感和效率。
• Manya Bansal，麻省理工学院 — 为现代加速器设计编程语言，使开发者能够编写模块化、可复用的代码，同时不牺牲实现峰值性能所需的底层控制。
• Sizhe Chen，加州大学伯克利分校 — 在真实世界应用中保障 AI 的安全，当前正通过通用且实用的防御措施，防止提示注入攻击，同时保持代理的效用。
• Yunfan Jiang，斯坦福大学 — 开发可扩展的方法，利用涵盖真实世界全身操作、大规模仿真和互联网规模多模态监督的混合数据源，构建用于日常任务的通用机器人。
• Yijia Shao，斯坦福大学 — 通过研发能够在任务执行期间与人类沟通协作的 AI 代理，并设计新的人人机交互界面，研究人‑机协作。
• Shangbin Feng，华盛顿大学 — 推进模型协作：多个在不同数据和不同人员下训练的机器学习模型能够协同、组合并互补，以实现开放、去中心化和协作的 AI 未来。
• Shvetank Prakash，哈佛大学 — 通过新算法、精选数据集和以代理为先的基础设施，推动硬件体系结构和系统设计的 AI 代理化。
• Irene Wang，乔治亚理工学院 — 开发一种整体协同设计框架，整合加速器架构、网络拓扑和运行时调度，以实现大规模、能源高效且可持续的 AI 训练。
• Chen Geng，斯坦福大学 — 使用可扩展的数据驱动算法和受物理启发的原理，对 4D 物理世界进行建模，推动面向机器人和科学应用的物理驱动 3D/4D 世界模型。

奖学金决赛入围者

• Zizheng Guo，北京大学
• Peter Holderrieth，麻省理工学院
• Xianghui Xie，马克斯·普朗克信息学研究所
• Alexander Root，斯坦福大学
• Daniel Palenicek，达姆施塔特工业大学