蘭姆（Alex Lamb），擁有加拿大蒙特婁大學計算機科學博士學位，現任清華大學人工智慧學院助理教授。其研究聚焦於機器學習，主要方向包括強化學習、生成模型、通過互動和無監督探索學習策略、從觀察數據中學習抽象世界模型，以及探索新型生成模型和序列模型的訓練方法，以期改進長文本和不確定性建模上的表現。
蘭姆於約翰霍普金斯大學獲得套用數學和計算機科學學士學位，2015年至2020年在蒙特婁大學攻讀計算機科學博士學位，師從2018年圖靈獎獲得者約書亞·本吉奧。曾先後在亞馬遜公司、谷歌母公司Alphabet旗下的谷歌大腦以及微軟研究院紐約實驗室擔任深度學習研究科學家或高級研究員。2025年，蘭姆加入清華大學人工智慧學院。其研究成果包括多步逆模型、Agent-Centric State以及Manifold Mixup算法等。已在人工智慧領域頂會發表論文40餘篇，Google Scholar被引近10000次，並擔任NeurIPS、ICLR等頂會審稿人。
基本介紹
- 中文名：蘭姆
- 外文名：Alex Lamb
- 職業：助理教授
深度學習研究科學家
高級研究員 - 主要成就：獲得計算機科學博士學位
提出Manifold Mixup算法
發表論文40餘篇 - 畢業院校：約翰霍普金斯大學
蒙特婁大學
人物經歷,研究方向,主要成就,
人物經歷
蘭姆在約翰霍普金斯大學獲得套用數學和計算機科學學士學位。2015年至2020年，蘭姆在加拿大蒙特婁大學攻讀計算機科學博士學位，並於2020年獲得博士學位，師從2018年圖靈獎獲得者約書亞·本吉奧（Yoshua Bengio）。
蘭姆曾在亞馬遜公司和谷歌母公司Alphabet旗下的深度學習研究團隊谷歌大腦擔任深度學習研究科學家，期間他常駐東京。此後，蘭姆曾在微軟紐約研究院擔任深度學習研究科學家。
2025年6月至今，蘭姆就職於清華大學人工智慧學院，擔任助理教授。蘭姆計畫招收2025年秋季以及之後入學的博士生、碩士生，以及訪問學生（包括本科實習生），並優先考慮有機器學習和強化學習研究經歷的同學。
研究方向
蘭姆的研究聚焦於機器學習，尤其是強化學習和生成模型等方向。他開發了多步逆模型，用於在互動環境中學習可證明緊湊的表示；提出了Agent-Centric State（AC-State），關注於學習能通過純粹互動來全面表示世界的探索性智慧型體；其他相關工作還包括Belief State Transformers和Joint Token Prediction。在改進神經網路正則化方面，他提出了Manifold Mixup算法，通過使用神經網路的線性插值隱藏狀態進行訓練，以提高小數據場景下的性能並實現更緊湊的隱藏表示。他近期的研究重點包括通過互動和無監督探索來學習策略，從豐富的觀察數據中學習抽象世界模型，以及探索新型生成模型和序列模型的訓練方法，以期改進長文本和不確定性建模上的表現。
主要成就
蘭姆於2020年在加拿大蒙特婁大學獲得計算機科學博士學位，師從2018年圖靈獎獲得者約書亞·本吉奧。2025年6月起，蘭姆加入清華大學人工智慧學院擔任助理教授。其研究成果包括確定了如何直接通過觀察發現現實世界中的潛在狀態及其類型，並為多步逆模型開發了理論保證和實驗結果，該模型對於離線強化學習及基於模型的連續控制具有重要價值。蘭姆提出了Manifold Mixup算法，通過在合成示例上進行訓練，提高了數據效率，特別是在少次學習場景下表現卓越。這些成果不僅在學術界引起了廣泛關注，也在工業界產生了深遠影響。截至2025年，蘭姆已在NeurIPS、ICML、ICLR等人工智慧領域頂會和期刊發表論文40餘篇，在Google Scholar上的總被引次數近10000次，H指數為23。此外，蘭姆還擔任NeurIPS、ICLR、ICML等頂會審稿人，並曾擔任ICML 2023 tutorial講者。蘭姆課題組計畫招收博士生、碩士生及訪問學生，專注於強化學習和生成模型等方向的研究。
