基本介紹
- 外文名：Rishabh Agarwal
- 職業：Meta研究科學家、Google Brain高級研究科學家、Google DeepMind研究科學家、麥吉爾大學兼職教授
- 主要成就：NeurIPS 2021最佳論文獎、Google Scholar被引量超過1萬次、全印度排名第33位
個人經歷,主要作品,榮譽獎項,個人生活,軼事趣聞,
個人經歷
Rishabh Agarwal本科畢業於印度理工學院孟買分校計算機科學與工程專業。隨後，他在加拿大魁北克人工智慧研究所（Mila）攻讀博士學位，師從Aaron Courville和Marc Bellemare，研究方向為深度強化學習。2018年，他以AI Resident身份加入Google Brain多倫多團隊。此後，他在Google Brain/DeepMind擔任研究科學家/高級研究科學家，參與了Gemini 1.5、Gemma 2等重要模型的研發。自2024年9月起，他擔任麥吉爾大學兼職教授。2025年4月，他以研究科學家身份加入Meta超級智慧型實驗室（MSL）。2025年8月/9月，在加入Meta僅數月後，他宣布離職，去向未定。
主要作品
2025年，Rishabh Agarwal在ICLR 2025上發表了《Training Language Models to Self-Correct via Reinforcement Learning》、《Generative Verifiers: Reward Modeling as Next-Token Prediction》、《Inference-Aware Fine-Tuning for Best-of-N Sampling in Large Language Models》、《Asynchronous RLHF: Faster and More Efficient Off-Policy RL for Language Models》等論文；在ICML 2025上發表了《Reward-Guided Prompt Evolving in Reinforcement Learning for LLMs》。
2024年，Rishabh Agarwal在NeurIPS 2024上發表了《Many-Shot In-Context Learning》；在ICLR 2024上發表了《On-Policy Distillation of Language Models: Learning from Self-Generated Mistakes》、《DistillSpec: Improving Speculative Decoding via Knowledge Distillation》；在ICML 2024上發表了《Stop Regressing: Training Value Functions via Classification for Scalable Deep RL》、《SiT: Symmetry-invariant Transformers for Generalisation in Reinforcement Learning》。此外，Rishabh Agarwal還作為作者參與了《Transformers can achieve length generalization but not robustly》等研究。
2021年，Rishabh Agarwal作為第一作者發表的《Deep Reinforcement Learning at the Edge of the Statistical Precipice》獲得了NeurIPS 2021傑出論文獎。
榮譽獎項
2021年，其論文《Deep Reinforcement Learning at the Edge of the Statistical Precipice》獲得神經信息處理系統大會（NeurIPS）傑出論文獎。該論文由Rishabh Agarwal、Max Schwarzer、Pablo Samuel Castro、Aaron Courville、Marc G. Bellemare共同完成，獲獎理由為提高深度強化學習算法比較的嚴謹性。
Rishabh Agarwal在印度全國性考試中取得優異成績，以全印度排名第33位的成績進入印度理工學院孟買分校。
個人生活
自2024年9月起，Rishabh Agarwal受聘為加拿大麥吉爾大學兼職教授，並在該校研究生課程中講授大型語言模型相關課程。
在早年面試中，Rishabh Agarwal曾被要求解決一個飛鏢遊戲難題，他直接在餐巾紙上演算並在視頻通話中展示。
軼事趣聞
在Google Brain工作初期，Geoffrey Hinton曾建議他不要做強化學習，但這反而堅定了他投身強化學習領域的決心。
2023年，導師Marc Bellemare在社交媒體上提前祝賀他通過博士答辯，Jeff Dean等業界人士也送上了祝福。
