韩国

趙京鉉 Cho Kyunghyun

纽约大学·Genentech

关注理由: 注意力机制与机器翻译研究

人事变动

暂无已发布的人事变动。

论文

论文2026-10-04 · arXiv (Cornell University)

提出一种用单个AI模型平衡多种价值的新训练方法

Which Preferences to Train On? End-to-End Multi-Objective Alignment with an Adversarial Preference Distribution

趙京鉉等 2 人

做了什么: 研究团队提出了一种名为MAESTRO的训练方法，使AI语言模型能够根据用户的请求，在有用性、无害性、幽默感等多种价值之间调整平衡。
核心结果: 根据摘要，MAESTRO在处理多达三个目标的实验中，仅通过一次训练就在大多数任务中获得了最佳的平衡曲线（帕累托前沿），并且在所比较的方法中训练成本最低。
意义: 如果单个模型能够处理多种价值组合，这将表明企业可以更高效地构建适合不同用户设置的AI服务，但仅凭摘要很难判断其实际市场效果。AI 摘要

训练与扩展安全与监管

完整摘要阅读原文 ↗ PDF ↗

论文2026-05-31 · arXiv.org

物理人工智能成功预测了实验室湍流

Emergent Transfer of a Physics Foundation Model from Simulation to Laboratory Turbulence

趙京鉉等 22 人

做了什么: 将通过模拟训练的物理基础模型应用于实际实验室环境，成功预测了复杂的流体不稳定现象。
核心结果: 成功预测了训练数据中不存在的实际实验室生长范围和新的物理环境。
意义: 展示了基于人工智能的模型能够从模拟扩展到实际实验数据的可能性。AI 摘要

科学 AI

完整摘要阅读原文 ↗ PDF ↗

论文2026-04-27 · arXiv.org

开发能够处理多种生物分子信息的AI模型

MIMIC: A Generative Multimodal Foundation Model for Biomolecules

趙京鉉等 30 人

做了什么: 研究团队推出了MIMIC，这是一个能够同时学习和生成核酸、蛋白质、进化和结构等多重生物学信息的生成式人工智能模型。
核心结果: 通过同时利用多种类型的数据，MIMIC展现出比传统单一数据驱动模型更高的性能，并执行了多种生物学任务。
意义: 这项研究展示了通过一个统一的模型来进行生物分子的表示学习、条件预测以及定制化分子设计的可能性。AI 摘要

科学 AI

完整摘要阅读原文 ↗ PDF ↗

本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。本页摘要由 AI 根据编辑审核过的韩文版本翻译。