顾泉泉

我是的副教授计算机科学在加州大学洛杉矶分校。我正在领导加州大学洛杉矶分校人工通用智能实验室2014年，我在伊利诺伊大学香槟分校获得了计算机科学博士学位。我的研究方向是人工智能和机器学习，重点是非凸优化、深度学习、强化学习、大型语言模型（LLM）和深度生成模型（例如扩散模型）。最近，我一直在利用人工智能来加强生物学、医学、化学和公共卫生等领域的科学发现。

这是我最新的个人简历.

新闻和公告

• [2023年11月28日]我们正在庆祝人工智能在药物研发中的新前沿NeurIPS 2023。

近期研究亮点

• 语言模型对齐的自演偏好优化
  吴岳*、孙志清*、袁慧卓*、季凯轩、杨一鸣和顾全全，arXiv公司：2405.00675, 2024.

• 用于文本图像生成的扩散模型的自玩微调
  袁慧卓*、陈子香*、季凯轩*、顾全全*，arXiv公司：2402.10210, 2024.

• 自我游戏微调将弱语言模型转换为强语言模型
  陈子祥*、邓一禾*、袁慧卓*、季凯轩和顾全全，程序中。第41届国际机器学习会议（ICML）奥地利维也纳，2024年。[arXiv]

• 近似正交数据上双层ReLU和Leaky ReLU网络梯度下降的隐式偏差
  口一文*、陈子祥*和顾全泉，程序中。神经信息处理系统（NeurIPS）的进展362023年，美国洛杉矶新奥尔良。[arXiv]

• 为什么Sharness-Aware Minimization的通用性优于SGD？
  陈子祥*、张俊凯*、寇艺文、陈香凝、谢卓绝和顾全全，程序中。神经信息处理系统（NeurIPS）进展362023年，美国洛杉矶新奥尔良。[arXiv]

• 线性马尔可夫决策过程的近似极小极大最优强化学习
  何家凡、赵合阳、周东若、顾全全，程序中。第40届国际机器学习会议（ICML）美国夏威夷，2023年。[arXiv]

• 双层ReLU卷积神经网络的良性过拟合
  寇一文*、陈子祥*、陈元洲和顾全全，程序中。第40届国际机器学习会议（ICML），美国夏威夷，2023年。[arXiv]

• 线性强盗与强化的方差相关回归界学习：适应性和计算效率
  赵合阳、何家凡、周东如、张彤、顾全全，程序中。第36届学习理论年会（COLT）印度班加罗尔，2023年。[arXiv]

• 线性混合MDP的计算效率无水平强化学习
  周东若、顾泉泉，程序中。神经信息处理系统（NeurIPS）的进展352022年，美国洛杉矶新奥尔良。口头报告 [arXiv]

• 具有对抗性的线性上下文带的近似最优算法腐蚀
  何家凡、周东若、张彤、顾全全，程序中。神经信息处理系统（NeurIPS）的进展352022年，美国洛杉矶新奥尔良。[arXiv]

• 插值中最小二乘法的多通道SGD风险界政体
  邹迪凡*、吴京峰*、弗拉基米尔·布拉弗曼、顾全全和沙姆·M·卡卡德，程序中。神经信息处理系统（NeurIPS）的进展35，美国洛杉矶新奥尔良，2022年。[arXiv]

• 双层卷积神经网络中的良性过拟合
  袁操*、陈子祥*、米哈伊尔·贝尔金和顾全全，程序中。神经信息处理系统（NeurIPS）的进展352022年，美国洛杉矶新奥尔良。口头报告 [arXiv]

• 具有衰减步长的SGD的最后迭代风险界超参数线性回归
  吴京峰*、邹迪凡*、弗拉基米尔·布拉弗曼、顾全全和沙姆·M·卡卡德，程序中。第39届国际机器学习会议（ICML）美国马里兰州巴尔的摩，2022年。长演示文稿 [arXiv]

• SGD隐式正则化在最小二乘问题中的益处
  邹迪凡*、吴京峰*、弗拉基米尔·布拉弗曼、顾全全、院长P.福斯特和Sham M.卡卡德，程序中。神经信息处理系统（NeurIPS）的进展34, 2021.[arXiv]

• 次高斯混合下超参数最大利润分类的风险边界
  袁操、顾全全、米哈伊尔·贝尔金、，程序中。神经信息处理系统（NeurIPS）的进展34, 2021.[arXiv]

• 线性回归中常步长SGD的良性过度拟合
  邹迪凡、吴京峰、弗拉基米尔·布拉弗曼、顾全全和沙姆·M·卡卡德，程序中。第34届学习理论年会（COLT）, 2021.[arXiv]

• 线性混合马尔可夫决策过程的近似Minimax最优强化学习
  周东若、顾全全、塞佩斯瓦里，程序中。第34届学习理论年会（COLT）, 2021.[arXiv]

• 基于软边缘的梯度下降半空间的不可知学习
  Spencer Frei、Yuan Cao和顾全泉，程序中。第38届国际机器学习会议（ICML）, 2021.长谈 [arXiv]

• 针对折扣MDP的有效强化学习要素映射
  周东若、何家凡、顾全全，程序中。第38届国际机器学习会议（ICML）, 2021.[arXiv]

• 多大程度的超参数化足以深入了解ReLU网络？
  陈子祥*、袁操*、邹迪凡*、顾全全*，程序中。第九届国际学习代表大会, 2021.[arXiv]

• 两层神经网络的广义神经切线核分析
  陈子祥、袁操、顾全全、张彤，程序中。神经信息处理系统（NeurIPS）的进展33, 2020.[arXiv]

• 宽深度神经网络随机梯度下降的推广界
  袁操、顾全全，程序中。神经信息处理系统（NeurIPS）进展32，加拿大温哥华, 2019.聚光灯演示 [arXiv]

• 参数化深度神经网络训练的改进分析
  邹迪凡、顾全全，程序中。神经信息处理系统（NeurIPS）进展32，加拿大温哥华, 2019.[arXiv]

• 梯度下降优化超参数深层ReLU网络
  邹迪凡*、袁操*、周东若和顾全全，机器学习杂志（MLJ）接受, 2019.[arXiv]

• 光滑非凸有限和优化的下界
  周东若、顾泉泉，在Proc。第36届国际机器学习会议（ICML），美国加利福尼亚州长滩, 2019.[arXiv]

• 非凸优化的随机嵌套方差约简
  周东若、潘旭、顾全全，程序中。神经信息处理系统（NeurIPS）进展31，加拿大蒙特利尔, 2018.聚光灯演示 [arXiv]

最近的服务

• NeurIPS 2023高级地区主席，ICLR 2024地区主席，AISTATS 2024，AAAI 2024

奖品

• 2024年WSDM时间论文奖测试

• 阿尔弗雷德·斯隆研究奖学金，2022年

• 摩根大通教师研究奖，2022年

• 2020年IJCAI早期职业聚焦

• 2019年AWS机器学习研究奖

• 2019年西蒙斯·伯克利研究奖学金

• 2018年Adobe数据科学研究奖

• 2018年Salesforce深度学习研究奖

• 2017年NSF职业奖

• 雅虎！2015年学术生涯提升奖

联系人

• 地址：EVI 382，404 Westwood Plaza，Los Angeles，CA 90095

• 电子邮件：qgu at cs dot ucla dot edu

泉泉谷推文