Azalia Mirhoseini

Mirhoseini 出生於伊朗。⁠[1]

她取得謝里夫理工大學電氣工程理學學士學位，以及萊斯大學電氣與計算機工程博士學位。⁠[2]

她曾在 Google Brain、AnthropicAnthropicAnthropic是一家於2021年成立的人工智能研究與產品公司，開發Claude模型、助手及Claude Code等工具，並以公益公司形式運營。Dario Amodei與Daniela Amodei為共同創辦人，其研究涉及模型安全、可解釋性和可控性。點擊查看完整詞條 和 Google DeepMindGoogle DeepMindGoogle DeepMind 是 Google 旗下的人工智能研究機構，2023年4月由2014年被 Google 收購的 DeepMind 與 Google Research 的 Brain 團隊合併而成，由 Demis Hassabis 任首席執行官。它開發了 AlphaGo、AlphaFold 和 Gemini 系列模型，Hassabis 與 John Jumper 因 AlphaFold 的蛋白質結構預測工作獲得2024年諾貝爾化學獎。點擊查看完整詞條 從事研究。⁠[2]

2017年，她參與提出稀疏門控混合專家層。門控網絡為每個輸入選擇少量專家，使模型容量增長不必伴隨同等幅度的計算增長。⁠[3]

團隊將最多1370億參數的專家層用於語言建模和機器翻譯實驗。⁠[3]

2019年，她入選 MIT Technology Review 的35歲以下創新者名單。該報道關注她用強化學習改進芯片佈局的研究。⁠[1]

團隊於2020年公開強化學習芯片佈局方法，相關研究於2021年6月發表於 Nature。2024年9月的增補將該方法命名為 AlphaChip；Mirhoseini 與 Anna GoldieAnna GoldieAnna Goldie 是人工智能研究者、Ricursive Intelligence 聯合創始人兼首席執行官，曾任職於 Anthropic 和 Google DeepMind，並共同領導 AlphaChip 項目。點擊查看完整詞條 是增補的共同第一作者。⁠[4]

在後續回應中，作者報告該方法已用於三代 TPU，並強調先在已有芯片模塊上學習、再遷移至新佈局的重要性。⁠[5]

她是 Constitutional AI 論文的共同作者。該方法依據人選原則生成自我批評和修訂，再利用 AI 偏好反饋訓練模型。⁠[6]

她創建並講授 CS229S「機器學習系統」，課程已有2023年和2024年秋季版本，討論訓練、微調和推理的效率與可擴展性。⁠[7]

她領導的 Scaling Intelligence Lab 研究可擴展智能、自我改進、驗證方法，以及人工智能與計算系統之間的相互優化。⁠[8]

2025年秋季，她與 Aakanksha Chowdhery 共同講授 CS329A「自我改進的 AI 智能體」，涵蓋工具調用、記憶、推理、規劃與評估。⁠[9]

大川基金會將她列為2025年度海外研究資助獲得者，項目為「邁向自我改進的 AI 系統」。⁠[10]

2023年，Nature 對原研究的性能主張展開調查；被撤回的是另行發表的 News & Views 評論，並非原研究論文。⁠[11]

作者2024年的回應稱，Nature 複審後已關閉調查；他們同時認為，批評研究採用了不同的預訓練、算力和收斂條件。⁠[5]

Cheng 等人2026年的更新評估使用新的7納米公開測試和更新後的 Circuit Training，並認為規模擴展及預訓練方法仍需進一步確認。⁠[12]

她參與的 Large Language Monkeys 研究反覆採樣：增加嘗試，可提高至少得到一次正確答案的題目比例。實驗中，DeepSeek-V2-Coder-Instruct 在 SWE-bench Lite 的覆蓋率從單次15.9%升至250次採樣的56%。⁠[13]

沒有自動驗證器時，從多份答案中選出正確結果仍是限制；覆蓋率不等於最終選答準確率。⁠[13]

她共同參與的 KernelBench 用250項 PyTorch 工作負載評估語言模型生成 GPU 內核的能力。指標 fast_p 同時要求功能正確和達到指定加速幅度。⁠[14]

研究發現，執行與性能分析反饋可改善迭代結果，但當時的模型在直接生成高效內核方面仍面臨困難。⁠[14]

在 Simons Institute 演講中，她討論並行採樣、串行修訂和推理步驟組合，強調驗證質量及計算成本的限制。⁠[15]

她把持續學習視為研究方向，尚未驗證無限改進：監督微調可能減少答案多樣性，實驗也需要更多算力。⁠[15]

2025年，她與 Anna Goldie 創辦 Ricursive Intelligence。⁠[16]

2026年1月，LightspeedLightspeed Venture PartnersLightspeed Venture Partners支持從種子輪到後期融資階段的企業。其官網區分Lightspeed Management Company（LSVP）與Lightspeed India Partners（LSIP）：兩者是分別運營的投資顧問實體，美國、歐洲和以色列辦公室屬於LSVP，印度及東南亞辦公室屬於LSIP。點擊查看完整詞條 宣佈領投 A 輪，並把人工智能模型與專用芯片協同發展作為投資主題。⁠[17]

截至2026年10月，公司官網列示累計3.35億美元支持資金，投資方包括 Sequoia。⁠[18]

她參與的 Intelligence per Watt 於2025年首次提交，2026年更新。研究結合準確性與功耗，評估20多種本地模型、8種加速器和約100萬條單輪查詢。⁠[19]

最新版報告本地模型可準確處理測試集88.7%的查詢，但結果隨領域變化，不能外推至所有任務。⁠[19]

她參與 OpenJarvis 項目，以模型、推理引擎、智能體、工具與記憶、學習五類組件構建本地優先的個人 AI 系統，並把能耗、延遲和成本納入評估。⁠[20]

項目利用本地運行軌跡研究持續優化，並允許必要時調用雲端；因此其本地優先目標不等於所有配置都完全離線。⁠[20]

2026年4月公佈的 LLM-as-a-Verifier 項目將 Mirhoseini 列為共同指導者。框架從評分粒度、重複驗證和評判標準分解三個方向改進對智能體執行軌跡的判斷。⁠[21]

Azalia Mirhoseini 個人網站：官網：https://www.azaliamirhoseini.com/（在新窗口打開）⁠[22]

斯坦福大學：官網：https://www.stanford.edu/（在新窗口打開）⁠[23]

萊斯大學：官網：https://www.rice.edu/（在新窗口打開）⁠[24]

Ricursive Intelligence：官網：https://www.ricursive.com/（在新窗口打開）⁠[18]

Scaling Intelligence Lab：官網：https://scalingintelligence.stanford.edu/（在新窗口打開）⁠[8]

Google DeepMind：官網：https://deepmind.google/（在新窗口打開）⁠[25]

X 公開賬號：官方賬號：https://x.com/Azaliamirh（在新窗口打開）⁠[26]

LinkedInLinkedInLinkedIn 是面向職場人士的社交網絡平臺，2002年由 Reid Hoffman 等人創立、2003年上線，2011年在紐約證券交易所上市，2016年被 Microsoft 以約262億美元收購後成為其全資子公司，收入來自會員訂閱、廣告和招聘解決方案。點擊查看完整詞條 公開賬號：官方賬號：https://www.linkedin.com/in/azalia-mirhoseini-a5308522/（在新窗口打開）⁠[27]