Khurram Javed
Khurram Javed 是强化学习研究者、Oak Lab 联合创始人。他在巴基斯坦参加数学竞赛并修读软件工程,后在加拿大阿尔伯塔大学分别师从 Martha White 和 Richard S. SuttonRichard S. SuttonRichard S. Sutton 是加拿大计算机科学家、阿尔伯塔大学教授。他研究一个学习者怎样从行动的后果中修正下一次预测,提出时序差分学习方法,并与 Andrew G. Barto 合著《强化学习导论》。两人获2024年度图灵奖。点击查看完整词条。他的研究关注计算资源有限的系统怎样从连续到来的经验中学习。
本页目录6 节
词条资料
2012年至2018年数学竞赛与软件工程
2012年至2014年,Javed 在巴基斯坦拉合尔的阿卜杜斯·萨拉姆数学科学学院参加国际数学奥林匹克训练营。他在第55届国际数学奥林匹克获表扬,在第26届亚太数学奥林匹克获铜牌。2014年8月,他进入伊斯兰堡国立科技大学学习软件工程,导师是 Faisal Shafait。2018年7月毕业时,他的平均成绩为4.0,获颁授给毕业成绩最佳者的校长金牌和表彰最佳论文的校监金牌。[1]
2017年,他在本校参加机器学习入门教学,并于6月至9月赴洛桑联邦理工学院,在 Patrick Thiran 指导下研究如何用机器学习评估通信网络中的路由。他与 Shafait 合作的早期论文涉及从自然图像中定位文档和增量式分类学习。[1]
2018年至2020年在加拿大攻读硕士
2018年9月,他到埃德蒙顿的阿尔伯塔大学读计算机科学硕士,由 Martha White 指导。两人在2019年的 NeurIPS 发表有关持续学习中表征如何形成的研究。2019年6月至10月,他在华为研究部门海思担任研究助理,应用强化学习研究芯片设计优化。2020年2月至6月,他又在蒙特利尔的 Mila 访问,由 Yoshua BengioYoshua BengioYoshua Bengio是加拿大蒙特利尔大学计算机科学教授、Mila创始人和深度学习先驱,2018年度与Geoffrey Hinton、Yann LeCun共获图灵奖;2023年起他转向AI安全研究,主持国际AI安全报告,并于2025年创立非营利组织LawZero。他曾于2018年做客Lex Fridman Podcast。点击查看完整词条 指导,研究如何从连续观察中认识因果关系。同年9月完成硕士学位,论文题为《使用神经网络学习适合在线更新的表征》。[1][2]
2022年至2025年从合作项目到博士论文
硕士毕业时他原打算进入业界。一次研究讨论让他加入 Richard S. Sutton 的合作项目,约半年后两人才决定把它发展成博士课题。2022年1月起,Javed 在 Sutton 指导下攻读博士,2025年2月完成。他的论文题为《在庞大世界中实现目标的实时强化学习》。他研究计算能力有限的学习者如何在复杂环境中及时更新判断及追求目标,也参与教授阿尔伯塔大学的强化学习课程。[1][3][4]
2024年,他与 Arsalan Sharifnassab、Sutton 合写的 SwiftTD 论文获得强化学习会议最佳论文奖。10月,他加入 Keen Technologies 的小型研究团队,与 John CarmackJohn CarmackJohn Carmack是美国程序员和电脑游戏设计师,id Software联合创始人,主导Wolfenstein 3-D、DOOM和Quake等第一人称射击游戏的技术开发;后任Oculus首席技术官,2022年创办通用人工智能公司Keen Technologies。点击查看完整词条、Sutton 等人共事。同年他与 Sutton 在强化学习会议的专题研讨会上提出“大世界假说”,指出学习者计算能力有限、周遭环境的复杂性远超它自身。2025年,他发表了独著的 Swift-Sarsa,研究学习系统如何快速、稳健地实行线性控制。[1][5]
2026年8月18日Oak Lab 与持续学习问题
Javed 和 Sutton 共同创建 Oak Lab,研究系统能否在运行中通过经验改变自身。接受红杉资本Sequoia CapitalSequoia Capital是一家由Don Valentine于1972年创立的风险投资机构,投资范围从种子期延伸至成长阶段。其历史投资包括Apple、Cisco、Google、YouTube、Airbnb和Stripe;2021年推出可继续持有上市证券的Sequoia Capital Fund结构,2023年区域业务转为独立品牌与合伙组织。点击查看完整词条采访时,Javed 在约23分40秒举例说,一个模型即使经过充分训练,部署后如果参数固定,就不会自动从使用者随后遇到的事情中积累经验。他也谈到新研究路线初期常会比成熟方法表现差,若只奖励马上超越基准的成果,研究团队可能过早放弃新方向。[4][6]
关联机构、网站与公开账号
洛桑联邦理工学院:曾任研究实习生。官网:https://www.epfl.ch/(在新窗口打开)。[1]
海思:曾任研究助理。官网:https://www.hisilicon.com/(在新窗口打开)。[1]
Mila:曾任访问研究员。官网:https://mila.quebec/(在新窗口打开)。[1][2]
Keen Technologies:曾任研究科学家。官网:https://keenagi.com/(在新窗口打开)。[1]
Oak Lab:联合创始人。官网:https://oaklab.ai/(在新窗口打开)。[4][6]
个人网站:https://khurramjaved.com/(在新窗口打开)。他也参与组织 RL in Big Worlds 研究活动。[5][7]
来源7 个来源
- Khurram Javed: Curriculum vitae(在新窗口打开)khurramjaved.com↑
- Khurram Javed(在新窗口打开)mila.quebec↑
- Real-time Reinforcement Learning for Achieving Goals in Big Worlds(在新窗口打开)ualberta.scholaris.ca↑
- Rich Sutton and Khurram Javed: Why AI Models Stop Learning, and How to Start It Again(在新窗口打开)youtube.com↑
- Khurram Javed(在新窗口打开)khurramjaved.com↑
- The Big World Hypothesis(在新窗口打开)oaklab.ai↑
- RL in Big Worlds(在新窗口打开)rlinbigworlds.ca↑