Khurram Javed
Khurram Javed 是強化學習研究者、Oak Lab 聯合創始人。他在巴基斯坦參加數學競賽並修讀軟件工程,後在加拿大阿爾伯塔大學分別師從 Martha White 和 Richard S. SuttonRichard S. SuttonRichard S. Sutton 是加拿大計算機科學家、阿爾伯塔大學教授。他研究一個學習者怎樣從行動的後果中修正下一次預測,提出時序差分學習方法,並與 Andrew G. Barto 合著《強化學習導論》。兩人獲2024年度圖靈獎。點擊查看完整詞條。他的研究關注計算資源有限的系統怎樣從連續到來的經驗中學習。
本頁目錄6 節
詞條資料
2012年至2018年數學競賽與軟件工程
2012年至2014年,Javed 在巴基斯坦拉合爾的阿卜杜斯·薩拉姆數學科學學院參加國際數學奧林匹克訓練營。他在第55屆國際數學奧林匹克獲表揚,在第26屆亞太數學奧林匹克獲銅牌。2014年8月,他進入伊斯蘭堡國立科技大學學習軟件工程,導師是 Faisal Shafait。2018年7月畢業時,他的平均成績為4.0,獲頒授給畢業成績最佳者的校長金牌和表彰最佳論文的校監金牌。[1]
2017年,他在本校參加機器學習入門教學,並於6月至9月赴洛桑聯邦理工學院,在 Patrick Thiran 指導下研究如何用機器學習評估通信網絡中的路由。他與 Shafait 合作的早期論文涉及從自然圖像中定位文檔和增量式分類學習。[1]
2018年至2020年在加拿大攻讀碩士
2018年9月,他到埃德蒙頓的阿爾伯塔大學讀計算機科學碩士,由 Martha White 指導。兩人在2019年的 NeurIPS 發表有關持續學習中表徵如何形成的研究。2019年6月至10月,他在華為研究部門海思擔任研究助理,應用強化學習研究芯片設計優化。2020年2月至6月,他又在蒙特利爾的 Mila 訪問,由 Yoshua BengioYoshua BengioYoshua Bengio是加拿大蒙特利爾大學計算機科學教授、Mila創始人和深度學習先驅,2018年度與Geoffrey Hinton、Yann LeCun共獲圖靈獎;2023年起他轉向AI安全研究,主持國際AI安全報告,並於2025年創立非營利組織LawZero。他曾於2018年做客Lex Fridman Podcast。點擊查看完整詞條 指導,研究如何從連續觀察中認識因果關係。同年9月完成碩士學位,論文題為《使用神經網絡學習適合在線更新的表徵》。[1][2]
2022年至2025年從合作項目到博士論文
碩士畢業時他原打算進入業界。一次研究討論讓他加入 Richard S. Sutton 的合作項目,約半年後兩人才決定把它發展成博士課題。2022年1月起,Javed 在 Sutton 指導下攻讀博士,2025年2月完成。他的論文題為《在龐大世界中實現目標的實時強化學習》。他研究計算能力有限的學習者如何在複雜環境中及時更新判斷及追求目標,也參與教授阿爾伯塔大學的強化學習課程。[1][3][4]
2024年,他與 Arsalan Sharifnassab、Sutton 合寫的 SwiftTD 論文獲得強化學習會議最佳論文獎。10月,他加入 Keen Technologies 的小型研究團隊,與 John CarmackJohn CarmackJohn Carmack是美國程序員和電腦遊戲設計師,id Software聯合創始人,主導Wolfenstein 3-D、DOOM和Quake等第一人稱射擊遊戲的技術開發;後任Oculus首席技術官,2022年創辦通用人工智能公司Keen Technologies。點擊查看完整詞條、Sutton 等人共事。同年他與 Sutton 在強化學習會議的專題研討會上提出“大世界假說”,指出學習者計算能力有限、周遭環境的複雜性遠超它自身。2025年,他發表了獨著的 Swift-Sarsa,研究學習系統如何快速、穩健地實行線性控制。[1][5]
2026年8月18日Oak Lab 與持續學習問題
Javed 和 Sutton 共同創建 Oak Lab,研究系統能否在運行中通過經驗改變自身。接受紅杉資本Sequoia CapitalSequoia Capital是一家由Don Valentine於1972年創立的風險投資機構,投資範圍從種子期延伸至成長階段。其歷史投資包括Apple、Cisco、Google、YouTube、Airbnb和Stripe;2021年推出可繼續持有上市證券的Sequoia Capital Fund結構,2023年區域業務轉為獨立品牌與合夥組織。點擊查看完整詞條採訪時,Javed 在約23分40秒舉例說,一個模型即使經過充分訓練,部署後如果參數固定,就不會自動從使用者隨後遇到的事情中積累經驗。他也談到新研究路線初期常會比成熟方法表現差,若只獎勵馬上超越基準的成果,研究團隊可能過早放棄新方向。[4][6]
關聯機構、網站與公開賬號
洛桑聯邦理工學院:曾任研究實習生。官網:https://www.epfl.ch/(在新窗口打開)。[1]
海思:曾任研究助理。官網:https://www.hisilicon.com/(在新窗口打開)。[1]
Mila:曾任訪問研究員。官網:https://mila.quebec/(在新窗口打開)。[1][2]
Keen Technologies:曾任研究科學家。官網:https://keenagi.com/(在新窗口打開)。[1]
Oak Lab:聯合創始人。官網:https://oaklab.ai/(在新窗口打開)。[4][6]
個人網站:https://khurramjaved.com/(在新窗口打開)。他也參與組織 RL in Big Worlds 研究活動。[5][7]
來源7 個來源
- Khurram Javed: Curriculum vitae(在新窗口打開)khurramjaved.com↑
- Khurram Javed(在新窗口打開)mila.quebec↑
- Real-time Reinforcement Learning for Achieving Goals in Big Worlds(在新窗口打開)ualberta.scholaris.ca↑
- Rich Sutton and Khurram Javed: Why AI Models Stop Learning, and How to Start It Again(在新窗口打開)youtube.com↑
- Khurram Javed(在新窗口打開)khurramjaved.com↑
- The Big World Hypothesis(在新窗口打開)oaklab.ai↑
- RL in Big Worlds(在新窗口打開)rlinbigworlds.ca↑