许洪腾 长聘副教授
返回列表邮箱：hongtengxu@ruc.edu.cn
小我私家网页：https://hongtengxu.github.io
2017年博士结业于佐治亚理工学院，2013年硕士结业于上海交通大学，2010年本科结业于天津大学。其研究偏向为通用人工智能技术及其应用，特别是（1）最优传输驱动的机械学习要领；（2）生成式大模型架构设计、模型压缩、模型融合；（3）AI4Math以及AI4Science等前沿应用，并以第一作者或通讯作者身份在ICML、NeurIPS、ICLR、AAAI、IJCAI、CVPR、ICCV、TPAMI、TKDE等人工智能领域知名聚会会议和期刊上发表论文40余篇。
教育经历
2013年8月至2017年5月：佐治亚理工学院，博士
2010年8月至2013年5月：佐治亚理工-上海交通大学双硕士项目，硕士
2006年9月至2010年7月：天津大学，学士
事情经历
2023年9月至今，菠菜平台高瓴人工智能学院，长聘副教授
2021年1月至 2023年8月，菠菜平台高瓴人工智能学院，准聘副教授
2018年1月至2020年9月，Infinia ML Inc.，高级研究员，兼任杜克大学客座研究员
2017年8月至2017年12月，杜克大学，博士后研究员
研究偏向
最优传输驱动的机械学习要领，例如最优传输问题的近似求解，基于最优传输的图机械学习，基于最优传输的生成模型学习，基于最优传输的数据对齐技术等。
生成式大模型架构设计、模型压缩、模型融合技术，例如大模型的高效适配、新型注意力机制、算法驱动的模型架构设计与机理分析、非实数神经网络设计与庞大数据建模等。
AI4Math以及AI4Science等前沿应用：AI辅助数学证明、药物设计、质料分析等。
研究结果
学生要求
风险偏好型选手，敢于做高风险研究；对科研具有主观能动性；有较好的数学基础和编程能力；乐于交流和团队协作。
教授课程
现代数值要领：2021-2023秋，2025-2026春
机械学习基础：2022-2026春
研究结果
https://scholar.google.com/citations?hl=en&user=7gYVOO8AAAAJ&view_op=list_works&sortby=pubdate
荣誉奖励
佐治亚理工学院Coulter Fellowship，2010年
上海市研究生优秀学术结果（学位论文），2014年
社会兼职
期刊Guest Editor：TNNLS
期刊Reviewer：TPAMI、TKDE、TIP、TCSVT、TMM、TSP等
聚会会议Tutorial：KDD2019、AAAI2022、IJCAI2023
聚会会议Area Chair：ICML、ICLR、AAAI、ICLR、IJCAI等
聚会会议Reviewer：ICML、NeurIPS、AAAI、CVPR等