首页科技快讯英伟达奖学金计划再放榜，10名入选者中8位华人

英伟达奖学金计划再放榜，10名入选者中8位华人

来源：晰数塔互联网快讯时间：2025年12月05日 21:15

英伟达研究生奖学金计划（NVIDIA Graduate Fellowship Program）近日公布了 2026–2027 年度的获奖名单。

该计划自成立 25 年来，一直为在英伟达技术相关领域取得突出成果的研究生提供支持。2025 年 12 月 4 日，该计划公布了 2026-2027 学年获得奖学金的 10 位博士生名单。每位获奖者将获得最高 6 万美元的资助，用于推进他们在计算机创新各领域的研究，并将在奖学金年度开始前进入英伟达开展暑期实习。他们的研究方向涵盖加速计算的多个前沿领域，包括自主系统、计算机体系结构、计算机图形学、深度学习、编程系统、机器人技术和安全等。今年的 10 位获奖者中有 8 位为华人学生。

以下是入选的华人博士生名单及简介：

Jiageng Mao（南加州大学）

获奖理由：利用互联网规模数据中的多样先验知识解决复杂的物理人工智能问题，使现实世界中的具身智能体能够具备稳健且具有泛化能力的智能。

Jiageng Mao 是南加州大学计算机科学博士生，导师为 Yue Wang 教授。其研究聚焦于“物理人工智能”，致力于通过在机器人、计算机视觉和自然语言处理等领域开发算法，将人工智能引入现实世界。他尤其对直观物理学、大规模视觉–语言–动作模型以及世界建模等方向感兴趣。

Liwen Wu（加州大学圣地亚哥分校）

获奖理由：利用神经材质和神经渲染技术，提升基于物理的渲染的真实感和效率。

Liwen Wu 是加州大学圣地亚哥分校计算机科学与工程系博士生，此前在伊利诺伊大学香槟分校获得计算机科学学士和硕士学位。他的研究领域为计算机图形学和三维视觉，尤其关注神经渲染、逆向渲染、神经外观建模以及三维重建等方向。

陈思哲（Sizhe Chen）（加州大学伯克利分校）

获奖理由：致力于提升人工智能在真实场景下的安全性，目前正针对提示词注入攻击（prompt injection attacks）研发通用且实用的防御措施，以在不影响 AI 智能体正常功能的前提下保护其免受此类攻击。

陈思哲是加州大学伯克利分校电子工程与计算机科学系的博士生，他的研究重点是人工智能在现实应用中的安全保障。他本科和硕士均毕业于上海交通大学。他注意到，提示词注入攻击是当前 AI 智能体面临的首要威胁，已对 Google、OpenAI、Anthropic 等公司的多个 AI 系统造成了实际危害。为此，他提出了有理论依据且行之有效的防御机制，希望在不牺牲模型实用性的前提下提高大型语言模型抵御此类攻击的能力。

Yunfan Jiang（斯坦福大学）

获奖理由：通过结合真实世界的人形操作数据、大规模模拟以及互联网规模的多模态监督等混合数据源，开发可扩展的方法来构建胜任日常任务的通用机器人。

Yunfan Jiang 是斯坦福大学计算机科学系的三年级博士生，师从李飞飞教授。他的研究横跨机器学习与机器人技术两个领域，旨在研发可扩展的方法来构建具备通用能力的机器人。Yunfan Jiang 硕士也毕业于斯坦福大学，并在加入博士项目前曾分别在英伟达 GEAR 实验室和波士顿动力的 AI 研究所担任研究实习生。他目前通过结合真实世界全身操作数据、大规模模拟数据以及互联网规模的多模态信息，探索训练能够执行日常任务的通用机器人。

邵奕佳（Yijia Shao）（斯坦福大学）

获奖理由：探索人机协作机制，开发能够在任务执行过程中与人类沟通协调的 AI 智能体，并设计新型的人机交互界面。

邵奕佳是斯坦福大学计算机科学系从事自然语言处理研究的博士生，师从杨笛一教授。她本科就读于北京大学元培学院数据科学方向，在学期间即投身于机器学习和自然语言处理研究。她曾在微软亚洲研究院和加州大学洛杉矶分校等机构实习，从事相关研究项目。目前，邵奕佳的研究兴趣聚焦于机器学习和自然语言处理，尤其致力于将大型语言模型等 NLP 技术融入更复杂的软硬件系统，以提升 AI 助手的协作能力。

Shangbin Feng（华盛顿大学）

获奖理由：推进“模型协作”研究：让多个由不同研究者在不同数据上训练的机器学习模型能够彼此协作、组合互补，推动构建开放、去中心化且协作的未来 AI 体系。

Shangbin Feng 目前是华盛顿大学攻读计算机科学博士，师从 Yulia Tsvetkov 教授。在此之前，他于西安交通大学获得计算机科学与技术学士学位，并在华盛顿大学取得计算机科学与工程硕士学位。冯尚彬的研究兴趣广泛，涵盖模型协作、社会导向的自然语言处理以及网络与结构等方向。

Irene Wang（佐治亚理工学院）

获奖理由：提出一种面向大规模 AI 训练的整体协同设计框架，将加速器体系结构、网络拓扑和运行时调度统一考虑，以支持高能效、可持续的 AI 训练。

Irene Wang 目前是佐治亚理工学院的三年级计算机科学博士生，由 Divya Mahajan 指导，所在课题组为 Infrastructure and Architecture Research Lab，研究方向集中在“机器学习系统”和计算机体系结构，重点优化分布式深度学习基础设施。她本科毕业于加拿大英属哥伦比亚大学（UBC）计算机工程专业，在读期间参与硬件性能建模等研究工作。

耿晨（Chen Geng）（斯坦福大学）

获奖理由：利用可扩展的数据驱动算法和物理启发的原理对“四维”物理世界进行建模，推进面向机器人技术和科学应用的物理驱动 3D 与 4D 世界模型的发展。

耿晨现为斯坦福大学计算机科学博士生，师从吴佳俊教授。他于 2023 年在浙江大学获得计算机科学学士学位，并曾在竺可桢学院荣誉项目深造。耿晨的研究横跨 4D 计算机视觉、计算机图形学和机器学习等领域，着重于物理世界的数据驱动建模及其应用。目前，他正专注于开发融合神经网络与符号方法的图形学引擎，用于对宏观机械系统进行（正向及逆向）建模与仿真。

奖学金最终候选人：

郭资政（Zizheng Guo）（北京大学）

郭资政是北京大学计算机科学技术系的在读博士生，师从林一波教授。他的研究方向为电子设计自动化（EDA）领域中的算法优化，涉及数据结构与算法设计，以及利用 GPU 加速来求解物理设计自动化中的组合优化问题。目前，他注意关注芯片设计流程中的时序分析、功耗分析、逻辑仿真等关键环节，并在相关国际竞赛中取得过优异成绩（曾获 2024 年 ICCAD 电子设计自动化竞赛和 CADathlon 竞赛冠军）。

参考资料：

1.https://blogs.nvidia.com/blog/graduate-fellowship-recipients-2026-2027/

运营/排版：何晨龙

发布于：北京