[教授本人] UIUC Stats & CS | 招收机器学习方向博士生/Intern (26/27)

大家好，我是郑雨嘉（Yujia Zheng）, 主页 yjzheng.com。 我将于2026年秋季加入伊利诺伊大学香槟分校（illinois.edu） Stats & CS (affiliate) 做助理教授，博士毕业于CMU。目前招收26/27 AI/ML/Stats PhD, 也欢迎visiting student/intern合作交流。

我们主要关注下一代智能的核心问题：

“模型到底能不能真正理解世界，而不只是拟合数据？”

目前很多 AI 系统，本质上还是在做大规模相关性学习。模型虽然很强，但依然容易受到噪声、伪相关、distribution shift 等问题影响。我们认为，想让 AI 真正变得可靠、可泛化、可推理，同时保证高效，仅仅扩大模型规模是不够的， 而需要让模型能够真正理解因果关系，学习数据背后真实的生成机制。

我们的研究方向主要围绕构建能理解因果关系的下一代智能，例如：

• 因果学习（Causal Representation Learning / Causal Discovery / Causal ML )
• 可信机器学习（Trustworthy Machine Learning）
• 基础模型（LLM / World Model / Multi-Agent Systems ）
• 科学发现 （Scientific Discovery）
  

我们相信，关注真实的生成过程不仅能提升模型的可信度，也能让模型更高效地学习、推理与规划。我们已经在 LLM、world model、multi-agent system 等多个方向中看到因果学习的重要作用，并坚信这会是未来 AI 不可缺少的一部分。

在过去的几年里，这条路线诞生了很多有影响力的项目，有些已经成为了领域内大家用的最多的平台（例如github.com)，有些直接突破了现有Agentic系统的上限（例如arxiv.org)。我们想做的不仅仅只是发论文，而是想真正解决当前绝大多数模型面临的挑战，突破现有范式（例如scailing）所带来的根本限制。

如果大家感兴趣加入我们，欢迎评论或发邮件（1point3acres.com）了解更多。