AI大牛何恺明的主页，更新了两名新弟子的信息——都是华人，也都是学霸履历，博士生「胡珂雅」+博士后「李宗宜 」。

至此，何恺明任教MIT以来招募的6位学生中，5名都是中国面孔。

而这一次新入组的两位中国成员，也都一路闪光。

上交「胡珂雅」

胡珂雅，本科毕业于上海交通大学。

高中时期，她就读于名声赫赫的重点中学福建师范大学附属中学。

2021年，胡珂雅入学上交知名的ACM班，修读计算机科学方向。

根据上海交大致远学院公众号，自大三起，胡珂雅便成为了上海交通大学脑机接口实验室（BCMI）的一员，师从郑伟龙教授。

那段时间，她把研究方向定在AI for Science——希望能将AI与脑科学结合，通过自监督学习去处理原始脑电信号，从而帮助抑郁症患者及其他受精神健康困扰的群体。

经过几个月的打磨，她以第一作者完成了名为《Contrastive Self-supervised EEG Representation Learning for Emotion Classification》的论文。

这篇成果被国际生物医学计算机顶会EMBC接收，她也因此受邀赴美做口头报告。

与此同时，她还作为共同作者参与了一篇改进自监督学习效果的项目，这篇论文此后同样成功被顶会Cognitive Science 2025收录。

大三暑假，胡珂雅前往康奈尔大学实习，在教授Kevin Ellis和博士生Hao Tang的指导下，参与了一个旨在提升程序合成与代码修复效率的研究项目，而她负责核心算法设计与实现。

该成果最终被世界顶级机器学习会议NeurIPS 2024接收，胡珂雅是第二作者。

光做完一个项目还不够，胡珂雅又和博士生Wen-Ding Li联手，把目光投向了当时颇受瞩目的AGI公开竞赛——ARC Prize 2024。

ARC这个概念最初由François Chollet提出，用来评估AI在面对全新问题时的学习与推理能力，而不是靠记忆或针对特定任务重复训练来取胜。

ARC Prize 2024正是围绕这一基准展开，要求参赛者提交算法来解决从未见过的任务集。

换句话说，想要取得胜利，参赛模型必须能在「少样本、抽象推理」的场景下展现接近人类水准的思考能力。

比赛标准严苛，但诱惑同样惊人——总奖金超过100万美元，因此吸引了来自全球1430支队伍参赛。

为了在这场硬仗中脱颖而出，胡珂雅主导研发了一套关键方法：用程序合成自动生成数据集，并在此基础上微调大语言模型，同时结合测试时微调（test-time finetuning）技术。

事实证明，这套方法的确能显著提升模型表现。

经过激烈的角逐，胡珂雅所在团队的成果在比赛中达到当时的SOTA水平，一举斩获「最佳论文奖」。

此后，她以共同第一作者的身份将此研究成果整理成文，成功发表于顶级机器学习会议ICLR 2025。

别忘了，这时候的胡珂雅还只是个本科生。

仅仅是在本科阶段，她手里已经攒下了四篇含金量极高的论文，而且一半都是第一作者。

这样的履历，自然让她在申请博士时成了各大名校争抢的「香饽饽」——据说MIT、普林斯顿、卡内基梅隆、康奈尔、华盛顿大学，全都给了offer。

最后，她选了MIT，直博。

目前，胡珂雅是MIT电子工程与计算机科学系一年级博士生，由何恺明和Jacob Andreas共同指导。

她在MIT专注于语言与视觉的交叉研究，希望打造出能更高效利用数据、具备更强泛化能力的智能体。

另一位是FNO发明者：「李宗宜 」

另一位新入组的何恺明弟子李宗宜，之前已经在AI学术圈小有名气了。

2021年，还在读博士的李宗宜以第一作者身份发表了篇重量级论文——

《Fourier Neural Operator for Parametric Partial Differential Equations》。

光说名字大家可能不太熟悉，但正是这篇论文提出了后来闻名遐迩的傅里叶神经算子（FNO），首次实现了「神经算子」真正意义上的规模化应用。

不过，在聊FNO之前，我们得先搞清楚一个问题：什么是神经算子？

简单来说，神经算子是一种能学会「解物理方程」的神经网络。

在训练的时候，科学家会喂给它大量与物理方程计算相关的数据，比如：不同的起始水温 → 煮熟方便面所需的时间；不同的出手角度和速度 → 篮球最终的轨迹和落点……

通过学习这些样本，神经算子最终会涌现出一套「通用规律」，就像掌握了一份更高阶的乘法口诀。

未来遇到相似的数据，它不需要一步步推算，而是靠「直觉」就能瞬间秒杀「压轴题」。

举个例子：

你想预测暴风雨会往哪儿移动，按照传统方法，即便是超级计算机也得吭哧吭哧跑上好几个小时；

但如果用神经算子，只要输入当天的气压、温度、风速，它几毫秒内就能算出暴风雨的路径。

这就像一个过目不忘的学霸，看一眼题目就能凭借知识库直接在答题卡上写出结果，而不用在纸上一步一步推算。

（咳咳，要是高考这么干，还是会被判0分的哈）

凭借这种「秒算」能力，神经算子在天气预报、碳封存与空气动力学仿真等领域有奇效。

更重要的是，它让AI第一次能在物理规律层面实现泛化，因此成为连接机器学习与基础科学的关键桥梁。

李宗宜的研究重心正是这个领域，并且在此方向迈出了关键一步——他们提出的FNO通过将传统的空间卷积搬到频率域，用傅里叶变换来处理数据，让神经算子的运行速度成倍提升。

正是这项突破，让FNO被视为 「AI for Science」 领域的里程碑模型，而李宗宜也因此被公认为神经算子方向的核心贡献者之一，其谷歌学术引用次数已超过1.2万。

目前，李宗宜在MIT担任博士后研究员，由何恺明教授指导。

不过，他在MIT的时间可能不会太长——

据悉，他已经拿到纽约大学助理教授的职位，将于明年秋季入职。

李宗宜的家乡在北京，曾就读于人大附中，随后赴美求学。

本科阶段，他在圣路易斯华盛顿大学修读计算机科学与数学双学位，还辅修了爵士乐。

2019年，他前往加州理工学院攻读博士，师从Anima Anandkumar和 Andrew Stuart，两位导师共同见证了FNO的诞生。

另外，博士期间，李宗宜也曾连续三个暑期都在英伟达实习。

何恺明在做什么？深挖AI for Science

其实在2023年，何恺明副教授在MIT的求职演讲上有放过话，他特别指出「AI for Science」 将是其未来几年重点深耕的方向。

如今再看他的团队阵容，确实颇有深意。

新加入的两位成员——胡珂雅和李宗宜 ，一个曾在上交脑机接口实验室做科研，一个是神经算子领域的领军人物，正好在这个方向上强强呼应。

再加上此前的邓明扬、白行健、黎天鸿和Jake Austin，何恺明如今已集齐六位得意门生，可谓「阵容豪华」。

不过量子位听说，今年原计划其实是七个人。

最后一位候选人是位男生，履历同样亮眼，甚至有传言说，他的推荐信出自与何恺明同级别的大牛教授之手，并且被强烈推荐。

不过，他目前还没出现在何恺明的团队介绍中。

作为ResNet发明者之一，何恺明自2024年离职Meta进入学术界后，也令更多优秀的年轻人受益——年轻学者有机会更加深入且没有ROI制约地推进AI基础研究和前沿突破。

实际上，当年的ResNet四人组，都在以各自的方式培养新生代。

何恺明的主业是MIT教授，但在Google DeepMind有产业合作；

张祥雨的主业是阶跃星辰首席科学家，但也是母校西安交通大学兼职教授；

任少卿的主业是蔚来汽车智能驾驶副总裁，但今年刚给母校中科大担任人工智能实验室教授，招生开坛授课……

相信新生代的AI天才就在他们传帮带的这批人中间——

名师高徒，生生不息。

参考链接：
[1] https://lillian039.github.io/
[2] https://zongyi-li.github.io/assets/pdf/Zongyi_CV_July2025.pdf
[3] https://www.facebook.com/lizongyijohnny/?locale=zh_CN
[4] https://zongyi-li.github.io/
[5] https://mp.weixin.qq.com/s/xTXjyE3MFLHGpVpJEXIrYA

撰文：Jay

出处：见配图右下角