新型FoundationModels及應用
訓練和推理加速
可解釋性等理論研究
Virtual Agent
Physical Agent
2050 RESEARCH
為昆侖在通用人工智能（AGI）的中長期發展中提供基礎研究維度上的支持，增強自主創新，加速實現AGI的步伐，同時專注于AGI相關課題的科技創新，提升企業的理論與技術競爭力。
跨越“奇點”、探索未知世界、創造美好未來，成為一家面向未來
世界的卓越科學研究機構!
新加坡工程院院士、AAAI、ACM、IEEE 及 IAPR Fellow
新型FoundationModels及應用
訓練和推理加速
可解釋性等理論研究
Virtual Agent
Physical Agent
Reinforcement Learning from Diverse Human Preferences
Wanqi Xue, Bo An, Shuicheng Yan, Zhongwen Xu
IJCAI 2024 Conference
August 2024
Keywords: Reinforcement Learning, Human Preferences, Human Feedback, Rewards
Exploring Diffusion Time-steps for Unsupervised Representation Learning
Zhongqi Yue, Jiankun Wang, Qianru Sun, Lei Ji, Eric I-Chao Chang, Hanwang Zhang
ICLR 2024 Conference
May 2024
Keywords: unsupervised representation learning, diffusion model, representation disentanglement, counterfactual generation
Synapse: Trajectory-as-Exemplar Prompting with Memory for Computer Control
Longtao Zheng, Rundong Wang, Xinrun Wang, Bo An
ICLR 2024 Conference
May 2024
Keywords: AI Agents, Large Language Models, Prompting
True Knowledge Comes from Practice: Aligning Large Language Models with Embodied Environments via Reinforcement Learning
Weihao Tan, Wentao Zhang, Shanqi Liu, Longtao Zheng, Xinrun Wang, Bo An
ICLR 2024 Conference
May 2024
Keywords: Reinforcement Learning, Large Language Models, Parameter-Efficient Fine-Tuning
Enhancing Video-Language Representations with Structural Spatio-Temporal Alignment
Hao Fei; Shengqiong Wu; Meishan Zhang; Min Zhang; Tat-Seng Chua; Shuicheng Yan
IEEE Transactions on Pattern Analysis and Machine Intelligence
April 2024
Keywords: Videos, Semantics, Transformers
天工
FOR THE BEST AND THE BRIGHTEST
基礎研究和人才培養對于發展下一代技術至關重要。為此，2050研究院與新加坡頂尖大學合作，推介《天工2050工業博士生聯合培養項目》，為您提供獨特的機會組合 —— 在2050研究所開展激動人心的研發工作的同時，也能在學校里追求世界頂級的研究生培訓。
在高校與2050研究院的導師共同指導下，完成博士學位的要求，并在互聯網行業里取得巨大的學術成果。
獲入選的候選人將成為公司的全職員工，同時在我們的兩間合作大學（新加坡國立大學及南洋理工大學）進行全職的博士培訓。
除了與我們的研究團隊一起進行人工通用智能領域的開創性研究，專注于基礎模型2.0和代理之外，候選人將與我們的跨學科團隊密切合作，在頂級會議和期刊上發布有影響力的研究成果，對人工通用智能社區產生重大影響。
有意申請者應通過電子郵件向Michelle（michelle@kunlun-inc.com）發送動機信、簡歷和出版作品列表。
本項目全年開放，將根據新加坡大學的教學日歷（8月和1月入學）入學。
基礎研究和人才培養對于發展下一代技術至關重要。為此，2050研究院、新加坡經濟發展局及新加坡頂尖大學三方合作，推介《天工—新加坡EDB 博士生聯合培養項目》，為新加坡公民及永久居民提供結合工業和學術優勢的學習組合。
在高校與2050研究院的導師共同指導下，候選人能在順利完成博士學位的要求下，參與前沿的研發工作并推動學術研究成果向產品的轉化。
入選的候選人將成為公司的全職薪資員工，同時在我們的合作大學（新加坡國立大學, 南洋理工大學及新加坡科技設計大學）進行全職博士培訓。
除了與我們的研究科學家一起進行人工通用智能領域的開創性研究，專注于基礎模型2.0和代理之外，候選人將與我們的跨學科團隊密切合作，在頂級會議和期刊上發布有影響力的研究成果，對人工通用智能社區產生重大影響。
有意申請者應通過電子郵件向Michelle（michelle@kunlun-inc.com）發送動機信、簡歷和出版作品列表。
本項目全年開放，將根據新加坡大學的教學日歷（8月和1月入學）入學。
