亞馬遜研究獎獲獎名單出爐：王晉東等26位華人入選

機器之心報道

機器之心編輯部

恭喜！

近日，亞馬遜研究獎（Amazon Research Awards，ARA）公布了最新一期獲獎者名單，共 63 位（其中 26 位華人），來自 8 個國家 41 所大學。

名單地址：https://www.amazon.science/research-areas/latest-news/63-amazon-research-award-recipients-announced-spring-2025

亞馬遜研究獎于 2015 年設立，旨在為多學科研究主題的研究人員提供資助獎勵。獲獎者可以訪問 700 多個亞馬遜公共數(shù)據(jù)集，并可以通過促銷積分使用 AWS AI/ML 服務和工具。除此以外，獲獎者還將與亞馬遜專家建立聯(lián)系，以獲得咨詢和建議，還可以參加亞馬遜舉辦的活動、培訓課程等。

在這一期的獲獎名單中，我們看看有哪些華人學者。

AI 信息安全

AI 信息安全領域的應用方向有 8 位研究者獲獎，其中有 3 位是華人。

Zhou Li（李洲）

• 機構：加州大學歐文分校
• 研究課題：利用 LLM 在審計日志中實現(xiàn)精確且分析人員友好的攻擊溯源

李洲，加州大學歐文分校電氣工程與計算機科學系副教授，研究方向主要為安全與隱私。加入 UCI 之前，他曾在 RSA Laboratories 擔任首席研究科學家，從事安全分析相關研究。他于 2014 年獲得印第安納大學伯明頓分校計算機科學博士學位，師從 XiaoFeng Wang 教授，此前分別于 2006 年和 2008 年獲得武漢大學計算機科學學士和碩士學位。

Yu Meng（孟瑜）

• 機構：弗吉尼亞大學
• 研究課題：弱監(jiān)督 RLHF：建模人類偏好中的模糊性與不確定性

孟瑜，弗吉尼亞大學計算機科學系助理教授。他于 2023 年在伊利諾伊大學厄巴納 - 香檳分校計算機科學系獲得博士學位，師從 Jiawei Han 教授。在加入弗吉尼亞大學之前，他曾在普林斯頓大學擔任訪問研究員，與陳丹琦合作研究。他的博士論文曾獲得 ACM SIGKDD 優(yōu)秀博士論文獎，并在攻讀博士期間榮獲谷歌博士獎學金。他的研究興趣包括機器學習、自然語言處理和數(shù)據(jù)挖掘。

Ziming Zhao（趙子銘）

• 機構：東北大學
• 研究課題：理解大語言模型的攻擊方式：可解釋的漏洞檢測與修復

趙子銘，東北大學 Khoury 計算機科學學院的副教授。他的研究興趣包括系統(tǒng)與軟件安全、網(wǎng)絡與 Web 安全，以及以人為中心的安全研究。他的論文曾獲得 SACMAT 2024 時間檢驗獎（Test-of-Time Paper Award），以及 USENIX Security 2019、ACM AsiaCCS 2022、ACM CODASPY 2014、ITU Kaleidoscope 2016 的最佳／杰出論文獎。此前，他在亞利桑那州立大學計算機科學與工程系獲得博士學位。

亞馬遜廣告（Amazon Ads）

亞馬遜廣告研究方向共有兩位獲獎者，皆是華人。

Xiaojing Liao

• 機構：伊利諾伊大學厄本納 — 香檳分校
• 研究課題：大語言模型在數(shù)字廣告中的對抗性濫用：基準測試與緩解措施

Xiaojing Liao，伊利諾伊大學厄本納 — 香檳分校計算機科學系副教授。她在佐治亞理工學院獲得電子與計算機工程博士學位。她的研究興趣包括通過面向數(shù)據(jù)的安全分析在大型系統(tǒng)中發(fā)現(xiàn)并理解關鍵安全問題，同時設計和開發(fā)創(chuàng)新方案以解決這些問題。

Tianhao Wang

• 機構：弗吉尼亞大學
• 研究課題：大型語言模型在數(shù)字廣告中的對抗性濫用：基準測試與緩解措施

Tianhao Wang，弗吉尼亞大學助理教授。他在普渡大學獲得博士學位，在復旦大學獲得學士學位。他的研究方向包括差分隱私和機器學習隱私，重點在于設計能夠在實際中發(fā)揮作用的算法。

AWS Agentic AI

智能體 AI 是亞馬遜資助的熱門方向，今年共有 30 位研究者獲獎，以下是其中的華人研究者。

Cong Chen

• 機構：達特茅斯學院
• 研究課題：用行為生成智能體賦能電力系統(tǒng)與市場運營

Cong Chen，達特茅斯學院工程學院助理教授，并于 2024 年入選斯坦福能源基金會研究員。她先后在武漢大學獲得學士學位、在清華大學獲得碩士學位、在康奈爾大學獲得博士學位，均為電氣工程專業(yè)。其研究目標是通過基于優(yōu)化、經(jīng)濟學和現(xiàn)代機器學習與人工智能的工程方法推動全球能源轉型。她的研究經(jīng)驗包括大規(guī)模分布式能源資源聚合、不確定性下的定價、電力市場中的儲能整合、面向能源用戶的大語言模型，以及提升電網(wǎng)韌性的氫儲能。她曾在新英格蘭獨立系統(tǒng)運營商實習，并因在高比例儲能和可再生能源條件下推動電力系統(tǒng)與電力市場運行方面作出的重要貢獻，獲得多項榮譽，其中包括 IEEE PES 杰出博士論文獎。

Chunyang Chen

• 機構：慕尼黑工業(yè)大學
• 研究課題：基于智能計算機使用智能體的功能性缺陷感知軟件測試

Chunyang Chen，德國慕尼黑工業(yè)大學的軟件工程與人工智能教授。北京郵電大學學士，新加坡南洋理工大學博士，分別于 2014 年和 2018 年獲得學位。2018 年至 2024 年，他在澳大利亞蒙納士大學任講師和終身副教授。他的研究領域位于軟件工程、人機交互、軟件安全與人工智能的交叉處。具體而言，他采用包括人工智能和機器學習、自然語言處理以及輕量級程序分析在內的數(shù)據(jù)驅動方法，主要研究方向包括 AI 和大型語言模型輔助的自動化移動應用開發(fā)、AI 賦能的軟件倉庫挖掘、深度學習和移動應用的安全性。

Sidong Feng

• 機構：蒙納士大學
• 研究課題：基于智能計算機使用代理的功能缺陷感知軟件測試

Sidong Feng，澳大利亞蒙納士大學信息技術學院博士生，師從 Chunyang Chen、Aldeida Aleti、Yuan-Fang Li 和 Bohan Zhuang。他的研究興趣位于軟件工程、人機交互和大型語言模型的交叉領域。他在澳大利亞國立大學獲得軟件工程學士學位，導師為 Zhenchang Xing。他目前的研究重點是軟件測試與人機協(xié)作式的 AI 交互，主要聚焦于這兩個方向下的若干具體課題。

Bang Liu（劉邦）

• 機構：蒙特利爾大學
• 研究課題：協(xié)作式智能體人工智能的基礎智能體與協(xié)議

Bang Liu，現(xiàn)任蒙特利爾大學和 Mila 研究所副教授、加拿大 CIFAR 人工智能講席教授。研究自然語言處理、多模態(tài)與具身學習及 AI for Science 等。他已發(fā)表論文與教程 100 余篇，榮獲 Amazon Research Award (2025), WAIC 云帆獎（2025 璀璨明星，2024 明日之星）、蒙特利爾大學研究卓越獎及 George Walker 最佳博士論文獎等。他深耕基礎智能體研究，聯(lián)合 MetaGPT 發(fā)起 Foundation Agents 開源組織，率先構建材料科學大模型與智能體推動新材料智能設計，成果廣泛應用于產(chǎn)業(yè)。

他于 2013 年畢業(yè)于中國科學技術大學獲得工學學士學位，隨后在阿爾伯塔大學分別于 2015 年和 2020 年獲得碩士和博士學位。

Lianhui Qin

• 機構：加州大學圣地亞哥分校
• 研究課題：ReaL-Agent：一種用于深度跨模態(tài)檢索的檢索與推理智能體

Lianhui Qin，加州大學圣地亞哥分校計算機科學系助理教授。她在華盛頓大學獲得博士學位，主攻自然語言處理，導師為 Yejin Choi。目前正在招收新的博士生和博士后，同時也為碩士與本科生（包括 UCSD 校內及外校學生）提供研究崗位。她的研究目標是構建能夠在復雜環(huán)境中進行交互、推理與泛化的 AI 智能體。具體方向包括可控與受約束的創(chuàng)造性推理（如隱式推理、推理流程、COLD-Decoding）、具備持續(xù)演化能力的隨時學習智能體（如 LLM Memory）、開放世界與智能體建模（如 SimWorld），以及面向科學與實際系統(tǒng)的 AI 推理方法（如化學推理）。

Jindong Wang（王晉東）

• 機構：威廉瑪麗學院
• 研究課題：結構至關重要：針對 LLM 智能體的任務優(yōu)化拓撲

王晉東，威廉與瑪麗學院數(shù)據(jù)科學系助理教授，同時是未來生命研究所（Future of Life Institute）成員。2019 年至 2024 年，他曾任微軟亞洲研究院高級研究員。他的研究興趣涵蓋機器學習、大型基礎模型及面向社會科學的生成式人工智能。他是全球前 2% 高被引科學家和最具影響力的 AI 學者之一。擔任 IEEE Transactions on Neural Networks and Learning Systems (TNNLS) 副編輯、ACM Transactions on Intelligent Systems and Technology (TIST) 客座編輯，并曾擔任 ICML、NeurIPS、ICLR、KDD、ACL、ACMMM、ACML 的領域主席，以及 IJCAI 和 AAAI 的 SPC。他在頂級學術會議發(fā)表論文 60 余篇（引用超過 23000 次，H 指數(shù) 54），研究獲得亞馬遜研究獎、谷歌研究獎、AMD 大學計劃 AI 與 HPC 獎、微軟加速基礎模型研究獎及威廉與瑪麗學院教員研究獎支持。他的研究成果已應用于微軟健康產(chǎn)品，減少 15% token 消耗，并提升量化金融預測準確率。其工作曾被 Forbes、MIT Technology Review 等國際媒體報道，多次獲最佳論文獎，并出版專著《遷移學習導論》，在 IJCAI’22、WSDM’23、KDD’23、AAAI’24、AAAI’25 和 CVPR’25 等會議舉辦教程。

Xiaolong Wang

• 機構：加州大學圣地亞哥分校
• 研究課題：智能體世界表征 (Agentic World Representation)

Xiaolong Wang，加州大學圣地亞哥分校電氣與計算機工程系的副教授。他在卡內基梅隆大學機器人研究所獲得博士學位，并曾與伯克利 AI 研究、Facebook AI 研究及艾倫人工智能研究所合作。他曾獲 Facebook Fellowship、Nvidia Fellowship 和百度 Fellowship。他的研究聚焦于利用數(shù)據(jù)中的結構學習視覺表示，特別關注視頻中的時空結構及其與三維結構和語義結構的關系。他主要探索兩個方向：一是將數(shù)據(jù)自身的結構信息作為監(jiān)督信號進行視覺表示學習（即自監(jiān)督學習），無需人工標注；二是顯式建模數(shù)據(jù)結構，用于人體活動分析、場景功能推理和物體交互學習，具有機器人應用潛力。

Zhi-Li Zhang（張志力）

• 機構：明尼蘇達大學雙城分校
• 研究課題：NetGenius：用于下一代無線網(wǎng)絡自主配置和智能運維的 Agentic AI

Zhi-Li Zhang，明尼蘇達大學杰出 McKnight 教授，Qwest Land Grant 電信主席教授。他的研究興趣廣泛，包括網(wǎng)絡、邊緣與云計算、網(wǎng)絡物理系統(tǒng)，以及人工智能 / 機器學習在網(wǎng)絡系統(tǒng)中的應用與網(wǎng)絡系統(tǒng)對 AI/ML 的支持。過去，他的研究主要集中于可擴展互聯(lián)網(wǎng)服務質量（QoS）、內容分發(fā)網(wǎng)絡、互聯(lián)網(wǎng)測量、彈性路由系統(tǒng)和網(wǎng)絡安全等方面。當前，他的研究重點是：一是構建面向服務、應用感知、高度可擴展、彈性與安全的 5G / 下一代網(wǎng)絡系統(tǒng)；二是開發(fā)并引入新型 AI/ML 算法，以實現(xiàn)智能軟件定義網(wǎng)絡基礎設施、邊緣 / 云系統(tǒng)及新興應用，如協(xié)作式自動駕駛、數(shù)字孿生、元宇宙和物聯(lián)網(wǎng)。

Jiawei Zhou

• 機構：石溪大學
• 研究課題：交互式 LLM 智能體的高效且有效的長程推理

Jiawei Zhou，2024 年加入石溪大學，現(xiàn)任計算機科學系教授。他在哈佛大學獲得計算機科學博士學位，隸屬于哈佛 / 康奈爾自然語言處理（NLP）團隊，導師為 Alexander (Sasha) Rush 教授；同時獲得哈佛大學統(tǒng)計學碩士學位，并于清華大學獲得電子工程學士學位。在加入石溪大學之前，他曾任芝加哥大學豐田技術研究院（TTIC）研究助理教授。他的研究主要集中在自然語言處理（NLP）與機器學習（ML）應用領域。他曾參與多種核心 NLP 任務與方法研究，包括文本生成的序列到序列技術，以及語義理解的序列到圖生成方法。近期，他的研究聚焦于廣義語言應用與生成式人工智能，其中語言不僅指自然語言，也可包括代碼、序列化視覺表示、具身動作等序列信息。他致力于更好地理解和改進最先進的深度學習模型，如（大型）語言模型和多模態(tài)模型，從效率、知識增強、記憶能力、事實性、安全性、公正評估、推理與規(guī)劃等多個方面進行研究。

在 Trainium 上構建

Trainium 是亞馬遜云科技（AWS）開發(fā)的一系列定制 AI 芯片，用于訓練和推理，與部分替代方案相比，能以更低成本提供高性能。這些芯片可在 AWS 的 Amazon Elastic Compute Cloud（EC2）Trn1 和 Trn2 實例上使用，旨在處理高要求的機器學習模型，包括大型語言模型（LLM）。其主要特性包括脈動陣列架構以及對 PyTorch 和 TensorFlow 等流行框架的支持。

在該芯片上的構建和研究也同樣是亞馬遜資助的重點方向，共有 20 名獲獎者，下面列出了其中的華人研究者。

Kuan Fang

• 機構：康奈爾大學
• 研究課題：機器人感知與控制的多模態(tài)基礎模型快速適應

Kuan Fang，康奈爾大學計算機科學系助理教授。他曾在加州大學伯克利分校做博士后，導師為 Sergey Levine。他在斯坦福大學獲得博士與碩士學位，導師為李飛飛和 Silvio Savarese，并于清華大學獲得學士學位。他還曾在 RAI 研究所、Google Brain、Google X Robotics 及微軟亞洲研究院工作過。

Shizhong Han

• 機構：Lieber 大腦發(fā)育研究所
• 研究課題：優(yōu)化和擴展大型化學模型的預訓練及基于偏好的微調

Shizhong Han，Lieber 研究所首席研究員，約翰霍普金斯大學醫(yī)學院精神病學與行為科學副教授。他的研究旨在揭示腦部疾病的遺傳基礎，并將基因發(fā)現(xiàn)轉化為新型治療方法。為實現(xiàn)這一目標，他的團隊結合多組學數(shù)據(jù)，采用先進的統(tǒng)計遺傳學方法、生物信息學工具及深度學習技術。正在進行的項目包括：1）研究非編碼遺傳變異在基因調控和腦部疾病中的作用；2）識別與腦部疾病相關的核心基因及基因調控回路；3）基于藥物誘導的基因表達擾動特征開發(fā)新型治療方案。

Sitao Huang（黃思陶）

• 機構：加州大學歐文分校
• 研究課題：通過基于配置文件的圖拓撲優(yōu)化在 AWS Trainium 上實現(xiàn)自動內核合成與調優(yōu)

Sitao Huang，加州大學歐文分校 Samueli 工程學院電氣與計算機工程系助理教授，伊利諾伊大學厄本納 — 香檳分校電氣與計算機工程博士（2021 年），清華大學電子工程學士（2014 年），伊利諾伊大學厄本納 — 香檳分校電氣與計算機工程碩士（2017 年）。他曾獲 2019 年 Sundaram Seshu 國際學生獎學金和 2018 年 Rambus 計算機工程獎學金。他的研究曾多次獲獎，包括 ASP-DAC 2021 最佳論文提名、2018 年 IEEE HPEC Graph Challenge 學生創(chuàng)新獎，以及 DAC 2019 系統(tǒng)設計競賽一等獎。他的研究興趣包括高效硬件加速器、硬件系統(tǒng)的編程語言與綜合流程，以及異構系統(tǒng)優(yōu)化。

Dong Li

• 機構：加州大學默塞德分校
• 研究課題：AWS Trainium 上基于自適應專家并行的高效稀疏訓練

Dong Li，加州大學默塞德分校副教授，平行架構、系統(tǒng)與算法實驗室（PASA）主任，同時擔任高性能計算系統(tǒng)與架構小組聯(lián)合主任。他是 Yotta Labs Inc. 的聯(lián)合創(chuàng)始人兼首席科學家。2011 至 2014 年，他曾在橡樹嶺國家實驗室（ORNL）任研究科學家。他在此之前于弗吉尼亞理工學院獲得計算機科學博士學位。他是 IEEE Transactions on Parallel and Distributed Systems (TPDS) 副編輯，曾任 NVIDIA GPU 研究中心（默塞德）主任，并擔任 NSF IUCRC 記憶系統(tǒng)研究中心（CEMSYS）規(guī)劃主任。Dong Li 的研究聚焦高性能計算（HPC），并與計算機系統(tǒng)（尤其是大規(guī)模 AI/ML 系統(tǒng)）密切相關。

Xiaoxiao Li

• 機構：不列顛哥倫比亞大學
• 研究課題：在 AWS Trainium 上通過剪枝和套娃量化 (Matryoshka Quantization) 實現(xiàn)高效 MoE LLM

Xiaoxiao Li，不列顛哥倫比亞大學電氣與計算機工程系副教授，同時是計算機科學系和病理與實驗醫(yī)學系的副成員，并且是 Vector 研究所的教員。他被評為加拿大負責任人工智能二級研究主席（Canada Research Chair, Tier II）和 CIFAR AI 講席教授。他的研究興趣主要集中在 AI 與醫(yī)療的交叉領域、通用人工智能（AGI）的理論與技術，以及 AI 的可信性。他致力于開發(fā)新一代負責任的人工智能算法和系統(tǒng)。Xiaoxiao Li 的研究成果得到廣泛認可，在頂級機器學習會議（ICML、ICLR、NeurIPS、CVPR、ECCV）及生物醫(yī)學會議和期刊（MICCAI、IPMI、Medical Image Analysis、IEEE Trans on Medical Imaging、Nature Methods）上發(fā)表論文，并多次獲得最佳論文獎和科研獎項。

Jiang Liu

• 機構：早稻田大學
• 研究課題：使用 AWS Trainium 加速視覺 - 語言自動駕駛

Jiang Liu，早稻田大學全球科學與工程中心教授。她在早稻田大學獲得全球信息與通信研究碩士學位和博士學位。她的研究興趣包括無線通信與感知、無線網(wǎng)絡系統(tǒng)以及光無線通信。

Xiaoyi Lu

• 機構：加州大學默塞德分校
• 研究課題：使用 AWS Trainium 加速大型語言和推理模型工作負載

Xiaoyi Lu，加州大學默塞德分校計算機科學與工程系副教授，同時領導并負責平行與分布式系統(tǒng)實驗室（PADSYS Lab）。自 2023 年起，他也是 AgAID 研究所的關聯(lián)教員。他的研究興趣包括并行與分布式計算、高性能通信與 I/O 技術、大數(shù)據(jù)分析、云計算、深度學習、數(shù)字孿生技術及跨學科研究（如精準農(nóng)業(yè)與生物統(tǒng)計學）。Xiaoyi Lu 在國際頂級會議、研討會和期刊上發(fā)表論文超過 170 篇，并獲得十項最佳（學生）論文獎或提名（如 SC 2019、IPDPS 2024）。他在全球發(fā)表過 100 余場邀請報告、教程及學術演講，并積極參與各類學術期刊和會議的專業(yè)活動。他的多項研究成果（如 OpenDOTA、SR-APPFL、PMIdioBench、HiBD、MVAPICH2-Virt 和 DataMPI）已向公眾開放，并被全球數(shù)百家機構使用。Xiaoyi Lu 曾獲得 NSF CAREER 獎、亞馬遜研究獎、谷歌研究獎及 Meta/Facebook 教師研究獎，其研究項目亦獲得 NSF 和 DOE 資助。

Xupeng Miao

• 機構：普渡大學西拉法葉分校
• 研究課題：通過數(shù)據(jù)流感知優(yōu)化實現(xiàn)大型基礎模型的通信高效分布式訓練

Xupeng Miao，普渡大學計算機科學系助理教授。此前，他曾在卡內基梅隆大學 Catalyst 小組擔任博士后研究員。他在北京大學獲得博士學位，研究興趣廣泛，包括機器學習系統(tǒng)、數(shù)據(jù)管理及分布式計算。

Yanning Shen

• 機構：加州大學歐文分校
• 研究課題：通過基于配置文件的圖拓撲優(yōu)化在 AWS Trainium 上實現(xiàn)自動內核合成與調優(yōu)

Yanning Shen，明尼蘇達大學（UMN）博士（2019 年）。她曾入圍 2017 年 IEEE 多傳感器自適應處理計算進展國際研討會最佳學生論文獎和 2017 年 Asilomar 信號、系統(tǒng)與計算會議最佳學生論文獎。2017 年，她被斯坦福大學評為 EECS 新星，并于 2018 年獲得明尼蘇達大學博士論文獎學金。她的研究興趣包括機器學習、數(shù)據(jù)科學、網(wǎng)絡科學及統(tǒng)計信號處理。

Yun Song

• 機構：加州大學伯克利分校
• 研究課題：使用基因組語言模型學習宿主 - 微生物遺傳元件相互作用

Yun Song，加州大學伯克利分校電氣工程與計算機科學系及統(tǒng)計學教授，研究方向為數(shù)學與計算生物學。他曾獲得多項榮譽與獎項，包括 NIH K99/R00 獨立研究獎（2006）、Alfred P. Sloan 研究獎（2008）、Packard 科學與工程獎學金（2008）、NSF CAREER 獎（2009）、Jim and Donna Gray 本科教學卓越獎（2013）、Miller 研究教授職位（2014）、Math+X Simons 教席（2015）及 Chan Zuckerberg Biohub 研究員獎（2017）。他于 2001 年在斯坦福大學獲得物理學博士學位，并在麻省理工學院分別于 1996 年和 1997 年獲得物理學與數(shù)學學士學位。

Minjia Zhang

• 機構：伊利諾伊大學厄巴納 - 香檳分校
• 研究課題：Trainium 原生 MoE：開發(fā)用于高效可擴展 MoE 訓練的內核與系統(tǒng)優(yōu)化

Minjia Zhang，伊利諾伊大學厄巴納 - 香檳分校計算機科學系終身教職助理教授。他于 2016 年在美國俄亥俄州立大學獲得計算機科學與工程博士學位。此前，他曾在微軟研究院（Redmond, WA）擔任首席研究員（2016–2023）。他的研究興趣包括大規(guī)模深度學習與人工智能應用（如智能代理 AI、多模態(tài)、圖像 / 視頻生成等）、高效算法（模型壓縮、數(shù)據(jù)效率、參數(shù)高效調優(yōu)等），以及高效機器學習系統(tǒng)（在并行、分布式和異構硬件上的訓練與推理）。

Think Big

Think Big 方向旨在資助通過變革性理念推進科學前沿的研究者。今年共有三位研究者獲獎，其中有一位華人。

Tianlong Chen

• 機構：北卡羅來納大學教堂山分校
• 研究課題：利用分子動力學賦能蛋白質 AI 模型

Tianlong Chen，2024 年秋季加入北卡羅來納大學教堂山分校計算機科學系，擔任助理教授。他于 2023 年在美國德克薩斯大學奧斯汀分校獲得電氣與計算機工程博士學位。他的研究聚焦于構建準確、可信且高效的機器學習系統(tǒng)。Tianlong Chen 曾獲得多項榮譽與獎項，包括亞馬遜研究獎（2024 秋季與 2025 春季）、思科教師獎（2024 和 2025）、AAAI’25 新教師亮點、NAIRR 試點獎、UNC 加速 AI 獎、CPAL 新星獎、AdvML 新星獎、OpenAI 研究者訪問獎、Gemma 學術項目 GCP 額度獎、IBM 博士獎學金、Adobe 博士獎學金、研究生院卓越獎、NAACL 2025 低資源 NLP SAC 獎、LoG 2022 最佳論文獎、AMIA-IS 2025 Marco Ramoni 杰出論文獎、AAAI 2025 GenAI4Health 最佳論文獎、NeurIPS 2024 GenAI4Health 最佳演示論文獎，以及 AAAI’25 Medicine and Healthcare Bridge 最佳論文亞軍獎。