何愷明MIT兩名新弟子曝光：首次有女生入組，另一位是FNO發明者

AI大牛何愷明的主頁，更新了兩名新弟子的信息——

都是華人，也都是學霸履歷，博士生「胡珂雅」+博士后「李宗宜 」。

至此，何愷明任教MIT以來招募的6位學生中，5名都是中國面孔。

而這一次新入組的兩位中國成員，也都一路閃光。

上交「胡珂雅」

胡珂雅，本科畢業于上海交通大學。

高中時期，她就讀于名聲赫赫的重點中學福建師范大學附屬中學。

2021年，胡珂雅入學上交知名的ACM班，修讀計算機科學方向。

根據上海交大致遠學院公眾號，自大三起，胡珂雅便成為了上海交通大學腦機接口實驗室（BCMI）的一員，師從鄭偉龍教授。

那段時間，她把研究方向定在AI for Science——希望能將AI與腦科學結合，通過自監督學習去處理原始腦電信號，從而幫助抑郁癥患者及其他受精神健康困擾的群體。

經過幾個月的打磨，她以第一作者完成了名為《Contrastive Self-supervised EEG Representation Learning for Emotion Classification》的論文。

這篇成果被國際生物醫學計算機頂會EMBC接收，她也因此受邀赴美做口頭報告。

與此同時，她還作為共同作者參與了一篇改進自監督學習效果的項目，這篇論文此后同樣成功被頂會Cognitive Science 2025收錄。

大三暑假，胡珂雅前往康奈爾大學實習，在教授Kevin Ellis和博士生Hao Tang的指導下，參與了一個旨在提升程序合成與代碼修復效率的研究項目，而她負責核心算法設計與實現。

該成果最終被世界頂級機器學習會議NeurIPS 2024接收，胡珂雅是第二作者。

光做完一個項目還不夠，胡珂雅又和博士生Wen-Ding Li聯手，把目光投向了當時頗受矚目的AGI公開競賽——ARC Prize 2024。

ARC這個概念最初由Fran?ois Chollet提出，用來評估AI在面對全新問題時的學習與推理能力，而不是靠記憶或針對特定任務重復訓練來取勝。

ARC Prize 2024正是圍繞這一基準展開，要求參賽者提交算法來解決從未見過的任務集。

換句話說，想要取得勝利，參賽模型必須能在「少樣本、抽象推理」的場景下展現接近人類水準的思考能力。

比賽標準嚴苛，但誘惑同樣驚人——總獎金超過100萬美元，因此吸引了來自全球1430支隊伍參賽。

為了在這場硬仗中脫穎而出，胡珂雅主導研發了一套關鍵方法：用程序合成自動生成數據集，并在此基礎上微調大語言模型，同時結合測試時微調（test-time finetuning）技術。

事實證明，這套方法的確能顯著提升模型表現。

經過激烈的角逐，胡珂雅所在團隊的成果在比賽中達到當時的SOTA水平，一舉斬獲「最佳論文獎」。

此后，她以共同第一作者的身份將此研究成果整理成文，成功發表于頂級機器學習會議ICLR 2025。

別忘了，這時候的胡珂雅還只是個本科生。

僅僅是在本科階段，她手里已經攢下了四篇含金量極高的論文，而且一半都是第一作者。

這樣的履歷，自然讓她在申請博士時成了各大名校爭搶的「香餑餑」——據說MIT、普林斯頓、卡內基梅隆、康奈爾、華盛頓大學，全都給了offer。

最后，她選了MIT，直博。

目前，胡珂雅是MIT電子工程與計算機科學系一年級博士生，由何愷明和Jacob Andreas共同指導。

她在MIT專注于語言與視覺的交叉研究，希望打造出能更高效利用數據、具備更強泛化能力的智能體。

另一位是FNO發明者：「李宗宜 」

另一位新入組的何愷明弟子李宗宜 ，之前已經在AI學術圈小有名氣了。

2021年，還在讀博士的李宗宜以第一作者身份發表了篇重量級論文——

《Fourier Neural Operator for Parametric Partial Differential Equations》。

光說名字大家可能不太熟悉，但正是這篇論文提出了后來聞名遐邇的傅里葉神經算子（FNO），首次實現了「神經算子」真正意義上的規模化應用。

不過，在聊FNO之前，我們得先搞清楚一個問題：什么是神經算子？

簡單來說，神經算子是一種能學會「解物理方程」的神經網絡。

在訓練的時候，科學家會喂給它大量與物理方程計算相關的數據，比如：不同的起始水溫 → 煮熟方便面所需的時間；不同的出手角度和速度 → 籃球最終的軌跡和落點……

通過學習這些樣本，神經算子最終會涌現出一套「通用規律」，就像掌握了一份更高階的乘法口訣。

未來遇到相似的數據，它不需要一步步推算，而是靠「直覺」就能瞬間秒殺「壓軸題」。

舉個例子：

你想預測暴風雨會往哪兒移動，按照傳統方法，即便是超級計算機也得吭哧吭哧跑上好幾個小時；

但如果用神經算子，只要輸入當天的氣壓、溫度、風速，它幾毫秒內就能算出暴風雨的路徑。

這就像一個過目不忘的學霸，看一眼題目就能憑借知識庫直接在答題卡上寫出結果，而不用在紙上一步一步推算。

（咳咳，要是高考這么干，還是會被判0分的哈）

憑借這種「秒算」能力，神經算子在天氣預報、碳封存與空氣動力學仿真等領域有奇效。

更重要的是，它讓AI第一次能在物理規律層面實現泛化，因此成為連接機器學習與基礎科學的關鍵橋梁。

李宗宜的研究重心正是這個領域，并且在此方向邁出了關鍵一步——他們提出的FNO通過將傳統的空間卷積搬到頻率域，用傅里葉變換來處理數據，讓神經算子的運行速度成倍提升。

正是這項突破，讓FNO被視為 「AI for Science」 領域的里程碑模型，而李宗宜也因此被公認為神經算子方向的核心貢獻者之一，其谷歌學術引用次數已超過1.2萬。

目前，李宗宜在MIT擔任博士后研究員，由何愷明教授指導。

不過，他在MIT的時間可能不會太長——

據悉，他已經拿到紐約大學助理教授的職位，將于明年秋季入職。

李宗宜的家鄉在北京，曾就讀于人大附中，隨后赴美求學。

本科階段，他在圣路易斯華盛頓大學修讀計算機科學與數學雙學位，還輔修了爵士樂。

2019年，他前往加州理工學院攻讀博士，師從Anima Anandkumar和 Andrew Stuart，兩位導師共同見證了FNO的誕生。

另外，博士期間，李宗宜也曾連續三個暑期都在英偉達實習。

何愷明在做什么？深挖AI for Science

其實在2023年，何愷明副教授在MIT的求職演講上有放過話，他特別指出「AI for Science」 將是其未來幾年重點深耕的方向。

如今再看他的團隊陣容，確實頗有深意。

新加入的兩位成員——胡珂雅和李宗宜 ，一個曾在上交腦機接口實驗室做科研，一個是神經算子領域的領軍人物，正好在這個方向上強強呼應。

再加上此前的鄧明揚、白行健、黎天鴻和Jake Austin，何愷明如今已集齊六位得意門生，可謂「陣容豪華」。

不過量子位聽說，今年原計劃其實是七個人。

最后一位候選人是位男生，履歷同樣亮眼，甚至有傳言說，他的推薦信出自與何愷明同級別的大牛教授之手，并且被強烈推薦。

不過，他目前還沒出現在何愷明的團隊介紹中。

作為ResNet發明者之一，何愷明自2024年離職Meta進入學術界后，也令更多優秀的年輕人受益——年輕學者有機會更加深入且沒有ROI制約地推進AI基礎研究和前沿突破。

實際上，當年的ResNet四人組，都在以各自的方式培養新生代。

何愷明的主業是MIT教授，但在Google DeepMind有產業合作；

張祥雨的主業是階躍星辰首席科學家，但也是母校西安交通大學兼職教授；

任少卿的主業是蔚來汽車智能駕駛副總裁，但今年剛給母校中科大擔任人工智能實驗室教授，招生開壇授課……

相信新生代的AI天才就在他們傳幫帶的這批人中間——

名師高徒，生生不息。

參考鏈接：
[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

文章來源：量子位。