2026谷歌奖学金公布，清华、复旦、大连理工等校友入选

编辑｜泽南、杨文 谷歌于 11 月 12 日公布了 2026 年度的博士奖学金名单。 今年谷歌共提供了 1300 万美元以支持来自 38 个国家或地区的 148 位新晋博士研究者，其中华人学者占比很高，有近 40 人。 谷歌于 2009 年创建了博士奖学金计划（Google PhD Fellowship），以表彰和支持在计算机科学及相关领域进行杰出研究的优秀研究生，培养专注于关键基础科学的下一代科学家。迄今为止，该计划已在全球范围内资助了 1100 多名研究生。奖学金获得者中已涌现出终身教授、创业公司创始人、开源先驱以及在谷歌等公司引领技术发展的研究领军人物。 以下为本届入选的华人学者。 机器学习与机器学习基础 （Machine Learning and ML Foundations） Chen-Hao Chao 个人主页：https://chen-hao-chao.github.io/ Chen-Hao Chao 现为加拿大多伦多大学计算机科学系博士生，师从 Rahul G. Krishnan 教授，同时在 Vector Institute 从事研究。其研究方向主要包括生成式 AI、扩散语言模型及 Scaling Laws。 Dong-Dong Wu 个人主页：https://wu-dd.github.io/ Dong-Dong Wu 现为日本东京大学博士生，师从机器学习领域学者 Masashi Sugiyama。研究方向包括弱监督学习、生成式模型、LLM 后训练及 AI 安全。 Virginia (Ginnie) Ma 个人主页：https://ginniema.github.io/ Virginia (Ginnie) Ma 现为美国斯坦福大学统计学博士生，师从统计学家 Emmanuel Candès。她的研究方向包括 AI 辅助统计推断、预训练模型决策、语言模型评估，以及合成数据对统计推断的影响。 Jiajun He（何佳峻） 个人主页：https://jiajunhe98.github.io/ Jiajun He（何佳峻）现为英国剑桥大学机器学习方向博士生，师从 José Miguel Hernández-Lobato 教授。本科毕业于清华大学生物科学专业，后获哥本哈根大学生物信息学硕士学位，并在剑桥大学取得机器学习硕士学位。研究方向包括概率推断、生成式模型、随机采样及数据压缩。 Jiale Chen Jiale Chen 现为奥地利科学技术研究所（ISTA）博士生，隶属于 Dan Alistarh 教授领导的深度算法与系统实验室（DASLab）。研究方向包括大语言模型压缩、高效算法与推理加速，重点降低模型运行所需的内存和计算资源，同时保持模型精度。 Jinheng Xie 个人主页：https://sierkinhane.github.io/ Jinheng Xie 现为新加坡国立大学电子与计算机工程系博士生，师从 Mike Zheng Shou 教授，曾在 Google Research、Google DeepMind、字节跳动和腾讯实习。他的研究方向主要包括多模态理解与生成、统一多模态模型及生成式视觉模型。 Rui-Yang Ju 个人主页：https://ruiyangju.github.io/ 现为日本京都大学信息学研究生院博士生，研究方向包括计算机视觉、历史文献图像处理和低资源语言处理。 Wenyi Wang 现为沙特阿卜杜拉国王科技大学（KAUST）计算机科学博士生，师从递归自我改进机器研究先驱 Jürgen Schmidhuber。研究方向包括递归自我改进、强化学习、多智能体学习和通用人工智能。 Xin Liu 个人主页： https://researchers.adelaide.edu.au/profile/xin.liu 现为澳大利亚阿德莱德大学计算机与信息科学博士生，研究方向主要集中在因果人工智能（Causal AI），重点探索如何利用基础模型进行因果效应估计，并将因果推断应用于可信 AI 和科学发现。 Xin Xie 个人主页：https://shelsin.github.io/ 现为澳大利亚新南威尔士大学（UNSW Sydney）博士生，师从 Dong Gong 博士。研究方向包括生成式模型、扩散模型对齐、视频生成与世界模型，重点探索可控、可适应的生成式 AI 系统。 Yiyuan Yang（杨毅远） 个人主页：https://yyysjz1997.github.io/ 英国牛津大学计算机科学博士研究人 员， 已于2026年8月完成博士答辩，目前在 Meta Superintelligence Labs 担任研究科学家实习生。 曾获清华大学硕士学位，本科毕业于华中科技大学。研究方向包括时空数据挖掘、 时间序列分析、音频理解与多模态学习。 Zhiting Mei 个人主页：https://may0mei.github.io/ 现为美国普林斯顿大学机械与航空航天工程系博士生，本科毕业于杜克大学，获得机械工程和物理学双学位。研究方向聚焦具身智能与机器人，重点研究不确定性量化、机器人泛化能力，以及世界模型和视觉语言动作模型（VLA）。 Zichen Tian 个人主页：https://www.doem1997.com/ 现为新加坡管理大学（SMU）人工智能方向博士生，师从 Qianru Sun 教授。研究方向主要包括基础模型适配、参数高效微调和少样本学习，重点探索如何利用有限数据帮助基础模型获取新知识，以及提前预测模型适配失败的风险。 Ziheng Chen 个人主页：https://gitzh-chen.github.io/ 现为意大利特伦托大学（University of Trento）博士生，同时在德国马克斯・普朗克智能系统研究所（MPI-IS）进行访问研究，师从 Nicu Sebe 教授和 Bernhard Schölkopf 教授。研究方向集中在机器学习与微分几何的交叉领域，重点研究黎曼流形上的深度学习和几何深度学习。 Zixuan Hu 个人主页： https://www.researchgate.net/profile/Zixuan-Hu-8 现为新加坡南洋理工大学（NTU）计算机科学与工程系博士生，师从 Tao Dacheng 教授。研究方向聚焦基础模型，重点探索如何提升模型的推理能力、安全性与可扩展性，相关研究涉及数据无关元学习、视觉基础模型适配和知识蒸馏。 机器感知（Machine Perception） Chaoyue Song（宋超越） 个人主页：https://chaoyuesong.github.io/ 现为新加坡南洋理工大学（NTU）计算机与数据科学学院博士生，师从 Guosheng Lin 教授和 Fayao Liu 博士。研究方向包括计算机视觉、生成式模型，重点关注 3D/4D 内容生成、视频生成与动态世界建模，探索具有真实物体交互能力的动态场景生成。 Peiqing Yang 个人主页：https://pq-yang.github.io/ 现为新加坡南洋理工大学（NTU）计算机与数据科学学院博士生，师从 Chen Change