[教授本人] UIUC Stats & CS | 招收机器学习方向博士生/Intern (26/27)

大家好，我是郑雨嘉（Yujia Zheng）, 主页 yjzheng.com。 我将于2026年秋季加入伊利诺伊大学香槟分校（UIUC） Stats & CS (affiliate) 做助理教授，博士毕业于CMU。目前招收26/27 AI/ML/Stats PhD, 也欢迎visiting student/intern合作交流。

我们主要关注下一代智能的核心问题：

“模型到底能不能真正理解世界，而不只是拟合数据？”

目前很多 AI 系统，本质上还是在做大规模相关性学习。模型虽然很强，但依然容易受到噪声、伪相关、distribution shift 等问题影响。我们认为，想让 AI 真正变得可靠、可泛化、可推理，同时保证高效，仅仅扩大模型规模是不够的， 而需要让模型能够真正理解因果关系，学习数据背后真实的生成机制。

我们的研究方向主要围绕构建能理解因果关系的下一代智能，例如：

• 因果学习（Causal Representation Learning / Causal Discovery / Causal ML )
• 可信机器学习（Trustworthy Machine Learning）
• 基础模型（LLM / World Model / Multi-Agent Systems ）
• 科学发现 （Scientific Discovery）
  

我们相信，关注真实的生成过程不仅能提升模型的可信度，也能让模型更高效地学习、推理与规划。我们已经在 LLM、world model、multi-agent system 等多个方向中看到因果学习的重要作用，并坚信这会是未来 AI 不可缺少的一部分。

在过去的几年里，这条路线诞生了很多有影响力的项目，有些已经成为了领域内大家用的最多的平台（例如causal-learn)，有些直接突破了现有Agentic系统的上限（例如Thought Communication)。我们想做的不仅仅只是发论文，而是想真正解决当前绝大多数模型面临的挑战，突破现有范式（例如scailing）所带来的根本限制。

如果大家感兴趣加入我们，欢迎评论或发邮件（yjzheng19@gmail.com）了解更多。

yujiazheng 发表于 2026-5-24 19:13
感谢联系，之后我们这有合适的机会/项目的话跟你说哈

谢谢老师，我这边在找27 Spring/Fall 的PhD Opening，如果老师认为我这个方向可以match可以考虑我一下哈哈哈哈

老师您好，发您主页邮箱了，我的是z…@berkeley.edu。我这边一直在做safety allighment和能力分析，想做固有安全/可解释性但是半路出家没法入门所以就先做着后训练了，不过方向感觉和老师很match。感谢，盼复

昕冉欣然 发表于 2026-5-24 03:15
老师您好，发您主页邮箱了，我的是z…@berkeley.edu。我这边一直在做safety allighment和能力分析，想做固 ...

感谢联系，之后我们这有合适的机会/项目的话跟你说哈

用过causal-learn，respect！！！

WillCD 发表于 2026-5-25 02:00
用过causal-learn，respect！！！

哈哈谢谢！！

causal learn顶一下

请问老师收直博吗，目前山东大学能动专业大三在读，27fall，有一篇强化学习流动控制的一区（POF）发表，均分88+，雅思6.5