研究方向包括计算理论及其在密码学和量子计算中的应用。在三大方面具有突出贡献:(1)创建理论计算机科学的重要次领域:通讯复杂性和伪随机数生成计算理论;(2)奠定现代密码学基础,在基于复杂性的密码学和安全形式化方法方面有根本性贡献;(3)解决线路复杂性、计算几何、数据结构及量子计算等领域的开放性问题并建立全新典范。
他是研究网络通讯复杂性理论的国际前驱,于1993年最先提出量子通信复杂性,基本上完成了量子计算机的理论基础。1995年姚期智教授提出分布式量子计算模式,后来成为分布式量子算法和量子通讯协议安全性的基础。他曾获得美国工业与应用数学学会乔治·波利亚奖,及以算法设计大师克努特命名的首届克努特奖。
因为对计算理论包括伪随机数生成、密码学与通信复杂度的突出贡献,美国计算机协会(ACM)也把2000年度的图灵奖授予他。姚期智是图灵奖创立以来首位获奖的亚裔学者,也是迄今为止获此殊荣的唯一华裔计算机科学家。姚期智还获得了诸多荣誉和奖项,其中包括1987年的波里亚奖(George Polya Prize)和1996年的高德纳奖(Donald E. Knuth Prize)等。2017年10月,姚期智当选首批中国人工智能学会会士。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。