Aleksander Madry

Aleksander Mądry 是一位计算机科学家，其研究领域涵盖机器学习、优化、图算法和理论计算机科学。他是麻省理工学院（MIT）电气工程与计算机科学系（EECS）的教授，计算机科学与人工智能实验室（CSAIL）成员，MIT 可部署机器学习中心主任，以及 MIT AI 政策论坛的教职负责人之一。^[1]​^[2]​

Education and Career

Mądry 于 2007 年至 2011 年在 MIT 学习计算机科学，并于 2011 年获得博士学位。他的博士论文《从图到矩阵，再到图：图算法的新技术》（From Graphs to Matrices, and Back: New Techniques for Graph Algorithms）获得了 ACM 博士论文奖荣誉提名，以及 MIT 授予计算机科学最佳博士论文的 George M. Sprowls 奖。^[1]​^[2]​

2011 年 7 月至 2012 年 6 月，他在微软研究院新英格兰分院担任博士后研究员。随后他加入洛桑联邦理工学院（EPFL）任教，于 2012 年 7 月至 2015 年 1 月担任助理教授。他于 2015 年 2 月成为 MIT 教授。^[2] Mądry 的研究兴趣包括开发可靠且易于理解的机器学习方法，使其能够安全、负责任地部署以支持现实世界的决策。^[1] ​

Research

图算法与优化

Mądry 的早期工作集中在图算法、流、匹配、路由和在线算法。他的研究在涉及图连通性和网络流的问题中使用了电流方法。在与 Paul Christiano、Jonathan Kelner、Daniel Spielman 和 Shang-Hua Teng 合著的《电流、拉普拉斯系统与无向图中最大流的更快近似》（Electrical Flows, Laplacian Systems, and Faster Approximation of Maximum Flow in Undirected Graphs）中，他将电流和拉普拉斯系统与无向图中最大流的更快近似联系起来。该论文获得了 2011 年 ACM 计算理论年会（STOC）的最佳论文奖，并受邀发表于《ACM 学报》（Journal of the ACM）。^[1]​^[3]​

这一时期的其他工作包括《更快速地生成随机生成树》（Faster Generation of Random Spanning Trees）、《无向图中基于割的问题的快速近似算法》（Fast Approximation Algorithms for Cut-based Problems in Undirected Graphs）以及《通过动态图算法实现分数多商品流问题的更快速近似方案》（Faster Approximation Schemes for Fractional Multicommodity Flow Problems via Dynamic Graph Algorithms）。他于 2010 年与 Arash Asadpour、Michel Goemans、Shayan Oveis Gharan 和 Amin Saberi 合著的关于非对称旅行商问题近似算法的论文，获得了离散算法研讨会（SODA）的最佳论文奖。^[1]​

机器学习鲁棒性与评估

从 2017 年起，Mądry 的发表物越来越多地涉及深度学习，包括模型如何应对对抗性输入，以及鲁棒性与准确性和泛化能力之间的关系。2018 年在 ICLR 发表的《迈向抗对抗攻击的深度学习模型》（Towards Deep Learning Models Resistant to Adversarial Attacks）之后，他又发表了《对抗鲁棒的泛化需要更多数据》（Adversarially Robust Generalization Requires More Data）和《鲁棒性可能与准确性相悖》（Robustness May Be at Odds with Accuracy）。这些论文探讨了与模型训练、数据需求和准确性相关的对抗鲁棒性。2019 年在 NeurIPS 发表的《对抗样本不是 Bug，它们是特征》（Adversarial Examples Are Not Bugs, They Are Features）被选为焦点论文（spotlight paper）。这一时期的其他工作研究了使用强盗方法（bandit methods）和先验的黑盒攻击、空间鲁棒性，以及使用鲁棒分类器进行图像合成。Mądry 还合著了《关于评估对抗鲁棒性》（On Evaluating Adversarial Robustness），这是一项 2019 年关于评估模型鲁棒性方法的研究。^[1]​^[3]​

Work at OpenAI

在 2024 年 1 月的一篇 LinkedIn 帖子中，Mądry 描述了 OpenAI 作为其 Preparedness 努力的一部分所做的早期工作，即评估与大型语言模型赋能生物威胁制造相关的风险。他表示，这项工作包括一份评估该风险的初步蓝图。^[2]​

Mądry 还被列为 2024 年 GPT-4o 系统卡片和 2024 年 OpenAI o1 系统卡片的合著者。^[3]​

Teaching and Academic Leadership

在 MIT，Mądry 教授过算法、理论计算机科学、优化、机器学习和决策等课程。他的课程包括算法设计与分析、高级算法、深度学习科学、在线决策：优化、控制与博弈，以及人工智能、决策与社会。从 2017 年春季到 2023 年春季，他在多个学期教授了算法设计与分析。^[1]​

他的学术领导职务包括担任 MIT 可部署机器学习中心主任，并担任 MIT AI 政策论坛的教职负责人之一。^[1]​