**艾伦·贾布里（Allan Jabri）**是一位人工智能研究科学家，以其在自监督学习、计算机视觉和强化学习领域的工作而闻名。他曾在多家大型科技公司担任研究职位，包括OpenAI、Meta的超智能实验室和Facebook AI Research (FAIR)。^{[1] [2]}

早年生活

贾布里出生于澳大利亚悉尼，父亲是黎巴嫩裔，母亲是中国裔。他主要在美国长大。根据保罗和黛西·索罗斯奖学金的说法，生活在不同文化之间的经历影响了他对理解如何从复杂性中提炼出简单性的兴趣，这后来激发了他对科学和人工智能的好奇心。^[3]

教育

贾布里就读于普林斯顿大学，并于2015年获得计算机科学学士学位（B.S.）。他的本科毕业论文侧重于以自我为中心的场景理解的概率方法，并获得了计算机科学高级论文奖。后来，他在加州大学伯克利分校攻读博士学位，是伯克利人工智能研究（BAIR）实验室的成员。他在2017年至2023年间完成了计算机科学博士学位，导师是阿列克谢·A·埃夫罗斯教授。他的博士研究得到了保罗和黛西·索罗斯新美国人奖学金的支持，他于2018年获得该奖学金。^{[3] [4] [6]}

职业生涯

从普林斯顿大学毕业后，贾布里在纽约的Facebook AI Research (FAIR)开始了他的职业生涯，担任研究工程师。在FAIR工作一段时间后，他开始在加州大学伯克利分校攻读博士学位。在研究生学习期间，他担任了多个研究职位，包括在伦敦的DeepMind实习，以及在Google Brain担任学生研究员。完成博士学位后，贾布里加入OpenAI，成为技术人员和研究科学家。

2025年7月，据报道，贾布里与OpenAI的研究员陆柳一起被Meta超智能实验室聘用。此举被视为Meta加强其人工智能团队并提升其在生成式人工智能领域能力的一项更广泛战略的一部分，此前该公司在该领域进行了其他高调的招聘和收购。从OpenAI等竞争对手那里招募顶尖人才凸显了一个行业趋势，即主要科技公司正在大力投资以确保在不断扩展的人工智能领域中的领导地位。^{[2] [1] [5] [7]}

研究

贾布里的研究主要集中在为自监督和无监督学习开发可扩展的目标和架构。他的工作经常探索持续学习、内在动机和具身认知等主题，其长期目标是创建能够使机器自主获得视觉和感觉运动常识的学习算法。他为许多在主要人工智能会议（如NeurIPS、ICML、CVPR和ICLR）上发表的出版物做出了贡献。^{[1] [3]}

他的著名作品包括：

• **时空对应作为对比随机游走（NeurIPS 2020）：**本文介绍了一种通过将对应学习构建为时空图上的随机游走，从无标签视频中学习密集视觉表示的方法。

• **从时间周期一致性中学习对应关系（CVPR 2019）：**与王晓龙和阿列克谢·A·埃夫罗斯合著，这项研究提出使用无标签视频中的时间周期一致性来学习视觉对应关系的通用表示。
• **用于视觉元强化学习的无监督课程（NeurIPS 2019）：**这项工作探索了通过将深度聚类应用于代理自身的轨迹来无监督地发现和元学习视觉运动技能的方法。
• **用于迭代生成的可扩展自适应计算（ICML 2023）：**这项研究提出了一种通用的神经架构，能够自适应地分配计算资源，以用于高维数据的迭代生成，从而在图像和视频生成方面取得了显著成果。

他的出版物的完整列表可在他的个人网站和学术资料中找到。^{[1] [4] [7] [8] [9]}

奖项和荣誉

2018年，贾布里获得了保罗和黛西·索罗斯新美国人奖学金。该奖学金支持在美国攻读研究生学位的移民和移民子女。他还因其本科工作获得了普林斯顿大学计算机科学高级论文奖。^[3]