程旭庄是 Meta 的人工智能研究科学家。他以其在自然语言处理、计算机视觉和计算神经科学方面的工作而闻名，包括对 OpenAI 的 ChatGPT 的贡献以及目前在 Meta 的超智能团队 中的角色。^{[1] [2]}

教育背景

庄于 2011 年至 2016 年就读于清华大学，获得电子工程学士学位和数学理学士双学位。然后，他于 2016 年至 2022 年在斯坦福大学攻读博士学位，在 Daniel Yamins 的指导下获得心理学博士学位。博士毕业后，庄于 2022 年至 2024 年在麻省理工学院 (MIT) 担任 ICoN 博士后研究员，与 Ev Fedorenko 和 Jacob Andreas 研究员合作。^{[1] [5]}

职业生涯

庄在麻省理工学院的 EvLab 开始了他的博士后生涯，专注于语言和脑科学的交叉领域。后来，他加入了 OpenAI，为 ChatGPT 高级语音模式的开发做出了贡献。2025 年，他转任 Meta 的人工智能研究科学家。他是该公司最近成立的“超智能”团队的成员，该团队旨在推进通用人工智能的研究。该团队包括来自 OpenAI 和谷歌 DeepMind 等著名人工智能组织的众多研究人员和工程师。

在斯坦福大学期间，庄曾担任多门课程的助教，包括行为和社会科学的统计方法、实验方法、神经科学的大规模神经网络模型以及行为和神经数据的高维方法。^{[1] [3] [4] [5] [7]}

研究与出版物

庄的研究兴趣包括自然语言处理、语言习得、计算机视觉、计算神经科学和深度学习。他的工作经常探索生物智能和人工智能模型之间的联系。

他与人合著了多篇在主要人工智能和神经科学会议上发表的论文。他的出版物涵盖了诸如从视频进行无监督学习、腹侧视觉流的神经网络模型的开发以及使用视觉基础来改进语言建模等主题。^{[1] [6]}

精选出版物

• “视觉基础有助于在低数据状态下学习单词含义” (2024)： 与 Evelina Fedorenko 和 Jacob Andreas 合著，该论文在北美计算语言学协会 (NAACL) 会议上发表，并获得了最佳论文奖。
• “词汇级别对比视觉基础改进语言建模” (2024)： 这项工作发表在计算语言学协会 (ACL) 的研究结果中。
• “无监督学习算法在多大程度上模拟了人类的实时和终身学习？” (2022)： 该论文在 NeurIPS 数据集和基准测试轨道上发表，探讨了人工智能中的无监督学习与人类学习过程之间的相似之处。
• “腹侧视觉流的无监督神经网络模型” (2021)： 这项研究发表在《美国国家科学院院刊》(PNAS) 上，探讨了使用无监督模型来模拟大脑的视觉处理系统。
• “用于视觉嵌入无监督学习的局部聚合” (2019)： 这篇论文在国际计算机视觉会议 (ICCV) 上发表，并获得了最佳论文奖提名。
• “面向啮齿动物胡须-三叉神经系统的目标驱动神经网络模型” (2017)： 这是一项早期工作，在 NIPS 会议上发表，旨在创建受啮齿动物感觉系统启发的神经网络模型。

他的主要出版物列表可在他的个人网站上找到。^{[1] [6]}