Yejin Choi

维基
, , , ,
1

韩裔美国 NLP 研究员、麦克阿瑟奖获得者，其职业生涯横跨从观点挖掘和图像描述到常识知识库、道德推理 AI，再到主张用更智能的算法突破缩放定律——现为斯坦福大学迪特·施瓦茨基金会教授。

简介
出生 1977年，韩国
国籍 韩裔美国人
现任机构 斯坦福大学——迪特·施瓦茨基金会教授及高级研究员，计算机科学与 HAI（2025年至今）
研究领域 自然语言处理、常识AI、道德推理、神经符号AI、多元对齐、AI for Science、语言模型基础
博士导师 Claire Cardie
博士论文 《细粒度意见分析：结构感知方法》（康奈尔大学，2010年）
个人网站 yejinc.github.io
X / Twitter @YejinChoinka
GitHub yejinc
Google Scholar Yejin Choi

概述

Yejin Choi（韩语：최예진）是一位韩裔美国 NLP 研究员，2022年麦克阿瑟奖得主，现任斯坦福大学迪特·施瓦茨基金会教授，以及斯坦福大学以人为中心的人工智能研究所（HAI）高级研究员。她的职业生涯异常广泛：从康奈尔大学博士期间的观点挖掘和情感分析，到图像描述和视觉语言（获得 CVPR Longuet-Higgins 奖和 ICCV Marr 奖），再到常识推理和知识库（华盛顿大学和艾伦人工智能研究所的 ATOMIC、COMET、Winogrande），接着是道德 AI 系统（Delphi），大型语言模型的局限性和失败研究，英伟达的 AI for Science，最近则致力于多元对齐以及「更智能的算法」可以超越缩放定律的论点。她在 NLP、视觉和机器学习领域的超过15个主要会议上获得最佳或杰出论文奖，其 TED 演讲有数百万人观看，并于2025年9月向联合国安理会通报了 AI 安全问题，并在2023年和2025年两度入选 TIME100 AI 榜单。她研究的广度与其公众形象相匹配：没有哪位活跃的 NLP 研究员能像她那样，将 AI 表面能力与内在局限性之间的差距——她称之为「极其聪明又惊人愚蠢」——传达给更广泛的主流受众。

早年生活与教育

Choi 于1977年出生于韩国。她在首尔大学获得计算机科学学士学位，之后前往美国攻读研究生。在康奈尔大学，她师从 Claire Cardie 研究自然语言处理，于2010年完成博士学业，论文题为《细粒度意见分析：结构感知方法》。该论文开发了结构概率模型，用于识别文本中的意见持有者、目标和情感极性——这是后来成为基于方面的情感分析领域的一项早期贡献。她在欺骗性意见识别方面的工作（包括虚假酒店评论检测，与 Myle Ott、Claire Cardie 和 Jeffrey Hancock 合作发表于 ACL 2011）获得了 ACL 2021 时间检验奖，被公认为计算欺骗检测领域的奠基性成果。

职业生涯

石溪大学——助理教授（2010–2013）

完成博士学位后，Choi 加入石溪大学计算机科学系担任助理教授。在此期间，她将 NLP 工作扩展到视觉语言接地。她的 BabyTalk 项目——生成图像的自然语言描述——是自动图像描述技术的早期展示，发表于 IEEE TPAMI。这一时期的工作获得了 CVPR 2021 Longuet-Higgins 奖（因其对该领域的持久影响）和 ICCV 2013 Marr 奖（最佳论文），后者是与 Alexander Berg 团队合作，从大规模图像数据集中学习入门级类别。

华盛顿大学——教授（2013–2024）

Choi 加入华盛顿大学保罗·G·艾伦计算机科学与工程学院，在那里作为最杰出的 NLP 研究员之一工作了十余年。她曾担任 Brett Helsel 职业发展教授（2020–2023）和 Wissner-Slivka 讲座教授（2023–2024）。在此期间，她在艾伦人工智能研究所（AI2）共同领导 Mosaic 小组，该小组与 UW 研究员紧密合作。

常识AI：ATOMIC 和 COMET。 Choi 在 UW 期间最持久的学术追求是 AI 系统能否获取并运用常识知识——人类视为理所当然、但 NLP 系统始终缺乏的对日常事件、因果关系和社会规范的隐性理解。她构建了 ATOMIC（机器常识图谱），这是一个包含超过30万条 if-then 推理关系的知识图谱，涵盖日常事件的原因、结果、意图和反应（发表于 AAAI 2019，获得2020年杰出论文奖）。ATOMIC 成为当时最大的开放式常识知识库。在此基础上，她开发了 COMET（常识Transformer），表明在 ATOMIC 上微调的大型语言模型能够生成新的常识推理——这是 LLM 作为隐性知识库补全系统的早期展示。该工作被《Quanta Magazine》（「计算机获得常识」）和 Axios 报道。

Winogrande. Choi 领导构建了 Winogrande，这是一个用于 Winograd 模式挑战的大规模众包数据集——该类代词消歧问题专门设计用于需要常识推理。Winogrande（NeurIPS 2020）使用对抗过滤算法去除允许模型作弊的数据伪迹，创建了比先前版本难度大得多的基准。该数据集成为语言模型常识推理的标准评估工具。

Delphi 和道德AI。 Choi 的团队开发了 Delphi，一个道德判断计算模型（2021年），以及相关的常识规范库数据集。Delphi 是首批大规模尝试之一，旨在训练模型理解不同社会情境下的显性道德直觉，并生成人类可读的道德评估。该项目被《纽约时报》（「机器能学会道德吗？」）报道，并引发了关于 AI 在伦理决策中作用的持续公众讨论。Choi 保持了一种微妙的立场：Delphi 被设计为研究工具，用于理解语言模型中的规范推理，而非为 AI 应如何做出道德决策提供处方。

Alexa Prize. Choi 领导的 UW 团队（Sounding Board 项目）赢得了首届亚马逊 Alexa Prize，开发了大学团队中最具吸引力的开放域对话 AI。

AI 局限与「惊人愚蠢」的AI。 在建设性常识工作的同时，Choi 发展了一种公共知识分子声音，关注大型语言模型表面能力与其内在理解之间的差距。她的 2023 年 TED 演讲「为何 AI 极其聪明——又惊人愚蠢」被广泛观看，成为公众理解 LLM 局限性的最受欢迎学术贡献之一。

艾伦人工智能研究所（AI2）——高级研究经理，Mosaic 小组（2018–2024）

2018年，Choi 作为高级研究员加入 AI2，驻 UW 工作，共同领导 Mosaic 小组——该常识 AI 研究项目产出了 ATOMIC、COMET、Winogrande 及相关知识和推理资源。她在 UW 任期内一直保持这一联合职务。

英伟达——杰出科学家（2024–2025）

加入斯坦福之前，Choi 在英伟达担任杰出科学家，她的工作扩展到 AI for Science——分子基础模型、蛋白质推理、晶体结构预测——并为 Nemotron 模型家族做出贡献。她还发展了关于用「更智能的算法」突破缩放定律的研究：认为算法设计、训练策略和数据整理（而非原始计算缩放）的进步可以解锁中小型模型的定性能力提升。该时期的论文包括关于延长强化学习、测试时训练和新分词方法的工作。

斯坦福大学（2025年至今）

2025年，斯坦福 HAI 宣布任命 Choi 为迪特·施瓦茨基金会计算机科学教授和 HAI 高级研究员。她在斯坦福的研究兴趣涵盖 AI for Science（分子和蛋白质推理）、多元对齐与 AI 价值观、替代训练和推理算法，以及 LLM 局限性研究。2025年9月，她向联合国安理会通报了 AI 安全问题，这是任何 AI 研究员收到的最突出的公共政策邀请之一。

主要贡献

  • 虚假评论检测（ACL 2011；ACL 2021 时间检验奖）——「Find Deceptive Opinion Spam by Any Stretch of the Imagination」，与 Myle Ott、Claire Cardie 和 Jeffrey Hancock 合作。引入了首个关于欺骗性观点生成和检测的大规模研究，证明机器学习能够以高于偶然的准确率识别虚假酒店评论。十年后获得 ACL 时间检验奖，表彰其对计算可信度研究的奠基性影响。

  • BabyTalk / 图像描述（CVPR Longuet-Higgins 奖 2021）——「BabyTalk：Understanding and Generating Simple Image Descriptions」，TPAMI 2013，与 Girish Kulkarni、Vicente Ordonez 和 Berg 团队合作。最早的自动图像自然语言描述系统之一，被追溯认定为视觉语言接地领域的奠基性贡献。

  • 入门级类别（ICCV 2013 Marr 奖）——关于学习人类自然命名图像中对象的抽象层次的工作，获得 ICCV 2013 最佳论文奖。

  • ATOMIC（AAAI 2019；AAAI 2020 杰出论文）——机器常识图谱：包含超过30万条 if-then 推理规则的知识图谱，涵盖日常事件的原因、结果、意图和反应。当时最大的开放式常识知识库，构成 COMET 和数代常识推理系统的基础。

  • COMET（ACL 2019）——常识Transformer：在 ATOMIC 上微调的语言模型，能够生成新的常识推理，展示了 LLM 作为生成式知识库补全系统和常识推理引擎的能力。

  • Winogrande（NeurIPS 2020）——用于 Winograd 模式常识推理的大规模对抗过滤众包数据集，比早期版本难度大大增加，被广泛采纳为衡量语言模型常识理解的标准基准。

  • Delphi（2021）——在常识规范库数据集上训练的道德判断计算模型，是首批创建跨社会情境生成人类可读道德评估的语言模型的尝试之一。被《纽约时报》报道，为关于 AI 与伦理的更广泛公众辩论做出了贡献。

  • 多元对齐与突破缩放定律——一项持续的研究议程（2023年至今），主张不同的价值观和观点必须被明确地纳入 AI 训练，而非简单地平均化；同时结合技术计划，证明智能算法设计可以在不简单缩放计算的情况下实现能力提升。

奖项与认可

  • 麦克阿瑟奖（2022）——来自麦克阿瑟基金会的「天才奖」，表彰非凡的创造力和潜力。
  • ACL Fellow（2022）——计算语言学协会会士。
  • TIME100 AI（2025 和 2023）——连续两年入选《时代》杂志 AI 领域百大最具影响力人物。
  • AI2050 高级研究员（2024）——被 Schmidt Sciences 的 AI2050 项目任命。
  • 联合国安理会简报（2025年9月）——向联合国安理会通报 AI 安全问题。
  • 最佳/杰出论文奖——在 NeurIPS 2025（两项）、EMNLP 2025（两项）、ACL 2025（两项）、EMNLP 2023、ACL 2023（两项）、NAACL 2022、ICML 2022、NeurIPS 2021、AAAI 2020 获得。
  • CVPR Longuet-Higgins 奖（2021）——因 BabyTalk 图像描述工作。
  • ACL 时间检验奖（2021）——因虚假评论检测论文。
  • ICCV 2013 Marr 奖——国际计算机视觉大会最佳论文奖。
  • Anita Borg 早期职业奖（BECA, 2018）——CRA-WP 为杰出早期职业女性计算机科学家颁发的奖项。
  • IEEE AI 十大值得关注人物（2016）——被 IEEE 评为十位最具影响力的早期职业 AI 研究员之一。
  • Alexa Prize 获奖者——华盛顿大学的 Sounding Board 团队（由 Choi 领导）赢得首届亚马逊 Alexa Prize。

关键关系

  • Claire Cardie——康奈尔大学的博士导师；信息抽取和观点挖掘领域的顶尖研究者，塑造了 Choi 的基础 NLP 方向。
  • Hannaneh Hajishirzi——华盛顿大学长期同事；在语言模型基础、开放模型（OLMo, OLMoTrace）和阅读理解方面多次合作。
  • Luke Zettlemoyer——华盛顿大学同事；在多项 NLP 基准、语言模型分析和接地研究方面合作。
  • Maarten Sap——博士学生，共同撰写了 ATOMIC、COMET 和多篇道德/常识 AI 论文；现为 CMU 助理教授。
  • Ronan Le Bras——AI2 的长期合作者，专注于常识资源和推理基准。
  • Liwei Jiang——UW/斯坦福的博士学生，研究多元对齐、AI 价值观和规范推理。
  • Ximing Lu——紧密合作者，从事推理、RLVR 和模型训练研究；出现在数十篇近期论文中。
  • Noah A. Smith——UW 教授，在语言模型评估、数据和 NLP 基础方面频繁合作。

个人风格

Choi 是她这一代最具公众知名度的学术 AI 研究员之一——并非主要通过社交媒体，而是通过持续努力向非专业受众传达 AI 能力的微妙现实。她的 TED 演讲、《纽约客》专题报道、《Quanta Magazine》报道、《美国生活》节目和比尔·盖茨播客累计覆盖了数千万受众，她以与技术工作中同样的学术严谨对待这些机会：既抵制 AI 炒作，也抵制 AI 否定论，转而精确阐述当前系统能做什么和不能做什么。她的研究议程在范围上极具雄心——常识AI、道德推理、多元对齐和 AI for Science 每项都足以支撑一个完整的研究项目，而她同时推进所有这些方向。她曾谈到 AI 中代表性的重要性、语言和视觉系统中对弱势群体的偏见问题，以及 AI 研究者参与公共政策讨论的责任。她于 2025 年 9 月向联合国安理会所做的简报是她研究与她所研究技术的国际治理之间最直接的交汇。

参考资料