Samuel Dooley

Samuel Dooley 是一位专注于人类中心的机器学习研究科学家，目前在 Meta 工作。他的研究领域包括大型语言模型（LLMs）、神经架构搜索（NAS）、超参数优化（HPO）以及预测分析。他拥有马里兰大学的计算机科学博士学位，同时也在乔治华盛顿大学和芝加哥大学获得统计学硕士和数学学士学位。作为一名跨学科研究者，他的作品多次发表在顶级会议如 NeurIPS、ICLR、CHI、IJCAI 等，并屡获最佳论文奖项。他的研究工作致力于机器学习公平性、隐私保护以及技术对社会的影响，曾被《科学美国人》、《WIRED》和《VentureBeat》等知名媒体报道。

• 2020年至今·Meta·高级研究科学家
  • 负责开发和研究大规模生产系统，聚焦于大型语言模型（LLMs）、神经架构搜索（NAS）以及预测分析。

• 2018-2023·马里兰大学·博士（计算机科学）
  • 专注于机器学习公平性和隐私保护。
• 2016-2018·乔治华盛顿大学·硕士（统计学）
  • 主修统计学，研究数据分析与模型优化。
• 2012-2016·芝加哥大学·学士（数学）
  • 学习高级数学理论，为后续研究打下坚实基础。