对话哈佛Yilun Du｜AP第一年：在湾区外做研究的“冷思考”

盛夏7月的一个周末下午，在波士顿Kendall Square的一家咖啡馆里，我见到了匆匆而来的Yilun Du。几个小时前，他刚结束韩国首尔的ICML行程，飞回到波士顿。

思维敏捷、语速飞快，是此前我听Yilun学术报告的第一印象。而了解他的既往经历过后，会有种情理之中的顿悟。

中学时代，Yilun连获国际生物奥赛金牌和美国物理奥赛金牌。MIT本科大三期间，他加入早期的OpenAI从事生成式模型研究，随后又先后在FAIR、Google DeepMind从事基础研究。

博士期间，他提出了系列可扩展的Energy-Based Models（EBM） 训练方法，推动了现代能量模型在高维生成中的应用，并将研究拓展至具身领域，参与了 Diffusion Policy 等机器人策略学习研究，进一步探索世界模型和智能体决策机制。

25年7月，他全职加入Harvard Kempner Institute和计算机系担任助理教授，距离采访时，刚好过去一整年。

“第一年当AP比我原来想象得忙很多，”Yilun提道，“不过当老师最大的一个感受是，学生会不断带来很多新想法。我的思路被打开了很多，也学到了很多以前没有认真想过的东西。”

在当下具身仍处于不确定的变革前夜、越来越多北美AI学者聚集硅谷走向业界或投身创业的趋势下，我和这样一位极具学术色彩和信仰的青年学者，聊了聊他的经历，以及他对目前AI生态位的思考。

以下是对话时间线，完整文字版可以在「涌现Lab」公众号查看：

01:02学术起点、早期OpenAI与Energy-based model

12:15PhD阶段工作：生成式模型与机器人结合

18:00Diffusion Policy之后，聚焦video model for robotics

25:00VLA与World Model，学业界路线之演进

30:27可组合的世界模型：研究脉络、数据与系统设计

40:48具身AI热潮下的冷观察

55:34 Google DeepMind经历、跨学科思考与EBM延续

01:10:49任职第一年：研究哲学、生态思考与自我定位

整理不易，欢迎一键三连～