Yan Zuo 是 Pluralis Research 的创始科学家,拥有丰富的工业界与学术界研究经验。他在加入 Pluralis Research 之前,曾在亚马逊(Amazon)工作,积累了大规模分布式系统和机器学习工程的实战经验。他的研究兴趣广泛,涵盖大规模优化、统计建模、机器学习和计算机视觉等多个领域。目前,他正专注于探索大型基础模型(Foundation Models)的去中心化训练方案,致力于打破当前大模型训练中对中心化超算集群的依赖,推动 AI 训练的民主化和去中心化发展。Pluralis Research 旨在通过区块链和分布式计算技术,让全球闲置计算资源共同参与大型语言模型的训练,而 Yan Zuo 在这一愿景的技术架构设计与算法优化方面发挥着核心作用。他将学术研究中的前沿优化理论与工业界大规模系统实践经验相结合,为去中心化 AI 训练的可行性提供了关键技术支撑。
Yan Zuo 在大规模优化、统计建模、机器学习和计算机视觉等领域进行深入研究,打下了扎实的学术基础。
加入亚马逊(Amazon),在工业界大规模系统与机器学习应用中积累了丰富的实战经验,参与大规模分布式系统和推荐/视觉相关项目的研发。
离开亚马逊后,与团队共同创立 Pluralis Research,聚焦于大型基础模型的去中心化训练,探索利用全球分布式算力参与 AI 模型训练的新范式。
在 Pluralis Research 中主导去中心化训练技术的研发,致力于实现不依赖中心化超算集群的大规模基础模型训练方案,推动 AI 训练资源的民主化分配。
大型基础模型的训练不应被少数中心化超算集群所垄断,去中心化训练是实现 AI 民主化的关键路径。
将大规模优化理论与分布式系统工程实践相结合,是解决去中心化训练中通信瓶颈与模型收敛问题的核心思路。
全球闲置计算资源的整合利用,可以通过区块链和分布式计算技术为大型语言模型训练提供可行的替代方案。