UC伯克利博士后顾尚定受聘上交大副教授，曾参与OpenRSI-Index项目！

智猩猩AI整理 编辑：六六 美国加州大学伯克利分校（UC Berkeley）博士后 顾尚定近日入职了上海交通大学计算机学院，担任长聘教轨副教授。 他还入选了国家级青年人才计划，并与上海人工智能实验室安全中心双聘。 2024 年，顾尚定在德国慕尼黑工业大学拿到计算机科学博士学位；随即赴 UC Berkeley 从事博士后研究，与 Dawn Song、Costas Spanos 两位教授合作，研究安全智能决策及其在工业场景中的应用。 从慕尼黑到伯克利再到上海，他的研究主线没怎么变过：怎么让智能系统在开放、动态、甚至危险的现实环境里，既足够聪明，又不会闯祸。 他系统地研究了强化学习中性能和安全约束之间的权衡： 想让 Agent 跑得快，就得担风险；想让它绝对安全，性能就掉下来。 围绕这个矛盾，他做了一系列工作：一篇关于安全强化学习的综述发表在了 IEEE TPAMI 上，该成果引用量达到了 1000+；AAAI 2024 Oral 的工作从梯度操控角度处理奖励与安全的权衡，NeurIPS 2024 的工作则用样本操控提升数据效率。 他还提出了 Robust-Gymnasium（ICLR 2025），一个覆盖状态、动作、奖励和环境动力学四类扰动的统一鲁棒强化学习基准 ，塞进六十多个单机器人和多机器人任务。这一工作把“鲁棒性”从一个形容词，变成了可以跑分的东西。 近两年顾尚定的重心明显从单点算法往系统层面扩展。他开始思考 Agent 的规模效应，围绕 Agentic AI 的系统扩展、多智能体规模化、模型数据效率以及真实世界自主系统开展研究。 比如他发表的《From Model Scaling to System Scaling》，讨论的就是 Agentic AI 中 Harness 的扩展问题。此外他参与提出的 Agentic Web 被 IEEE Spectrum 和《经济学人》报道过。 在 RSI 这一前沿方向上，顾尚定也有所参与。近日由 MIT-IBM Watson AI Lab 与 Amazon A-EVO Lab 联合华盛顿大学、伯克利等机构发布的 OpenRSI-Index v0.1 上线，该项目把真实开源项目变成 AI Agent 的“自动科研场”，让 Agent 长时间自主实验，检验其能否迭代出超过人类方案的新方法。他作为项目团队成员参与了相关工作。 顾尚定的研究并没有局限在AI领域，他参与的用强化学习操控分子扩散模型做药物设计的论文被 Science Advances 接收；此前他还在泛林集团分享了 Agentic AI 用于半导体制造的主题演讲。 在研究以外值得一提的是，他 2022 年底发起的 Safe RL 在线研讨会一直办到了现在，每月至少请一位讲者；此外，他牵头了 IEEE TASE 特刊“基础模型时代具身智能体自动控制的可信 AI”；今年还受邀担任 NeurIPS 2026 Area Chair。 如今入职上海交通大学，他的研究继续聚焦在 安全可信的 AI Agent，具身智能与机器人学习，以及面向真实世界的智能决策 （半导体制造、自动化系统、AI4S）这三个方向。 关注+星标，获取AI前沿进展与开源一线动态 特别