2024 年 8 月 20 日，Randall Balestriero 在社交媒体上宣布，他将加入布朗大学计算机科学系，继续推动理论基础的人工智能解决方案。他特别提到自监督学习和公平性的重要性，并感谢了所有与他交流、合作和发表过论文的人。
Balestriero 的背景包括在 2016 年加入莱斯大学攻读博士学位，研究深度网络的理论视角，并在 2021 年加入 Meta AI Research 进行博士后研究。2023 年，他加入 GQS, Citadel，现在，他选择在布朗大学继续他的学术生涯。
Randall Balestriero 在布朗大学的研究方向主要集中在理论基础的人工智能解决方案上，特别是自监督学习和公平性。他的研究旨在通过理论证明和一次性训练方法，提升人工智能模型的效率和可靠性。
自监督学习是一种无需人工标注数据的学习方法，Balestriero 在这一领域的研究具有重要意义。他提出了一种新的自监督学习框架，通过利用数据的内在结构，模型可以在没有标签的情况下进行有效学习。这一方法不仅降低了数据标注的成本，还提高了模型的泛化能力。
在公平性方面，Balestriero 致力于解决人工智能模型中的偏见问题。他提出了一系列算法，通过优化模型的训练过程，减少模型在不同群体中的偏差。这些算法在多个实际应用中取得了效果。
在加入布朗大学之前，Randall Balestriero 在多个研究机构积累了经验。他在 2016 年加入莱斯大学攻读博士学位，研究深度网络的理论视角。在博士期间，他发表了多篇论文。2021 年，Balestriero 加入 Meta AI Research 进行博士后研究。在 Meta AI Research 期间，他主要研究深度学习模型的可解释性和鲁棒性。他提出了一种新的模型解释方法，通过分析模型的内部结构，揭示模型的决策过程。
2023 年，Balestriero 加入 GQS, Citadel，担任高级研究员。在 GQS, Citadel 期间，他主要研究金融领域的人工智能应用。他提出了一种新的金融时间序列预测模型，通过结合深度学习和统计学的方法，提高了预测的准确性和稳定性。
在这些机构的工作经历中，Balestriero 积累了研究经验和实践经验。他在理论研究方面取得了一些突破，并在实际应用中展示了能力。他的研究成果在学术界和工业界得到了应用。