上一篇 高超
高妍 下一篇
高坤
北京中关村学院导师
高坤博士，北京中关村学院导师，中关村人工智能研究员，博士毕业于北京大学计算机学院，专业为计算机软件与理论。曾任新加坡科技研究局高性能计算研究所研究员，曾在2019年与2024年学术访问日本国立信息学研究所。主要从事神经符号化人工智能，人工智能可解释性，知识的表示与推理等方面研究工作，具体涉及多模态数据处理、基础模型设计等。曾在ICLR，IJCAI，Artificial Intelligence，Machine Learning等顶级期刊和会议发表论文。现承担NeurIPS、ICLR、AAAI、IJCAI、ECAI、IJCLR等会议审稿人。
个人主页链接：https://gaokun12.github.io/kun/
个人主页链接：https://gaokun12.github.io/kun/
研究方向
1. 神经符号化方法
2. 人工智能可解释性
3. 知识表示与推理
教育经历
2018.09 - 2023.07 北京大学 博士
2019.09 - 2020.03 国立情报学研究所 访问
2014.08 - 2018.06 北京科技大学 学士
工作经历
2025.08 – 至今 北京中关村学院 AI核心与基础 研究员
2023.08 - 2025.08 新加坡科技研究局 高性能计算研究所 研究员
承担科研项目
1. 基础模型设计与微调，A*SATR AI Centre of Excellence，2025，时间序列基础模型微调策略研究
2. 可信赖的智能药物管理平台, AI Singapore, 2023-2025，可解释AI在医疗数据下的应用
代表性学术论文
1. Kun Gao, Katsumi Inoue, Yongzhi Cao, Hanpin Wang, Yang Feng: Differentiable Rule Induction from Raw Sequence Inputs. ICLR 2025
2. Kun Gao, Katsumi Inoue, Yongzhi Cao, Hanpin Wang: A differentiable first-order rule learner for inductive logic programming. Artif. Intell. 331: 104108 (2024)
3. Kun Gao, Katsumi Inoue, Yongzhi Cao, Hanpin Wang: Learning First-Order Rules with Differentiable Logic Program Semantics. IJCAI 2022: 3008-3014
4. Kun Gao, Hanpin Wang, Yongzhi Cao, Katsumi Inoue: Learning from interpretation transition using differentiable logic programming semantics. Mach. Learn. 111(1): 123-145 (2022)
5. Chao Yang, Lu Wang, Kun Gao, Shuang Li: Reinforcement Logic Rule Learning for Temporal Point Processes. CoRR abs/2308.06094 (2023)
学术兼职
NeurIPS、ICLR、AAAI、IJCAI、ECAI、IJCLR等会议审稿人。