Alignment Research Center (ARC)
Alignment Research Center（ARC）是一家位于加州伯克利的小型非营利研究机构，致力于用系统化且有理论基础的方法，解释神经网络的内部机制及其行为。我们希望招收数学基础扎实、具备良好数学思维的学员。如果你对这篇文章介绍的研究方向感兴趣，欢迎申请！
研究小组概览
ARC 将指导符合我们技术研究方向的项目，具体方向见我们的博客。例如可以阅读这篇文章。
大多数项目以理论研究为主，例如开发机制估计算法（如估算 MLP 的预期输出），或为已有的算法方案提出反例。我们也关注一些高层理论问题，例如不同类型的方法在原则上有哪些局限。
少数项目也会涉及实证研究，例如实现已有算法并测试其表现；也可能探讨一些哲学问题，例如如何将这些方法用于构建与 AI 对齐的系统。
High-touch (+2 hours of weekly 1:1s)
旧金山湾区
Indifferent
Indifferent
导师
Jacob Hilton 是 Alignment Research Center（ARC）的研究员。该非营利组织致力于机制可解释性的理论基础研究。他此前在 OpenAI 从事基于人类反馈的强化学习、缩放定律和可解释性研究。他拥有纯数学背景，并在英国 University of Leeds 获得集合论博士学位。
Wilson Wu 是对齐研究中心（Alignment Research Center，ARC）的研究员。该中心致力于以系统化、具有理论基础的方法开展机械可解释性研究。他此前还研究过其他可解释性方法，包括紧凑证明以及奇异学习理论的应用。
Victor Lecomte 是 Alignment Research Center（ARC）的研究员。ARC 正以系统且有理论依据的方法推进机械可解释性研究。他在斯坦福大学获得博士学位，曾研究计算复杂性及理论计算机科学的其他方向，之后转向 AI 安全研究。
Michael Winer 是 Alignment Research Center（ARC）的研究员，研究在简单实验环境中，机制性估计如何优于黑盒方法。他拥有统计物理学背景，研究大量遵循简单规则的对象如何呈现复杂行为，例如磁性、玻璃态，或在 GPQA 上考出 87% 的成绩。
我们希望招收的学员
- 数学基础扎实，数学、物理或计算机科学水平达到一流大学优秀本科生的程度。
- 善于沟通技术问题。
- 有兴趣参与 ARC 更宏观的研究方向。
- 可能有意于 2028 年 1 月前后加入 ARC 全职工作。
- 能够在缺少正式问题定义的情况下自主推进并产出研究成果。
- 愿意在 ARC 位于伯克利的办公室工作。
加分项：
- 具备机器学习理论和/或理论计算机科学背景。
具备基础的机器学习工程经验，例如能够在小型神经网络上运行实验。
项目遴选
每位学员都会与最适合其技能和兴趣的导师配对。导师会与学员讨论潜在项目，双方再结合 ARC 的研究目标和学员的偏好，共同确定合适的研究方向。
大多数学员在 ARC 期间会参与多个项目，也有些学员会与多位导师合作。