Huck Yang

概要

マルチモダリティ、音声のテキスト空間アライメント、そしてボイスエージェントに関心があります。NVIDIA Research と Amazon ASR-LM に在籍し Andreas Stolcke と協働、また Google（現 DeepMind Audio）の研究インターンとして Tara N. Sainath のチームで Bo Li・Yu Zhang の共同ホストのもとで研究しました。

🎓 博士論文は、プライバシー保護かつロバストな音声モデル適応（現在でいうポストトレーニング）に関するもので、Chin-Hui Lee 教授の指導を受けました。

🧬 ジョージア工科大学の前は、Jesper Tegnér 教授の進化的機械学習グループを訪問し、TSMC で混合信号 IC 設計のインターンを経験しました。

• マルチモーダル・ポストトレーニング: Nemotron-Omni-30B [GTC 26] の長尺オムニ／音声トレースを共同で主導し、OmniVinci-9B [ICLR 26] の音声エージェントアライメント、さらに 音声上の RL ポストトレーニング [ICLR 25, 24] に取り組みました。多言語 ASR に関する Google 関連の特許 [ICASSP 23]、[Interspeech 23] ではベストペーパーにノミネート。凍結した音響モデルへの初のボイスプロンプティング手法 [ICML 21]。
• ボイスエージェント: n-best 仮説に基づく初の生成的 ASR 誤り訂正（GER）シリーズ [ASRU 23] と Whispering-LLaMA [EMNLP 23]、HyPoradise [NeurIPS 23]、音声ポストトレーニング [ICLR 24]。マルチモーダル訂正に関する [ACL 25] で最優秀産業論文の佳作賞 🎖️。自己反省エージェント Speech-Hands [ACL 26]。

⚛️ 余談: 趣味として量子機械学習にも取り組んでおり、変分回路に基づく初の音声 [ICASSP 21] と言語理解 [ICASSP 22] を生み出し、2019 年に Xanadu AI Quantum ML Award を受賞しました。最近では LLM の量子パラメータ適応 [ICLR 25] に取り組んでいます。

チュートリアル

記事