研究经历编辑
研究经历与机构关系。
当前机构编辑
AI 与网络博士研究编辑
博士生，2026 年 8 月 1 日至今。导师：张颖珺，香港中文大学。
乔鑫宝当前博士研究以数据中心 ML和AI 与网络为核心，包括 AI for Networks 与 Networks for AI。研究关注数据、计算和评估信号分散在客户端、机构或网络基础设施中时，学习系统应如何运行。分布式 Wasserstein barycenter计算仍是其中一个相关方法，用于在不假设原始数据可以集中汇总的情况下构造共享分布参考。
相关研究：AI 与网络、分布式学习、Wasserstein 几何、分布式 Wasserstein barycenter 和 协作评估。
数据中心 ML 系统研究编辑
硕士研究生，2023-03 至 2025-12。导师：张萌，浙江大学。
该阶段研究数据影响归因与机器遗忘的理论方法，以及可信 AI 中与数据相关的权衡。相关经历还包括云边协同的人体空间健康研究，其中多模态视频、音频和传感器信号被用于实时监测问题。
相关研究：机器遗忘、影响函数、认证数据删除、可信 AI 和 数据中心 ML。
可信 LLM 系统研究编辑
全职研究实习生，2025-06 至 2025-12。导师：Pang Yan, James，NUSRI-CQ。
该研究线关注可信模型行为和合成数据评估，包括在真实数据有限或碎片化时用于低资源合成数据评估的分布式 Wasserstein 方法。这一阶段还包括获 NeurIPS 2026 录用的《Illusory Pattern Perception Drives Spurious Inference in Large Language Models》，通过三个心理任务比较大语言模型与人类的错觉模式感知。
相关研究：大语言模型可靠性、错觉模式感知论文、合成数据 和 Wasserstein 几何。