吴佳俊高徒宣布加入OpenAI，还将出任帝国理工学院助理教授！

她分享了自己与Sam Arnesen共同完成的最新研究成果。该研究刊登在OpenAI Alignment Research Blog，题目是《Eval-production behavior gaps in agent safety and the role of eval-awareness》。

同时，她还将担任英国帝国理工学院计算系助理教授。

Joy Hsu本科、硕士和博士阶段均就读于斯坦福大学，获得计算机科学博士学位，博士导师为斯坦福大学计算机科学副教授吴佳俊（Jiajun Wu）。

在博士期间，她还是奈特-汉尼斯学者奖学金以及美国国家科学基金会研究生奖学金获得者。

奈特-汉尼斯学者奖学金是斯坦福大学设立的跨学科、跨文化研究生奖学金项目，每年从全球选拔最多100名优秀学者。

入选者可获得最长三年的资助，包括学费、生活津贴及学术相关费用。该计划旨在培养具有独立思考能力、领导力和公共责任感的全球人才。

从Joy Hsu此前的学术研究来看，她的研究方向并非一开始就聚焦于Agent安全。

2023年，她作为一作发表的论文《What's Left? Concept Grounding with Logic-Enhanced Foundation Models》，入选NeurIPS 2023。

该研究提出LEFT框架，将大语言模型生成的逻辑程序与可训练的领域专用模块相结合，让AI能够在二维图像、三维场景、人体动作和机器人操作等不同领域中学习和理解抽象概念，并将推理能力迁移到未见过的复杂任务中。

2024年，她参与的《Learning Planning Abstractions from Language》入选ICLR 2024。该研究提出PARL框架，让AI从语言示范中学习可迁移的抽象规划能力，适应新环境、陌生物体组合和更长程的任务。

2025年，她还参与了《What Makes a Maze Look Like a Maze?》，该论文入选ICLR 2025。

该研究关注AI如何理解图像中隐含的抽象概念，例如，模型不仅要识别树枝，还要理解树枝的特定排列方式可能构成迷宫的墙壁。为此，研究团队提出DSG框架，利用大语言模型提取抽象概念的依赖关系图，再结合视觉语言模型，将抽象概念逐层映射到图像中的具体元素，从而提升模型对复杂视觉抽象概念的理解与推理能力。

进入2026年，她的研究进一步延伸至真实环境感知、多模态推理和智能体规划。

其中，《SAW-BENCH：Learning Situated Awareness in the Real World》入选ICML 2026并获得Spotlight。

该研究提出真实世界情境感知评测基准，利用智能眼镜采集的第一视角视频，评估多模态模型对自身位置、运动状态及周围空间关系的理解能力，揭示了当前模型与人类在真实世界空间感知方面仍存在明显差距。

从跨领域概念学习、视觉抽象推理，到真实世界情境感知，Joy Hsu此前的研究始终围绕着如何让AI更好地理解环境、建立空间认知并进行可靠推理展开。

如今，她加入OpenAI并即将出任帝国理工学院助理教授，开启学术研究与前沿产业探索并行的新阶段。