El laboratorio Berkeley Artificial Intelligence Research (BAIR) ha formalizado la culminación de los estudios de doctorado de su promoción de 2026. Este grupo de especialistas ha centrado su actividad investigadora en diversas ramas de la inteligencia artificial y el machine learning, abarcando desde la inteligencia encarnada y la robótica hasta el razonamiento en modelos de lenguaje extensos (LLM), la visión computacional, el modelado generativo y la seguridad de los sistemas autónomos.
Destinos profesionales y razonamiento en LLM
La dispersión profesional de estos graduados refleja la estructura actual del sector. Parte de los doctores se han integrado en facultades universitarias y puestos postdoctorales, mientras que otros han optado por laboratorios de investigación corporativos o la creación de sus propias empresas tecnológicas. Entre los destinos confirmados destaca la incorporación de Hanlin Zhu como Member of Technical Staff en OpenAI, donde centrará su labor en la comprensión y mejora de las capacidades de razonamiento de los LLM.
Robótica e inteligencia física
En el ámbito de la robótica y la inteligencia física, el laboratorio ha impulsado perfiles con aplicaciones directas en la industria. Baifeng Shi, especializado en modelos robóticos y de visión generalistas, se ha unido a Physical Intelligence. En la misma compañía se integra Kevin Black, cuya investigación se ha centrado en el aprendizaje robótico a gran escala, aplicando técnicas de aprendizaje por refuerzo (reinforcement learning), aprendizaje por imitación y control en tiempo real para optimizar el funcionamiento de los robots en entornos reales.
Optimización y escalado de modelos de lenguaje
La optimización de los modelos de lenguaje ha sido otro eje central de la promoción 2026. Charlie Snell ha investigado la relación entre los diferentes paradigmas de escalado de los LLM, analizando específicamente el escalado en tiempo de prueba (test-time scaling). Su trabajo propone resolver la brecha entre las inferencias independientes que se generan durante la interacción con el usuario y las representaciones comprimidas que el modelo adquiere durante el preentrenamiento, buscando que el sistema pueda retener el conocimiento derivado de las inferencias en interacciones posteriores.
Seguridad, ética y auditoría de sistemas de IA
La seguridad y la ética en el despliegue de la IA han ocupado un lugar prioritario en las tesis de este grupo. Eve Fleisig ha diseñado modelos de lenguaje orientados a la fiabilidad y la equidad, utilizando el desacuerdo entre las preferencias de los usuarios como señal para entrenar y evaluar los LLM. Su enfoque se ha centrado en reducir riesgos derivados de una confianza mal calibrada en los modelos, asegurando que los beneficios de la IA lleguen a poblaciones diversas sin generar daños sociales.
Por su parte, Lisa Dunlap ha centrado su actividad en la auditoría de modelos generativos, una disciplina crítica para verificar la transparencia y el comportamiento de los sistemas de IA antes de su lanzamiento masivo. Tras concluir su etapa en Berkeley, Dunlap se incorpora como ingeniera de investigación en Anthropic, una de las empresas líderes en el desarrollo de IA constitucional y segura.
Aplicaciones en salud, biología e interacción humano-IA
En la intersección entre la IA y la salud, el laboratorio ha producido avances en la traducción de la actividad cerebral. Kaylo Littlejohn ha coliderado el desarrollo de herramientas multimodales capaces de convertir la actividad cerebral en texto, voz personalizada y avatares digitales de alta fidelidad, trabajos publicados en Nature y Nature Neuroscience. Littlejohn desempeña actualmente el cargo de líder técnico de modelado de voz en Roblox.
El diseño de la interacción humano-IA también ha sido explorado profundamente. J.D. Zamfirescu-Pereira ha investigado el codiseño efectivo, analizando los límites de las interfaces basadas en lenguaje. Su trabajo propone sistemas que mezclen interacciones textuales con interfaces de usuario estructuradas, permitiendo que los humanos operen en diferentes niveles de abstracción, desde objetivos generales hasta correcciones técnicas precisas. Zamfirescu-Pereira se incorpora como profesor asistente de Ciencias de la Computación en la UCLA.
La aplicación de la IA a las ciencias biológicas ha tenido representación a través de Junhao (Bear) Xiong, quien ha desarrollado métodos de machine learning aplicados a la biología, con un enfoque específico en el modelado generativo de proteínas. Esta línea de investigación es fundamental para el diseño de nuevos fármacos y la comprensión de estructuras moleculares complejas.
Visión computacional y procesamiento de lenguaje natural
Otros perfiles se han especializado en la visión computacional y el control de modelos. Grace Luo ha trabajado en la interpretación y el control de modelos generativos, reutilizando generadores de imágenes para tareas de visión computacional y analizando activaciones de lenguaje para mejorar el direccionamiento (steering) de los LLM. Devin Guillory, por su parte, ha centrado su investigación en la gestión de los desplazamientos de datos (data shifts) en los modelos de visión, un problema crítico para mantener la precisión de la IA cuando los datos del mundo real difieren de los de entrenamiento.
El procesamiento de lenguaje natural (NLP) y la multimodalidad han sido abordados por Kent Chang, quien ha desarrollado benchmarks para evaluar la memorización de los LLM y ha creado conjuntos de datos multimodales basados en cine y televisión. Su objetivo es analizar la representación de diversas voces en los sistemas de IA y el impacto social de estas tecnologías, integrando métodos computacionales con cuestiones de las humanidades y las ciencias sociales.
Autonomía, colaboración y teoría de algoritmos
En cuanto a la autonomía y la colaboración, Long (Tony) Lian ha desarrollado sistemas multimodales y multiagente en tiempo real mediante aprendizaje por refuerzo de extremo a extremo (end-to-end RL). Lian se integra ahora en el Thinking Machines Lab como Member of Technical Staff. Complementando esta visión, Maulik Bhatt ha trabajado en el desarrollo de robots autónomos capaces de coordinarse de manera segura con seres humanos en entornos compartidos.
La promoción también incluye a Jiachen Lian, cuyo trabajo se ha centrado en la IA centrada en el ser humano aplicada al habla, la salud y los sistemas, y que actualmente busca talento para su propia startup. Asimismo, Josh Kang ha investigado la simulación de usuarios humanos y la creación de agentes de IA colaborativos y conversacionales, incorporándose como científico de IA en Mistral AI.
Finalmente, Kunhe Yang ha aportado una base teórica al diseño y evaluación de algoritmos de IA en entornos influenciados por incentivos humanos y agencia de la IA. Sus investigaciones combinan la teoría del machine learning con la economía computacional para analizar la colaboración multiagente y la transmisión de información, continuando su carrera como investigador postdoctoral en Stanford.
Impacto de la transición académica a la industria
Este conjunto de graduados representa la transición de la investigación académica hacia la implementación industrial. La diversidad de sus destinos —desde OpenAI y Anthropic hasta Physical Intelligence y Mistral AI— subraya la demanda de perfiles especializados en razonamiento complejo, seguridad y robótica física. La capacidad de estos investigadores para trasladar el conocimiento desde el laboratorio de Berkeley hacia el sector productivo acelera el ciclo de desarrollo de agentes autónomos y modelos multimodales más eficientes y seguros.
