LLM・自律エージェント・生成AI が社会を変えつつある今、その安全性やプライバシーを支える技術は、重要性を増している研究課題です。
Cao Lab は Privacy / Robustness / Reliability を軸に、この課題に正面から取り組んでいます。
※ スライドの閲覧には Science Tokyo アカウントが必要です
Cao Lab（曹研究室）では、国際トップレベルの研究成果の創出を目指すとともに、学生一人ひとりの目標・成長段階に応じたきめ細かな研究指導を行っています。
Cao Lab では、国際的な研究発信、充実した研究リソース、多様なバックグラウンドを持つメンバーとの協働の3点を通じて、学生が段階的に研究力を高められる環境を整えています。
「AI・データサイエンスを安全で信頼できる形で社会に活用するにはどうすればよいか」という問いに取り組んでいます。
B4 / M1 の研究テーマは、まず Trustworthy Data Science & AIの領域から考えるのが基本ですが、本人の興味や強みに応じて発展的テーマへの対応も可能です。 大切なのは「何が問題で、なぜ重要か」を自分の言葉で説明できることです。
研究分野だけでなく、「ここに来たらどんな力が身につくか」を具体的に想像してみてください。
関連研究を整理して Research Gap を見つけ、実行可能なテーマへ落とし込む基礎を身につけます。
Baseline を設計し、再現性と説得力のある評価を組み立てる研究エンジニアリング力を磨きます。
リスクを見つける視点と、それをどう守るかを考える視点の両方に、B4/M1 からアクセスできます。
英語論文を読み・議論し、研究を英語で発表する力を段階的に構築していきます。
卒論を書いて終わりではなく、その先の大学院進学・国際発表・研究者／研究開発エンジニアとしての成長も見据えています。
分野を知り、論文の読み方や research question の立て方に触れます。
関連研究を調べ、課題を絞り、小さな仮説検証を回して卒論へつなげます。
評価設計・比較実験・発表準備を通じて、外部発表できる研究へ育てます。
共同研究や論文化を通じて、独立して研究を進める力を高めます。
週1回程度。論文の相談、テーマ整理、実験方針、次に何をやるべきかを議論します。
月1–2回程度。研究共有や論文紹介を通じて、他メンバーの視点から学べます。
コアタイムは設けません。週1回程度の個人 MTG で、読むべき論文・進める実験・次の課題を一緒に整理します。
テーマが決まっていなくても構いません。見学では、以下のような内容をお話しします。
外部から修士課程・博士課程への一般入試での受験をお考えの方は、出願前にCVなどを添えて事前にご連絡いただくことをおすすめしています。受け入れ枠や研究テーマの相性について、お気軽にご相談ください。
