Ali Behrouz

알리 베흐루즈(Ali Behrouz)는 Cornell University 컴퓨터과학 박사과정 학생이며, Google Research NYC의 Algorithms and Optimization 팀에서 Student Researcher로 활동하고 있다. Cornell에 합류하기 전 University of British Columbia에서 컴퓨터과학 석사 학위를 받았다.

연구 관심은 장기 맥락 메모리, 연속 학습, 그래프 표현 학습, 그리고 계산 신경과학과 머신러닝의 접점에 걸쳐 있다. 사람의 뇌가 어떻게 단기 기억을 장기 기억으로 통합하는지에서 영감을 얻어, 트랜스포머 이후의 시퀀스 모델 아키텍처를 일관된 흐름으로 제안해 왔다.

베흐루즈는 2025년부터 메모리 모듈 시리즈를 빠르게 발표해 왔다. Titans는 "테스트 시 기억하는 법을 학습하는" 장기 기억 모듈을 제안했고(NeurIPS 2025), 그 뒤를 잇는 Atlas는 테스트 시점에서 컨텍스트를 최적으로 기억하는 방법을, Miras는 attention bias·retention·online optimization을 통합한 일반 프레임워크를 제시했다. Nested Learning은 이 시리즈를 한 단계 위에서 묶는 메타 관점으로, 최적화 알고리즘과 아키텍처를 하나의 중첩 시스템으로 통합한다.

본 논문에서는 1저자로서 패러다임 형식화와 Hope 아키텍처 설계를 담당했다. 시니어 저자 Vahab Mirrokni가 이끄는 NYC 팀에 합류하면서 자신의 메모리·연속 학습 연구 노선을 Google Research의 알고리즘 인프라와 결합할 수 있었다.

관련 문서

• Vahab Mirrokni — Google NYC Algorithms 팀장, 시니어 저자
• Peilin Zhong — 같은 팀의 이론 연구자, 공저자
• Meisam Razaviyayn — 최적화 전문가, 공저자