Sheila McIlraith

Membre du corps professoral

Professeur au département d'informatique de l'Université de Toronto

Chaire d'intelligence artificielle du CIFAR Canada

Directeur associé et responsable de la recherche à l'Institut Schwartz Reisman pour la technologie et la société

Sheila McIlraith est professeure au Département d'informatique de l'Université de Toronto, titulaire de la Chaire CIFAR en intelligence artificielle (Institut Vector) et directrice adjointe et responsable de la recherche à l'Institut Schwartz Reisman pour la technologie et la société. Avant de se joindre à l'Université de Toronto, elle a été chercheuse pendant six ans à l'Université Stanford et pendant un an au Xerox PARC. Ses recherches portent sur la prise de décision séquentielle, au sens large, et plus particulièrement sur l'IA compatible avec l'humain. Elle s'intéresse aussi à l'éthique de l'IA et à son impact sur la société. Mme McIlraith est membre de l'Association for Computing Machinery (ACM), membre de l'Association for the Advancement of Artificial Intelligence (AAAI), rédactrice adjointe du Journal of AI Research (JAIR) et ancienne rédactrice adjointe du Journal of Artificial Intelligence. McIlraith a été coprésident du programme de la 32e conférence AAAI sur l'intelligence artificielle (AAAI), de la 13e conférence internationale sur les principes de la représentation des connaissances et du raisonnement (KR2012) et de la conférence internationale sur le Web sémantique (ISWC2004), ainsi que coprésident de la 34e Conférence internationale sur la planification et l'ordonnancement automatisés (ICAPS). McIlraith et ses coauteurs ont reçu de nombreux prix pour leurs articles lors de prestigieuses conférences internationales, notamment plusieurs prix récompensant des travaux influents et marquants.

Intérêts de recherche

  • Représentation des connaissances et raisonnement automatisé
  • Apprentissage par renforcement
  • IA compatible avec l'humain et sécurité de l'IA
  • Prise de décision séquentielle

Points saillants

  • Membre de l'Association for Computing Machinery (ACM).
  • Membre de l'Association pour l'avancement de l'intelligence artificielle (AAAI).
  • Rédacteur associé du Journal of Artificial Intelligence Research (JAIR).

Publications

Évaluation des capacités de généralisation des agents basés sur les modèles linéaires à longue portée (LLM) dans des scénarios à motivations mixtes à l'aide de Concordia

Chandler Smith et Marwa Abdulhai et Manfred Díaz et Marko Tesic et Rakshit Trivedi et Sasha Vezhnevets et Lewis Hammond et Jesse Clifton et Minsuk Chang et Edgar Duenez-Guzman et John Agapiou et Jayd Matyas et Danny Karmon et Beining Zhang et Jim Dilkes et Akash Kundu et Hieu Minh Nguyen et Emanuel Tewolde et Jebish Purbey et Ram Mohan Rao Kadiyala et Siddhant Gupta et Aliaksei Korshuk et Buyantuev Alexander et Ilya Makarov et Gang Zhao et Rolando Fernandez et Zhihan Wang et Caroline Wang et Jiaxun Cui et Lingyun Xiao et Di Shi et Yoonchang Sung et Muhammad Arrasy Rahman et Peter Stone et Yipeng Kang et Hyeonggeun Yun et Ananya Ananya et Taehun Cha et Zhiqiang Wu et Elizaveta Tennant et Olivia Macmillan-Scott et Marta Segura et Diana Riazi, Fuyang Cui, Sriram Ganapathi, Toryn Klassen, Nico Schiavone, Mogtaba Alim, Sheila McIlraith, Manuel Rios, Oswaldo Peña, Carlos Rojas, Manuela Chacon-Chamorro, Rubén Manrique, Luis Felipe Giraldo, Nicanor Quijano, Yiding Wang, Yuxuan Chen, Fangwei Zhong, Mengmeng Wang, Wenming Tu, Zhaowei Zhang, Ziang Chen, Zixia Jia, Xue Feng, Zilong Zheng, Chichen Lin, Weijian Fan, Chenao Liu, Sneheel Sarangi, Ziyan Wang, Shuqing Shi, Yali Du, Avinaash Anand Kulandaivel, Yang Liu, Wu Ruiyang, Chetan Talele, Sunjia Lu, Gema Parreno, Shamika Dhuri, Bain McHale, Tim Baarslag, Dylan Hadfield-Menell, Natasha Jaques, José Hernandez-Orallo et Joel Leibo

2025