行政上诉办公室非先例裁决
美国公民及移民服务局
案号：40788324
日期：2026 年 1 月 22 日
对服务中心运营部（SCOPS）裁决的上诉 表格 I-140，外籍劳工移民申请（国家利益豁免）
申请人寻求基于就业的第二优先（EB-2）移民分类，即作为持有高等学位的专业人士，并寻求对该分类所附工作要求（job offer requirement）的国家利益豁免。见《移民与国籍法》（the Act）第 203(b)(2) 条，8 U.S.C. § 1153(b)(2)。
服务中心运营部（SCOPS）拒绝了该申请，认定申请人符合持有高等学位的专业人士分类资格，但未能证明豁免所要求的工作邀请、进而豁免劳工证将符合国家利益。现依据 8 C.F.R. § 103.3 将该事项提交本办公室审理。
申请人负有以优势证据证明其资格的举证责任。Matter of Chawathe, 25 I&N Dec. 369, 375-76 (AAO 2010)。本办公室对本案问题重新审查（de novo）。Matter of Christa's, Inc., 26 I&N Dec. 537, 537 n.2 (AAO 2015)。经重新审查，本办公室将驳回上诉。
I. 法律
为符合基础 EB-2 签证分类资格，申请人必须证明其为高等学位专业人士，或在科学、艺术或商业领域具有特殊能力（exceptional ability）的个人。《移民与国籍法》第 203(b)(2)(A) 条。
如果申请人确立了基础 EB-2 分类资格，其随后必须证明其值得行使裁量权，豁免工作要求以符合「国家利益」。《移民与国籍法》第 203(b)(2)(B)(i) 条。Matter of Dhanasar, 26 I&N Dec. 884, 889 (AAO 2016) 提供了审理国家利益豁免申请的框架。Dhanasar 指出，美国公民及移民服务局（USCIS）可以行使裁量权，在申请人证明以下事项时批准国家利益豁免：
拟议工作（proposed endeavor）兼具实质价值与国家重要性；
该个人有能力推进其拟议工作；以及
整体而言，豁免工作要求将有利于美国。
Id.
II. 分析
SCOPS 认定申请人符合持有高等学位的专业人士资格。待确定的唯一问题是，申请人是否已证明豁免工作要求、进而豁免劳工证将符合国家利益。
提交申请时，申请人担任机器学习高级首席工程师（Senior Principal Engineer, Machine Learning），任职于[已隐去]。她表示其拟议工作是继续其「关于开发一种新颖且全面的基础机器学习模型解耦（disentanglement）方法的研究，该方法可推广至多种模态、领域和应用，以促进无数研究领域中的可解释性和机器学习模型控制」。申请人进一步主张，她计划「发现内容表征的底层机制，以解锁跨领域的众多应用，包括（但不限于）增强和理解人工智能（AI）生成内容与人类生成内容之间差异的区分、通过解耦实现领域迁移、通过解耦实现可解释性与控制等」。
如下文所述，本办公室认定申请人未能依据 Dhanasar 所确立的分析框架证明其符合国家利益豁免资格。
A. 拟议工作的实质价值与国家重要性
第一项要素（prong）——实质价值与国家重要性——聚焦于该个人拟从事的具体工作。Matter of Dhanasar, 26 I&N Dec. at 889。工作的价值可在商业、创业、科学、技术、文化、健康或教育等一系列领域中得到证明。Id. 本办公室同意 SCOPS 的认定，即申请人的工作具有实质价值。
在确定拟议工作是否具有国家重要性时，本办公室考虑其潜在的前瞻性影响。Id. 本办公室撤销 SCOPS 关于申请人未能依据 Dhanasar 第一项要素证明其拟议工作具有国家重要性的认定。作为其拟议工作具有实质价值与国家重要性的证据，申请人提供了关于旨在机器学习与可信 AI 的研究之益处的信息。她还提交了支持信，讨论其工作如何有助于推动 AI 可解释性与公平性的进步。此外，申请人提交的文件表明，其拟议研究的成果通过科学期刊和会议向该领域其他人传播，因而在机器学习领域具有更广泛的影响。由于申请人已证明其拟议研究兼具实质价值与国家重要性，她已确立其符合 Dhanasar 框架的第一项要素。
B. 有能力推进拟议工作
第二项要素将焦点从拟议工作转向该个人。Id. at 890。为确定其是否有能力推进拟议工作，本办公室考虑的因素包括但不限于：其教育背景、技能、知识以及在相关或类似工作中的成功记录；未来活动的模式或计划；实现拟议工作的任何进展；以及潜在客户、用户、投资者或其他相关实体或个人的兴趣。Id. 基于下述理由，本办公室撤销 SCOPS 关于申请人符合 Dhanasar 第二项要素的结论。
记录包括申请人的简历、硕士学位证书与成绩单、已发表和已展示的作品以及同行评审服务。申请人还提供了引用其已发表作品的文献、引用指标以及讨论其研究的支持信。
在支持该申请的信件中，申请人的推荐人讨论了其涉及机器学习的研究项目。例如，[已隐去]的高级技术主管经理 T-H- 博士声称，申请人「通过新颖地聚焦于来源阶段，缓解了推荐系统的公平性问题。我有幸共同撰写了她的 2022 年欧洲计算机视觉会议（ECCV）研究，[已隐去]，其中他们在冻结的视觉变换器特征之上训练了『一个简单的线性头』」。虽然 T-H- 博士指出他们的工作「在 Waterbirds 基准上达到了 90% 的最差组准确率——超过了此前最佳的分组分布鲁棒优化（DRO）结果 89%，且未使用子组标签」，但他并未详述其具体发现被业界采用的程度。申请人也未以其他方式证明其研究成果构成成功或进展的记录，从而使其有能力推进拟议工作。
此外，[已隐去]的博士生 S-M- 表示，她与申请人共同撰写了一篇题为[已隐去]的论文，其中他们「识别并量化了最先进的文本到图像（TTI）模型中的语言和文化偏见。我们还提供了首个同类、全面的基准，用于评估 TTI 模型在 30 种语言（属于称为印度语系的语系）上的表现」。S-M- 进一步声称，他们的「工作为该领域评估 TTI 模型表现设定了标准」，但她未提供其工作如何影响该领域的具体实例，也未以其他方式表明其成功或进展达到使申请人有能力推进拟议工作的水平。
此外，[已隐去]的另一位博士生 K-T- 声称，他与申请人共同撰写了一篇题为[已隐去]的论文，其中他们提出了「一种新范式，用于解决生成式基础模型遗忘信息而无需进行大规模再训练的问题」。虽然 K-T- 主张他们的工作「为机器学习领域提供了一种新手段，以应对当前大规模生成模型面临的版权和监管合规问题」，但申请人未能表明其发现所受到的关注程度或其研究成功记录足以证明其有能力推进其研究事业。
申请人表示，她「在包括 Nature Machine Intelligence 在内的其领域知名期刊和会议上」共同撰写了「1 篇同行评审期刊文章、4 篇同行评审会议文章（其中 2 篇为第一作者）和 1 篇预印本」。关于其作品的引用情况，申请人提供了其 2025 年 1 月和（应 SCOPS 补件通知（RFE）要求）2025 年 6 月的 Google Scholar 个人资料。最新资料显示，其被引次数最高的四篇文章，分别题为[已隐去]（2024）、[已隐去]（2024）、[已隐去]（2022）和[已隐去]（2011），分别获得 6030、19、15 和 13 次引用。申请人未说明这些单篇文章的引用中有多少是她本人或其共同作者的自引。
申请人还提供了 Clarivate Analytics（InCites Essential Science Indicators）2025 年的数据，涉及「计算机科学」研究领域按发表年份的基线引用率和百分位。申请人主张，其 2024 年题为[已隐去]的论文基于所获 6030 次引用，位列「2024 年计算机科学领域发表的最多被引文章前 0.01%」。同样，她主张其 2024 年题为[已隐去]的论文基于 19 次引用，「是 2024 年计算机科学领域发表的最多被引文章前 1% 之一」。她还表示，其 2022 年题为[已隐去]的论文基于 15 次引用，「是 2022 年计算机科学领域发表的最多被引文章前 20% 之一」。
但申请人依赖的是关于计算机科学这一更大领域的引用信息，并将其在机器学习领域的引用频率与更大领域进行比较。虽然本办公室承认机器学习是计算机科学更大领域的一部分，但申请人未提交充分证据确认从更大领域推断出的信息同样适用于计算机科学内的每个子领域，包括机器学习。因此，申请人将其领域内的引用次数与关于计算机科学更大领域引用的信息进行比较，不足以确立其在机器学习领域的成功或影响水平。
此外，申请人提交了 Lutz Bornmann 和 Werner Marx 在 Scientometrics 上发表的一篇文章，题为「How to evaluate individual researchers working in the natural and life sciences meaningfully? A proposal of methods based on percentiles of citations」。该文提出了「如何评估自然与生命科学领域个体研究人员」的建议，用于资助、晋升或聘用决策。作者指出，「在其学科领域内属于被引次数前 10% 的出版物通常被称为高被引或优秀」，并且「基于前 10% 的卓越指标」在「比较单个研究人员的科学表现时应被赋予最高权重」。虽然作者提出了研究表现文献计量分析的拟议方法，但记录未表明其方法已被学术界接受和实施。此外，关于 Google Scholar 的引用信息，作者建议不要「将 Google Scholar（GS）作为文献计量分析的基础。多项研究指出，GS 在研究评估方面存在诸多缺陷」。此外，关于「自引」，作者指出，「如果评估研究的问题明确意指某位科学家在多大程度上影响了其他科学家的工作，则自引显然应被忽略」。
申请人的补件通知回复包括 OpenAlex 作者指标，她声称这些指标将其引用影响力与「计算机科学」领域的其他研究人员进行了比较。申请人再次依赖关于计算机科学更大领域的引用信息，并将其在机器学习领域的引用频率与更大领域进行比较，但她未表明从更大领域推断出的信息同样适用于计算机科学内的每个子领域，包括机器学习。无论如何，引用频率本质上是定量的，并不揭示引用的原因，而后者涉及定性分析。换言之，高引用次数可能表明该领域其他人注意到了申请人的工作，但并不能确认其工作以使其有能力推进的方式影响或推进了该领域。
关于对申请人作品引用的定性分析，记录包含数篇引用其论文（例如其题为[已隐去]的论文）的文章的部分副本。这些文章包含引用文本，申请人主张这些文本凸显了其论文的影响。虽然本办公室同意申请人的观点，即这些引用表明其同事和同行对其研究有一定程度的兴趣，但该证据不足以证明存在使其有能力的关注程度或研究成功记录。记录中的文章在引言部分作为当前研究概述的一部分将其工作引为领域内研究的一个例子，但均未以表明其有能力推进拟议工作的方式突出或评论其研究。
关于申请人的教育背景，虽然其硕士学位使其符合基础 EB-2 签证分类资格，但她未表明其学术成就本身足以证明其有能力推进拟议工作。在 Dhanasar 中，记录确立该申请人持有多个研究生学位，包括「机械工程和应用物理学两个理学硕士学位，以及工程学博士学位」。Id. at 891。本办公室在确定申请人是否有能力推进其拟议工作时考虑多种因素，教育仅是可能促成此类认定的众多因素之一。
关于其同行评审活动，申请人提交的文件表明她为[已隐去]和[已隐去]审阅了稿件。此外，她提供了邀请她为「IEEE/CVF Conference on Computer Vision and Pattern Recognition」和「International Conference on Pattern Recognition」审阅论文的电子邮件，但她未提交证据表明她完成了这两个会议的审阅。无论如何，她未表明其参与广泛同行评审过程的程度和频率构成其领域的成功记录，或以其他方式表明其有能力推进其研究事业。
记录表明申请人在其职业生涯中已开展、发表和展示研究，但她未表明该工作使其有能力推进其拟议研究。虽然本办公室认识到研究必须以某种方式为知识库增添信息才能被接受发表、展示、资助或获得学术学分，但并非每位开展过原创研究的个人都会被认定有能力推进其拟议工作。相反，本办公室审查 Dhanasar 中列出的因素，以确定例如该个人在实现拟议研究目标方面的进展、在类似工作中的成功记录或在相关方中引起的兴趣是否支持此类认定。Id. at 890。然而，申请人未充分证明其工作构成机器学习研究的成功或进展记录，从而使其有能力推进拟议工作。由于申请人未证明其有能力推进其拟议研究事业，她未确立其符合 Dhanasar 框架的第二项要素。
C. 整体而言豁免是否有利于美国
第三项要素要求申请人证明，整体而言，豁免工作要求进而豁免劳工证将有利于美国。Id. at 890-91。在进行此分析时，本办公室可评估以下因素：鉴于该个人资格或拟议工作的性质，其获得工作邀请或取得劳工证是否不切实际；即使假设其他合格的美国工人可用，美国是否仍将从其贡献中受益；以及其贡献的国家利益是否足够紧迫，以致值得放弃劳工证程序。Id. 在每起案件中，所考虑的因素必须综合起来确立：整体而言，豁免工作要求进而豁免劳工证将有利于美国。Id. at 891。
在拒绝该申请时，SCOPS 的裁决指出，申请人未表明「其知识或技能不易在劳工证中阐明」。SCOPS 的裁决进一步指出：
自我申请人未表明其自身贡献存在紧迫的国家利益。自我申请人未提交充分证据表明劳工证程序限制其在该领域工作或通过出版物或演讲传播其知识的能力。自我申请人未证明其通过拟议工作为美国带来的利益超过劳工证程序本身固有的利益。此外，自我申请人未表明其贡献具有如此价值，以致即使其他合格的美国工人可用，整体而言仍将有利于国家。
在上诉中，申请人主张「劳工证的要求将阻碍或延迟其与美国机构的合作，限制其具有国家重要性的工作的推进」。然而，申请人未具体解释其在[已隐去]的职位如何阻止其参与此类研究合作，或为何其雇主无法代表其提交劳工证。记录表明，申请人自 2024 年 11 月加入[已隐去]以来一直维持其研究合作并继续发表研究。此外，其 2025 年 5 月的补件通知回复明确表示，她「正在与学术伙伴进行持续合作的研究」。该信息削弱了其关于获得劳工证不切实际的主张。
此外，申请人指出其旨在开发「一种新颖且全面的基础机器学习模型解耦方法」的工作具有紧迫的国家利益，并指出其研究贡献的益处。她主张自己是「美国科学界的极其宝贵资源」，且「在高度专业化的领域拥有丰富的知识、专长和技能」。
对于 Dhanasar 的第三项要素，本办公室评估拟议工作与有能力推进该工作的个人综合起来，是否为国家带来如此利益，以致豁免劳工证要求超过该要求通常带来的利益。在此，申请人未证明其有能力推进拟议工作，或其机器学习贡献超越劳工证程序固有的保护国内劳动力供应的利益。
虽然记录包含关于旨在机器学习与可信 AI 的研究之益处的信息，但该文件不足以表明豁免工作要求进而豁免劳工证要求更能服务于国家利益。劳工证程序旨在确保外国工人的入境不会对美国工人的就业机会、工资和工作条件产生不利影响。本办公室承认申请人在 STEM 领域（电气工程）的硕士学位、研究经验以及与机器学习相关的发现。然而，综合证据不足以表明国家利益豁免超过劳工证程序固有的利益。
申请人未表明其贡献具有如此价值，以致整体而言，即使假设其他合格的美国工人可用，豁免工作要求与劳工证要求也将有利于美国。
III. 结论
由于申请人未满足 Dhanasar 分析框架所要求的第二项和第三项要素，本办公室认定其未确立符合资格或以其他方式值得行使裁量权批准国家利益豁免。基于上述理由，上诉将被驳回，每项理由均作为本裁决的独立和替代依据予以考虑。
裁定
上诉驳回。
通知：本裁决构成该事项的最终决定。提交动议不会推迟裁决的效力。8 C.F.R. § 103.5(a)(1)(iv)。非法居留或 otherwise inadmissible or deportable 的外国人，可能因签发 I-862 表格（出庭通知）而依据《移民与国籍法》第 240 条面临遣返程序。该程序可能导致其被驱逐出美国，并可能使其未来无法获得签证或其他移民福利。
