AAO 案例分析：机器学习 - 原创贡献证据不足¶
写在前面
作者小红书： 地平线：@-地平线- ｜山雪：@Mount Snow
AAO 是什么？ 行政上诉办公室（Administrative Appeals Office），负责审理移民申请的上诉案件。
案件流程：申请人提交 I-140 → USCIS 服务中心主任（Director，即移民官）初审 → 可能发 RFE（补充证据请求）→ Director 做出决定 → 如被拒，申请人可上诉至 AAO → AAO 进行 de novo 审查（全面重新审查）→ 做出最终决定（驳回/批准/发回重审）。
本文价值：通过分析 AAO 的裁决逻辑，帮助未来申请人避免类似错误，优化证据策略。
案件概要¶
一位机器学习研究科学家申请 EB1A 杰出人才移民。他声称自己是少数顶尖的语音识别专家，尤其擅长开发用于训练语音识别系统的无监督或弱监督英语语音数据。在申请中，他最初声称满足三项标准：评审、原创贡献和学术文章。USCIS 在发出 RFE 后，认为他只满足了评审和学术文章两项，因此拒绝了申请。申请人上诉后，AAO 通过 de novo 审查，认定申请人新提交的高薪证据满足了第三项标准，从而推翻了 USCIS 的决定。然而，AAO 指出，满足三项标准只是第一步，最终的“卓越才能”认定（Final Merits Determination）仍需 USCIS 在重审时完成。本案的核心教训在于，申请人最初对“原创贡献”的证据准备不足，导致申请被拒，虽然通过上诉补充了其他标准，但整个过程耗时耗力。
基本信息¶
| 字段 | 内容 |
|---|---|
| 案件编号 | 31861544 |
| 审理中心 | Texas Service Center |
| 申请人身份 | 机器学习研究科学家 |
| 决定日期 | 2024-07-11 |
| 决定类型 | 上诉 |
| 结果 | 发回重审 |
| 声称标准 | 评审 (iv), 原创贡献 (v), 学术文章 (vi), 高薪 (ix) |
| 通过标准 | 评审 (iv), 学术文章 (vi), 高薪 (ix) |
| 失败标准 | 原创贡献 (v) |
| Final Merits | 未评估 |
深度分析¶
1. Kazarian 两步分析框架的应用¶
本案是 Kazarian 两步分析法的典型应用案例。AAO 明确指出，其审查分为两步：
AAO 关于 Kazarian 两步分析的解释
“首先，申请人可以通过一项一次性成就（即一项主要的、国际公认的奖项）来证明其成就在该领域得到认可。如果申请人未提交此类证据，则必须提供足够的合格文件，满足 8 C.F.R. § 204.5(h)(3)(i)-(x) 中列出的十项标准中的至少三项。... 如果申请人满足了这些初步证据要求，我们随后将在最终的卓越才能认定中考虑所提供材料的整体情况，并评估记录是否显示出持续的国内或国际赞誉，并证明该个人处于该领域努力的顶尖小部分人群中。”
第一步：满足至少三项标准 - USCIS 的认定：Director 认为申请人只满足了两项标准：评审 (iv) 和学术文章 (vi)。 - AAO 的重新认定：AAO 在 de novo 审查中，重点审查了申请人上诉时补充的“高薪 (ix)”证据，并认定其满足了该标准。因此，申请人满足了评审 (iv)、学术文章 (vi) 和高薪 (ix) 这三项标准，成功通过了第一步。
第二步：最终的卓越才能认定 (Final Merits Determination) - AAO 的决定：AAO 明确指出，满足三项标准并不等于自动批准。它拒绝在上诉中直接做出最终认定，而是将案件发回 USCIS 重审。
AAO 关于最终认定的说明
“授予第三项初步标准并不足以确立该分类的资格，也不足以支持该申请的批准。... USCIS 必须确定记录是否确立了持续的国内或国际赞誉以及公认的成就，足以将申请人置于其领域顶尖的小部分人群中。... 我们拒绝在首次审查中做出最终的卓越才能认定。因此，我们将案件发回重审。”
2. 各项标准的详细分析¶
(iv) 评审经历 - 成功满足¶
申请人作为机器学习领域的专家，参与了学术会议的论文评审。USCIS 和 AAO 均认可此证据。这表明，对于科研人员而言，担任同行评审是证明其专业地位和认可度的有力证据。
(vi) 学术文章 - 成功满足¶
申请人作为第一作者在顶级会议（如 ICML, NeurIPS）上发表了多篇论文。这些论文被广泛引用，证明了其在学术界的影响力。AAO 和 USCIS 均认可此标准。
(v) 原创贡献 - 失败的核心原因¶
这是本案最初被拒的关键。申请人声称其开发的无监督语音数据生成方法是“具有重大意义的原创贡献”，但证据不足。 - 问题所在：申请人可能只提供了论文本身，而缺乏外部证据来证明其贡献的“重大意义”（major significance）。例如，缺乏行业领袖的推荐信详细阐述该技术如何改变了领域实践，或缺乏该技术被广泛采用、商业化或在其他研究中被大量引用的证据。 - AAO 的逻辑：AAO 在审查时，虽然没有详细分析此项（因为已通过其他标准），但 USCIS 的拒绝和 AAO 的发回重审都暗示，如果仅凭最初的证据，此项标准是站不住脚的。这凸显了“原创贡献”标准的高门槛。
(ix) 高薪 - 上诉成功的关键¶
这是申请人通过上诉补充并成功满足的标准。 - 证据构成： 1. 过往高薪：2021 年 W-2 表格显示总收入为 $351,289.74。 2. 未来高薪：与美国雇主签订的雇佣协议，年薪 $180,000，外加奖金和股票期权。 3. 对比数据：提交了美国劳工统计局（BLS）关于加州软件开发者平均薪资的数据（$146,770）。 - AAO 的分析：AAO 明确指出，USCIS 之前认为对比数据“不可读”是错误的。AAO 重新审查后认为，申请人的薪资远高于行业平均水平，因此满足了“高薪”标准。
AAO 关于高薪标准的分析
“USCIS 并未将‘已经获得’一词解释为个人必须已经赚取了该薪资或报酬。因此，一份可信的合同或工作邀约，显示预期的薪资或报酬，可以证明该人有能力获得该薪酬。... 申请人 2021 年的 W-2 表格提供了充分证据，证明申请人‘已经获得’了研究工程师的薪资... 申请人 2021 年 11 月的雇佣协议进一步证明了其作为首席工程师的预期薪资可以与记录中的薪资数据进行比较。”
3. 可借鉴的教训¶
教训一：为“原创贡献”准备“重大意义”的外部证据 - 问题：本案中，申请人最初只提交了论文，但 USCIS 认为其不足以证明贡献的“重大意义”。这是许多科研人员申请 EB1A 时的通病。 - 原因：“原创贡献”标准要求证据不仅证明你做了什么，更要证明你的工作对领域产生了重大影响。仅靠论文本身，移民官可能认为这只是常规的学术产出。 - 建议：未来申请人应系统性地收集外部证据来佐证贡献的“重大意义”。这包括： 1. 行业领袖推荐信：邀请领域内的知名专家（最好是美国专家）撰写详细的推荐信，具体说明你的技术如何解决了关键问题、被如何应用、带来了什么变革。 2. 引用和采用证据：提供论文的高引用数据（尤其是来自工业界的引用），或提供技术被知名公司、研究机构采用的证明（如开源项目的 star 数、下载量、合作邮件等）。 3. 媒体报道：寻找专业媒体对你工作的报道，强调其创新性和影响力。
教训二：善用“高薪”标准作为补充或替代 - 问题：申请人最初只声称了三项标准，其中“原创贡献”证据薄弱，导致申请被拒。 - 原因：申请人可能低估了“高薪”标准的适用性，或者认为自己的薪资不够突出。 - 建议：对于在科技行业（尤其是 AI、机器学习）的申请人，高薪是一个非常有力且相对容易证明的标准。务必： 1. 收集完整的薪酬证明：包括过往的 W-2、工资单、雇佣合同、股票期权协议等。 2. 获取权威的对比数据：使用 BLS、Glassdoor、Payscale 等官方或权威平台的数据，证明你的薪资远高于同地区、同职位的平均水平。 3. 考虑未来薪资：即使当前薪资未达顶尖，一份高薪的未来雇佣合同也能满足标准。本案中，申请人的未来年薪 $180,000 虽然高于 BLS 的 $146,770，但并非天价，却成功满足了标准，这说明“显著高于”是关键。
教训三：上诉是纠正错误的有效途径，但不应是首选策略 - 问题：本案申请人因证据不足被拒，不得不走上诉之路。 - 原因：USCIS 的初审有时存在误判，但上诉过程耗时漫长（本案从申请到 AAO 决定已超过两年），且结果不确定。 - 建议：在首次提交 I-140 时，就应力求证据扎实、全面。与其在 RFE 或拒信后补充证据，不如在首次申请时就预判可能的质疑点，提前准备。例如，如果“原创贡献”证据较弱，可以同时准备“高薪”或“重要奖项”等其他标准作为备选方案。
4. 总结¶
本案是一个典型的“先败后胜”的 EB1A 上诉案例。申请人最初因“原创贡献”证据不足被拒，但通过上诉补充了“高薪”证据，成功满足了三项标准，迫使 AAO 发回重审。这充分说明了： 1. Kazarian 第一步的灵活性：十项标准中，申请人可以根据自身情况选择最有力的三项进行组合，不必死磕某一项。 2. 证据质量至关重要：尤其是“原创贡献”这类主观性强的标准，必须提供强有力的外部佐证。 3. 高薪是科技领域申请人的利器：对于薪资有竞争力的申请人，应积极利用此标准，它比“原创贡献”更容易量化和证明。
最终，案件被发回 USCIS 进行最终的卓越才能认定。申请人虽然通过了第一步，但能否最终获批，仍取决于 USCIS 对其整体成就的评估。这提醒我们，EB1A 申请是一个系统工程，每一步都需要精心策划。
标签¶
EB1A AAO 机器学习 原创贡献 高薪 Kazarian 发回重审