在時隔 14 年之后，有著「統(tǒng)計學(xué)諾貝爾獎」之稱的考普斯獎（COPSS Presidents' Award），又一次迎來了華人得主。

2026 年考普斯獎頒給了「北大校友、現(xiàn)賓夕法尼亞大學(xué)副教授蘇煒杰」。

獎項委員會給他的評語是，「為大語言模型的多項應(yīng)用建立了嚴格的統(tǒng)計基礎(chǔ)；在隱私保護數(shù)據(jù)分析方面取得突破性進展，并成功應(yīng)用于 2020 年美國人口普查；設(shè)計了 AI 頂級會議的同行評審機制，并于 ICML 2026 正式落地；在凸優(yōu)化領(lǐng)域開展了奠基性研究；以及在深度學(xué)習(xí)的數(shù)學(xué)理論與高維統(tǒng)計推斷方面作出了廣泛而深遠的貢獻?！?/p>

作為國際統(tǒng)計學(xué)和數(shù)據(jù)科學(xué)領(lǐng)域的最高榮譽，考普斯獎的地位相當于數(shù)學(xué)界的菲爾茲獎，每年只頒發(fā)給一位年齡在40 歲以下的統(tǒng)計學(xué)家。該獎項由五大頂級統(tǒng)計學(xué)會（國際數(shù)理統(tǒng)計學(xué)會 IMS、美國統(tǒng)計學(xué)會 ASA、加拿大統(tǒng)計學(xué)會 SSC 及美國東西部生物統(tǒng)計學(xué)會 ENAR 與 WNAR）共同評選，旨在表彰對統(tǒng)計學(xué)理論、方法或應(yīng)用做出杰出貢獻的學(xué)者。

在歷史上，考普斯獎的獲得者幾乎都是后來定義了該領(lǐng)域的宗師級人物。

統(tǒng)計學(xué)是華人的優(yōu)勢學(xué)科，曾有多位華人獲得考普斯獎，包括近期回國的美國國家科學(xué)院院士、哈佛統(tǒng)計教授劉軍（現(xiàn)清華大學(xué)統(tǒng)計與數(shù)據(jù)科學(xué)系創(chuàng)系主任）；哈佛大學(xué)文理研究生院院長孟曉犁；賓夕法尼亞大學(xué)沃頓商學(xué)院前副院長蔡天文；哈佛大學(xué)統(tǒng)計系終身教授寇星昌等人。

不過，最近 14 年來沒有華人獲得過考普斯獎，蘇煒杰是 14 年來第一位華人得主。

蘇煒杰

蘇煒杰現(xiàn)任教于賓夕法尼亞大學(xué)沃頓商學(xué)院統(tǒng)計與數(shù)據(jù)科學(xué)系，同時在數(shù)學(xué)系、計算機系擔(dān)任兼職，賓大機器學(xué)習(xí)研究中心聯(lián)合主任。

2016 年，蘇煒杰從斯坦福大學(xué)博士畢業(yè)后，未經(jīng)博士后階段便直接加入這所常青藤名校。

在人才培養(yǎng)方面，他已指導(dǎo)多名學(xué)生走上學(xué)術(shù)道路，目前分別任教于北京大學(xué)、清華大學(xué)、廈門大學(xué)等國內(nèi)一流高校。

在學(xué)術(shù)榮譽方面，蘇煒杰此前已獲得多項重量級獎項與認可，包括首屆斯坦福大學(xué) Anderson 博士論文獎、美國 NSF CAREER 獎、斯隆研究獎、國際數(shù)理統(tǒng)計學(xué)會 Peter Hall 早期職業(yè)獎、首屆 SIAM 數(shù)據(jù)科學(xué)青年獎、國際基礎(chǔ)科學(xué)大會 ICBS 數(shù)學(xué)前沿論文獎、國際數(shù)理統(tǒng)計學(xué)會會士及 Medallion 講座、中國數(shù)學(xué)發(fā)展述評暨中青年學(xué)術(shù)研討會杰出青年獎。

從高中到本科，一路開掛

蘇煒杰的學(xué)術(shù)軌跡，早在中學(xué)階段便已顯露鋒芒。

高一時，他代表浙江省參加中國數(shù)學(xué)奧林匹克競賽并獲得銀牌，隨即被保送進入清華大學(xué)數(shù)理基科班，成為余姚中學(xué)建校以來首位獲得該資格的學(xué)生，這一經(jīng)歷在浙江寧波地區(qū)引發(fā)廣泛關(guān)注。

高三階段，蘇煒杰在中國數(shù)學(xué)奧林匹克競賽中獲得金牌，并由此保送進入北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院，同時入選中國 IMO 國家集訓(xùn)隊。

2007 年至 2011 年，蘇煒杰就讀于北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院基礎(chǔ)數(shù)學(xué)專業(yè)，以年級第一的成績畢業(yè)。其同級同學(xué)中，包括王虹、鄧煜、唐云清等后來在國際數(shù)學(xué)界嶄露頭角的青年學(xué)者。該年級也被國內(nèi)數(shù)學(xué)愛好者稱為北大數(shù)院的黃金二代或白金一代。與部分同學(xué)繼續(xù)深耕純數(shù)學(xué)不同，蘇煒杰選擇了應(yīng)用數(shù)學(xué)與統(tǒng)計方向，并在隨后獲統(tǒng)計與數(shù)據(jù)科學(xué)的最高榮譽，被認為在應(yīng)用數(shù)學(xué)方向補齊了這一代數(shù)學(xué)人才的版圖。

本科期間，他獲得首屆丘成桐大學(xué)生數(shù)學(xué)競賽全能金獎，除純數(shù)學(xué)基礎(chǔ)外，蘇煒杰在應(yīng)用數(shù)學(xué)領(lǐng)域的潛力亦較早顯現(xiàn)。本科階段，他曾多次在數(shù)學(xué)建模競賽中獲獎。2010 年，他與同學(xué)組隊參加美國大學(xué)生數(shù)學(xué)建模競賽（MCM/ICM），獲得中國大陸賽區(qū)第一名。

蘇煒杰在斯坦福的科研突破

2011 年至 2016 年，蘇煒杰在斯坦福大學(xué)攻讀博士學(xué)位，期間獲得斯坦福大學(xué)最高級別獎學(xué)金。同時，他亦收到了來自哈佛大學(xué)、麻省理工學(xué)院、普林斯頓大學(xué)等多所世界頂尖高校的博士錄取通知。

博士期間，蘇煒杰師從美國國家科學(xué)院院士、Waterman 獎獲得者、麥克阿瑟天才獎得主 Emmanuel Candes（他與 Terence Tao 共同開創(chuàng)壓縮感知領(lǐng)域）。博士初期研究壓縮感知（compressed sensing）。在深度學(xué)習(xí)興起之前，2010 年代初壓縮感知是機器學(xué)習(xí)和應(yīng)用數(shù)學(xué)最熱門的研究方向。

在斯坦福期間，蘇煒杰還與優(yōu)化領(lǐng)域國際知名學(xué)者 Stephen Boyd 展開合作，并曾在微軟研究院硅谷分院實習(xí)，師從美國兩院院士、G?del 獎和 Dijkstra 獎獲得者 Cynthia Dwork 。

博士畢業(yè)時，蘇煒杰憑借其博士論文獲得斯坦福統(tǒng)計系最高論文獎 Anderson 畢業(yè)論文獎。

2016 年博士畢業(yè)后，蘇煒杰未經(jīng)過博士后階段，即直接受聘于賓夕法尼亞大學(xué)沃頓商學(xué)院執(zhí)教，成為少數(shù)在博士畢業(yè)當年即進入常青藤名校任教的青年學(xué)者之一。

學(xué)術(shù)成就

蘇煒杰的研究以嚴謹?shù)臄?shù)學(xué)推導(dǎo)為基石，通過構(gòu)建原創(chuàng)性的理論框架研究深度學(xué)習(xí)泛化性、大模型可信對齊、隱私保護計算以及學(xué)術(shù)評審機制設(shè)計等一系列前沿難題。

人工智能領(lǐng)域的數(shù)學(xué)領(lǐng)軍人物

蘇煒杰是極少數(shù)數(shù)學(xué)出身卻深度活躍于人工智能前沿的學(xué)者。2026 年，他受邀擔(dān)任國際頂級 AI 會議 ICML 的學(xué)術(shù)誠信主席（Scientific Integrity Chair），主導(dǎo)制定了 AI 時代的會議審稿政策，總攬超過 24,000 篇論文的審稿進程，彰顯其在國際 AI 學(xué)術(shù)界的核心影響力。

大模型的統(tǒng)計與優(yōu)化理論基礎(chǔ)

大模型的可信部署是當前人工智能的核心挑戰(zhàn)，涉及生成內(nèi)容的可追溯性與人類偏好對齊。蘇煒杰團隊系統(tǒng)性地將這一類關(guān)鍵問題形式化為嚴謹?shù)慕y(tǒng)計框架，發(fā)展出最優(yōu)的水印檢測假設(shè)檢驗方法，并提出了首個能完全保證人類偏好對齊的無偏正則化方案。他獨作討論大模型的統(tǒng)計基礎(chǔ)的論文在 X 上引發(fā)廣泛討論；近期提出的矩陣結(jié)構(gòu)優(yōu)化器分析框架同樣在學(xué)術(shù)社區(qū)引起熱烈關(guān)注。

論文地址：https://arxiv.org/pdf/2505.19145

論文地址：https://arxiv.org/pdf/2511.00674

隱私保護機器學(xué)習(xí)的理論突破

隨著深度學(xué)習(xí)對敏感數(shù)據(jù)的依賴日益加深，如何在保護隱私的同時維持模型性能已成為核心難題。蘇煒杰與其學(xué)生提出的高斯差分隱私（GDP）框架能夠精確刻畫每次迭代的隱私損耗，并實現(xiàn)了隱私保護與模型準確率的最優(yōu)平衡（參見「」）。該框架的里程碑式應(yīng)用是 2020 年美國人口普查 —— 迄今全球規(guī)模最大的差分隱私實踐。研究表明，在相同隱私保護水平下，噪聲方差可降低約 15%，顯著提升人口普查數(shù)據(jù)在經(jīng)濟學(xué)與社會學(xué)研究中的應(yīng)用價值。該成果發(fā)表于《美國國家科學(xué)院院刊》（PNAS）。

地址：https://www.pnas.org/doi/abs/10.1073/pnas.2500337122

AI 學(xué)術(shù)評審的機制設(shè)計

面對 AI 頂會投稿量激增與審稿質(zhì)量下滑的雙重困境，蘇煒杰提出的保序機制（Isotonic Mechanism）開創(chuàng)了 "作者參與評審" 的全新范式。該機制要求作者對自己的多篇投稿進行質(zhì)量排序，并在博弈論框架下嚴格證明了其激勵相容性。即如實匯報排序是作者的最優(yōu)策略。這一設(shè)計將原本對立的作者與審稿人轉(zhuǎn)化為信息互補的合作方，已于 2026 年正式在 ICML 投入使用（參見「」）。

論文地址：https://arxiv.org/pdf/2110.14802

凸優(yōu)化加速算法的理論奠基

蘇煒杰在最優(yōu)化理論上的開創(chuàng)性工作，將離散的凸優(yōu)化加速算法納入連續(xù)微分方程的分析框架，系統(tǒng)性地在數(shù)值分析與最優(yōu)化這兩大領(lǐng)域之間建立了深刻的數(shù)學(xué)聯(lián)系。這一成果已成為應(yīng)用數(shù)學(xué)界的教科書級經(jīng)典。2018 年國際數(shù)學(xué)家大會（ICM）上，機器學(xué)習(xí)泰斗、中國科學(xué)院外籍院士 Michael Jordan 在其一小時大會報告中對此作重點介紹。值得注意的是，OpenAI 研究員 Ernest Ryu 近期的突破性 AI for Math 成果正是基于蘇煒杰的優(yōu)化分析框架（參見「」）。

深度學(xué)習(xí)理論的數(shù)學(xué)解釋

深度神經(jīng)網(wǎng)絡(luò)的優(yōu)良泛化性能長期缺乏嚴格的理論解釋，其高度非凸、非光滑的特性使得數(shù)學(xué)分析極為困難。蘇煒杰團隊提出的層間剝離模型另辟蹊徑，將網(wǎng)絡(luò)部分層視為整體并聚焦于特征與參數(shù)的相互作用，不僅為 "神經(jīng)坍縮" 現(xiàn)象提供了嚴格的數(shù)學(xué)證明，更從純理論分析中預(yù)測出全新的 "非均衡坍縮" 現(xiàn)象，即在樣本不平衡時，少數(shù)類特征會被擠壓聚攏。這是深度學(xué)習(xí)領(lǐng)域極為罕見的理論驅(qū)動型發(fā)現(xiàn)，相關(guān)成果有兩篇發(fā)表于 PNAS（參見「」）。

地址：https://www.pnas.org/doi/10.1073/pnas.2103091118

地址：https://www.pnas.org/doi/10.1073/pnas.2221704120

參考鏈接：https://community.amstat.org/copss/awards/presidents

? THE END

文章來源：機器之心。