蘇煒杰獲2026「統計學諾獎」考普斯獎，14年來首位華人得主

在時隔 14 年之后，有著「統計學諾貝爾獎」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、現賓夕法尼亞大學副教授蘇煒杰」。

獎項委員會給他的評語是，「為大語言模型的多項應用建立了嚴格的統計基礎；在隱私保護數據分析方面取得突破性進展，并成功應用于 2020 年美國人口普查；設計了 AI 頂級會議的同行評審機制，并于 ICML 2026 正式落地；在凸優化領域開展了奠基性研究；以及在深度學習的數學理論與高維統計推斷方面作出了廣泛而深遠的貢獻。」

作為國際統計學和數據科學領域的最高榮譽，考普斯獎的地位相當于數學界的菲爾茲獎，每年只頒發給一位年齡在40 歲以下的統計學家。該獎項由五大頂級統計學會（國際數理統計學會 IMS、美國統計學會 ASA、加拿大統計學會 SSC 及美國東西部生物統計學會 ENAR 與 WNAR）共同評選，旨在表彰對統計學理論、方法或應用做出杰出貢獻的學者。

在歷史上，考普斯獎的獲得者幾乎都是后來定義了該領域的宗師級人物。

統計學是華人的優勢學科，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院院士、哈佛統計教授劉軍（現清華大學統計與數據科學系創系主任）；哈佛大學文理研究生院院長孟曉犁；賓夕法尼亞大學沃頓商學院前副院長蔡天文；哈佛大學統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

蘇煒杰現任教于賓夕法尼亞大學沃頓商學院統計與數據科學系，同時在數學系、計算機系擔任兼職，賓大機器學習研究中心聯合主任。

2016 年，蘇煒杰從斯坦福大學博士畢業后，未經博士后階段便直接加入這所常青藤名校。

在人才培養方面，他已指導多名學生走上學術道路，目前分別任教于北京大學、清華大學、廈門大學等國內一流高校。

在學術榮譽方面，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 Anderson 博士論文獎、美國 NSF CAREER 獎、斯隆研究獎、國際數理統計學會 Peter Hall 早期職業獎、首屆 SIAM 數據科學青年獎、國際基礎科學大會 ICBS 數學前沿論文獎、國際數理統計學會會士及 Medallion 講座、中國數學發展述評暨中青年學術研討會杰出青年獎。

從高中到本科，一路開掛

蘇煒杰的學術軌跡，早在中學階段便已顯露鋒芒。

高一時，他代表浙江省參加中國數學奧林匹克競賽并獲得銀牌，隨即被保送進入清華大學數理基科班，成為余姚中學建校以來首位獲得該資格的學生，這一經歷在浙江寧波地區引發廣泛關注。

高三階段，蘇煒杰在中國數學奧林匹克競賽中獲得金牌，并由此保送進入北京大學數學科學學院，同時入選中國 IMO 國家集訓隊。

2007 年至 2011 年，蘇煒杰就讀于北京大學數學科學學院基礎數學專業，以年級第一的成績畢業。其同級同學中，包括王虹、鄧煜、唐云清等后來在國際數學界嶄露頭角的青年學者。該年級也被國內數學愛好者稱為北大數院的黃金二代或白金一代。與部分同學繼續深耕純數學不同，蘇煒杰選擇了應用數學與統計方向，并在隨后獲統計與數據科學的最高榮譽，被認為在應用數學方向補齊了這一代數學人才的版圖。

本科期間，他獲得首屆丘成桐大學生數學競賽全能金獎，除純數學基礎外，蘇煒杰在應用數學領域的潛力亦較早顯現。本科階段，他曾多次在數學建模競賽中獲獎。2010 年，他與同學組隊參加美國大學生數學建模競賽（MCM/ICM），獲得中國大陸賽區第一名。

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攻讀博士學位，期間獲得斯坦福大學最高級別獎學金。同時，他亦收到了來自哈佛大學、麻省理工學院、普林斯頓大學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 共同開創壓縮感知領域）。博士初期研究壓縮感知（compressed sensing）。在深度學習興起之前，2010 年代初壓縮感知是機器學習和應用數學最熱門的研究方向。

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

博士畢業時，蘇煒杰憑借其博士論文獲得斯坦福統計系最高論文獎 Anderson 畢業論文獎。

2016 年博士畢業后，蘇煒杰未經過博士后階段，即直接受聘于賓夕法尼亞大學沃頓商學院執教，成為少數在博士畢業當年即進入常青藤名校任教的青年學者之一。

學術成就

蘇煒杰的研究以嚴謹的數學推導為基石，通過構建原創性的理論框架研究深度學習泛化性、大模型可信對齊、隱私保護計算以及學術評審機制設計等一系列前沿難題。

人工智能領域的數學領軍人物

蘇煒杰是極少數數學出身卻深度活躍于人工智能前沿的學者。2026 年，他受邀擔任國際頂級 AI 會議 ICML 的學術誠信主席（Scientific Integrity Chair），主導制定了 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 學術界的核心影響力。

大模型的統計與優化理論基礎

大模型的可信部署是當前人工智能的核心挑戰，涉及生成內容的可追溯性與人類偏好對齊。蘇煒杰團隊系統性地將這一類關鍵問題形式化為嚴謹的統計框架，發展出最優的水印檢測假設檢驗方法，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計基礎的論文在 X 上引發廣泛討論；近期提出的矩陣結構優化器分析框架同樣在學術社區引起熱烈關注。

論文地址：https://arxiv.org/pdf/2505.19145

論文地址：https://arxiv.org/pdf/2511.00674

隱私保護機器學習的理論突破

隨著深度學習對敏感數據的依賴日益加深，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，并實現了隱私保護與模型準確率的最優平衡（參見「」）。該框架的里程碑式應用是 2020 年美國人口普查 —— 迄今全球規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據在經濟學與社會學研究中的應用價值。該成果發表于《美國國家科學院院刊》（PNAS）。

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

AI 學術評審的機制設計

面對 AI 頂會投稿量激增與審稿質量下滑的雙重困境，蘇煒杰提出的保序機制（Isotonic Mechanism）開創了 "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策略。這一設計將原本對立的作者與審稿人轉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

凸優化加速算法的理論奠基

蘇煒杰在最優化理論上的開創性工作，將離散的凸優化加速算法納入連續微分方程的分析框架，系統性地在數值分析與最優化這兩大領域之間建立了深刻的數學聯系。這一成果已成為應用數學界的教科書級經典。2018 年國際數學家大會（ICM）上，機器學習泰斗、中國科學院外籍院士 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化分析框架（參見「」）。

深度學習理論的數學解釋

深度神經網絡的優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學分析極為困難。蘇煒杰團隊提出的層間剝離模型另辟蹊徑，將網絡部分層視為整體并聚焦于特征與參數的相互作用，不僅為 "神經坍縮" 現象提供了嚴格的數學證明，更從純理論分析中預測出全新的 "非均衡坍縮" 現象，即在樣本不平衡時，少數類特征會被擠壓聚攏。這是深度學習領域極為罕見的理論驅動型發現，相關成果有兩篇發表于 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。