核心人事动态 - OpenAI已确认聘请清华大学姚班校友、加州大学伯克利分校EECS助理教授陈立杰加盟，负责数学推理方向 [1][2] - 陈立杰近期研究方向聚焦于扩散语言模型，紧跟生成模型的重要演进路线 [7] - OpenAI在去年9月发表的出圈论文《Why Language Models Hallucinate》中，引用了陈立杰参与的另一篇关于大模型幻觉的研究 [4] 个人背景与学术成就 - 陈立杰出生于1995年，16岁时获得全国信息学奥赛金牌并被保送清华大学，是清华大学“姚班”知名校友 [10] - 其竞赛生涯成绩斐然，曾多次在全国信息学联赛、冬令营及中国队选拔赛中获全场第一名 [12] - 本科期间即在AAAI、AAMAS、COLT、CCC等重要计算机会议上发表多篇论文，并开始系统性研究计算复杂性理论 [15] - 大三下学期赴MIT交流，师从著名学者Scott Aaronson研究量子复杂性，并解决了量子信息领域一个自2002年提出的开放性问题 [16][19] - 2017年，作为中国首位本科生在计算机科学基础年度研讨会发表论文，解决了计算复杂性领域的重要问题 [20] - 同年从清华姚班毕业，赴MIT攻读博士学位，师从Ryan Williams，研究方向集中于计算复杂性理论与细粒度复杂度理论 [21][22] - 博士期间多次在FOCS、STOC等顶级理论计算机会议发表论文，并获得2019年STOC和FOCS最佳学生论文奖等重要学术荣誉 [23][24] - 2022年从MIT获得博士学位，随后加入UC Berkeley Miller研究所担任米勒博士后研究员，该职位每年仅授予少数杰出青年学者 [23] - 2024年，其一篇关于《复杂性下界的逆向数学》的论文为困扰学界近50年的一类计算复杂性难题带来新思路 [23] - 2025年，正式加入加州大学伯克利分校EECS系担任助理教授，并成为伯克利理论计算机科学团队成员，主讲研究生课程《Computational Complexity Theory》 [10][26] 研究方向与兴趣 - 主要研究方向包括P与NP、电路复杂性、细粒度复杂性、去随机化、算法下界等理论计算机科学核心问题 [27] - 在去随机化与复杂性下界之间的联系、复杂性难度放大等方向做出了系统性贡献 [28] - 研究兴趣广泛，致力于将理论计算机科学的思想应用于量子物理和AI安全等其他科学领域 [9][29] - 其个人研究主页显示，他关注如何应用理论计算机科学的思想为AI系统建立安全保证 [9]