考普斯奖项与苏炜杰获奖 - 2026年考普斯奖（COPSS Presidents' Award）颁给了宾夕法尼亚大学副教授苏炜杰，这是时隔14年后再次有华人获得此奖项 [1][6] - 该奖项被誉为“统计学诺贝尔奖”或统计学界的菲尔兹奖，由五大顶级统计学会共同评选，每年仅授予一位40岁以下的统计学家 [4] - 奖项委员会评价苏炜杰的贡献包括：为大语言模型的多项应用建立严格的统计基础；在隐私保护数据分析方面取得突破性进展并应用于2020年美国人口普查；设计了AI顶级会议的同行评审机制；以及在凸优化、深度学习数学理论与高维统计推断方面作出广泛而深远的贡献 [2] 苏炜杰的学术背景与职业履历 - 苏炜杰现任宾夕法尼亚大学沃顿商学院统计与数据科学系副教授，同时在数学系、计算机系兼职，并担任宾大机器学习研究中心联合主任 [7] - 其教育经历：2007-2011年就读于北京大学数学科学学院基础数学专业，以年级第一毕业；2011-2016年在斯坦福大学攻读博士学位，师从美国国家科学院院士Emmanuel Candes [12][13] - 2016年博士毕业后，未经博士后阶段直接受聘于宾夕法尼亚大学沃顿商学院执教 [9][14] - 高中时期曾获中国数学奥林匹克竞赛银牌（高一）和金牌（高三），并因此保送北京大学 [11][12] 主要学术成就与研究领域 - 大模型的统计与优化理论基础：其研究将大模型可信部署的关键问题形式化为严谨统计框架，发展了最优的水印检测假设检验方法，并提出了首个能完全保证人类偏好对齐的无偏正则化方案 [18] - 隐私保护机器学习的理论突破：与其学生提出的高斯差分隐私（GDP）框架，实现了隐私保护与模型准确率的最优平衡，并成功应用于2020年美国人口普查——全球规模最大的差分隐私实践，研究表明在相同隐私保护水平下噪声方差可降低约15% [21] - AI学术评审的机制设计：提出的保序机制开创了“作者参与评审”的新范式，该机制要求作者对自己的多篇投稿进行质量排序，并严格证明了其激励相容性，已于2026年在国际顶级AI会议ICML正式投入使用 [23] - 凸优化加速算法的理论奠基：其工作将离散凸优化加速算法纳入连续微分方程分析框架，系统性地在数值分析与最优化两大领域间建立深刻数学联系，该成果已成为教科书级经典，并被OpenAI研究员近期的突破性成果所引用 [25] - 深度学习理论的数学解释：其团队提出的层间剥离模型为“神经坍缩”现象提供了严格数学证明，并从理论分析中预测出全新的“非均衡坍缩”现象 [27]