中国政策档案 Governance Archive HOLDINGS 234,846 · FONDS 122
Record · qbitai ACC. 900073964

Yao Class Legend Chen Lijie Joins OpenAI: Admitted to Tsinghua at 16, Becomes UC Berkeley Assistant Professor at 30

姚班传奇陈立杰入职OpenAI!16岁保送清华,30岁拿下UC伯克利助理教授

Issuer
Date
2026-01-15
Instrument
other
Cited by
0
This news article reports that Chen Lijie, a renowned graduate of Tsinghua University's Yao Class and former UC Berkeley assistant professor, has joined OpenAI to work on mathematical reasoning, highlighting his exceptional academic and research career in theoretical computer science.
Full text · 原文 2,071 字
henry 发自 凹非寺<br> 量子位 | 公众号 QbitAI<br> 最新消息:姚班大神陈立杰,加盟OpenAI了。<br> 据“Top华人社消息”,OpenAI内部确认:清华姚班天才、UC伯克利EECS助理教授陈立杰已加盟OpenAI,负责数学推理!<br> 值得一提的是,OpenAI 在去年 9 月发表的出圈论文《Why Language Models Hallucinate》中,也引用了陈立杰参与的另一篇研究《Why and How LLMs Hallucinate: Connecting the Dots with Subsequence Associations》。<br> 与此同时,陈立杰近期参与的最新研究方向也十分“当下”,聚焦于扩散语言模型(Diffusion Language Models),紧跟当前生成模型的重要演进路线。<br> 截至目前,陈立杰主页未有更新。<br> 陈立杰是谁?<br> 陈立杰出生于1995年,16岁时获得全国信息学奥赛金牌(NOI),被保送进入清华大学,是清华大学 “姚班” 的知名校友,长期从事理论计算机科学研究。<br> 2025年,陈立杰正式入职加州大学伯克利分校(UC Berkeley)电气工程与计算机科学系(EECS),担任助理教授,并成为伯克利理论计算机科学团队(Berkeley Theory Group) 成员,主要从事计算复杂性理论相关研究。<br> 回顾陈立杰的教育经历和职业生涯,堪称开挂般的经历。<br> 他自初中起参加信息学竞赛,是信息学奥赛(OI)圈内的传奇选手之一:<br> 2011年11月:全国信息学联赛(NOIP 2011)浙江赛区,第1名<br> 2012年2月:全国信息学冬令营(WC 2012),全场第1名<br> 2013年2月:全国信息学冬令营(WC 2013),全场第1名<br> 2013年4月:中国队选拔赛(CTSC 2013),全场第1名<br> 2013年7月:国际信息学奥林匹克竞赛(IOI 2013),第1名(金牌)<br> ……<br> 2013 年,陈立杰从杭州外国语学校毕业,高三时曾以专注学业为由拒绝谷歌实习邀请。同年,他凭借竞赛成绩获得清华大学保送资格。<br> 进入清华大学姚班后,陈立杰逐步将重心从竞赛转向科研。<br> 本科期间,他在AAAI、AAMAS、COLT、CCC等计算机领域重要会议上发表多篇论文,并开始系统性地投入 计算复杂性理论研究。<br> 大三下学期,他前往MIT交流学习,师从著名理论计算机与量子信息学者Scott Aaronson,研究量子复杂性。<br> 在MIT访学期间,他解决了量子信息学者John Watrous于2002年提出的一个open problem。<br> 值得一提的是,Scott Aaronson教授后来于2022年加入OpenAI,从事AI 安全的理论基础研究。<br> 2017 年,陈立杰在计算机科学基础年度研讨会(FOCS) 上发表论文,解决了计算复杂性领域的重要问题,成为首位在 FOCS 上发表论文的中国本科生。<br> 同年,他从清华姚班毕业,赴MIT攻读计算机科学博士学位。<br> 博士期间,陈立杰师从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。<br> 期间,他曾多次在FOCS、STOC等理论计算机顶级会议发表论文,获得FOCS最佳学生论文奖等重要学术荣誉,包括:<br> 2019年STOC最佳学生论文<br> 2019年FOCS最佳学生论文<br> 2022 年,陈立杰从MIT获得博士学位,随后加入UC Berkeley Miller研究所,担任Miller Postdoctoral Fellow(米勒博士后研究员)。<br> Miller Fellowship 每年仅授予少数杰出青年学者,他在伯克利期间的合作导师包括Avishay Tal以及量子计算奠基人Umesh V. Vazirani。<br> 2024年,陈立杰一篇名为《复杂性下界的逆向数学》更是给困扰学界近 50 年的一类计算复杂性难题带来新思路。<br> 2025年,他正式加入UC Berkeley,成为EECS助理教授,并开始主讲研究生课程 《Computational Complexity Theory》。<br> 目前,陈立杰的主要研究方向包括P与NP、电路复杂性、细粒度复杂性、去随机化(Derandomization)、算法下界等理论计算机科学核心问题。<br> 他在去随机化与复杂性下界之间的联系、复杂性难度放大(Hardness Magnification)等方向做出了系统性贡献。<br> 此外,他也开始将复杂性理论的方法引入量子物理与AI安全等前沿领域。<br> 现在,在OpenAI明确开启AI4S的探索方向后,陈立杰成了OpenAI一员。<br> 不过陈立杰一如既往保持着低调,在他个人的各个平台,依然还是最新的论文成果消息。<br> 参考资料:<br> [1]https://www.tsinghua.org.cn/info/1953/13913.htm<br> [2]https://chen-lijie.github.io/documents/CV.pdf<br> [3]https://chen-lijie.github.io/