波士顿当地时间8月5日下午，在美国统计协会联合统计会议（JSM 2026）上，北京大学国家发展研究院（原中国经济研究中心）2007级经济学双学位校友、宾夕法尼亚大学沃顿商学院统计与数据科学系教授苏炜杰获颁2026年度考普斯会长奖（COPSS Presidents' Award）。考普斯奖由美国统计协会、国际数理统计学会、加拿大统计学会等五大统计学会联合设立，自1976年起每年授予一位在统计学领域作出杰出贡献的青年学者，是统计学领域最高荣誉之一。国际数理统计研究所、多伦多大学等都曾在官网报道中提到，考普斯奖也被誉为“统计学的诺贝尔奖”。苏炜杰是继2012年寇星昌之后，时隔14年再次获此殊荣的华人统计学家。
苏炜杰2007年进入北京大学数学科学学院，本科期间主要接受数学训练，并于2011年毕业。在北大求学期间，他辅修了由林毅夫教授创办的中国经济研究中心（现国家发展研究院）面向全校开设的经济学双学位项目，从大二读到大四。这段经历使他不仅掌握了纯数学的严谨逻辑，更建立了从实证角度理解真实世界复杂度的经济学世界观。他曾在受访时表示：“学经济学的过程让我在理论数学的世界观之外多了一个角度，更了解真实世界的复杂度非常高，很多方面需要通过实证的方式去理解。”这一跨学科视野为他后续将博弈论、机制设计引入机器学习研究奠定了重要基础。
评委会对苏炜杰的授奖理由涵盖了生成式人工智能的统计基础、大语言模型水印与对齐、隐私保护数据分析及其在人口普查中的应用、机器学习同行评审机制、凸优化、深度学习理论及高维统计推断等多个前沿方向。
其中，他近年来围绕大语言模型的统计分析、水印与对齐机制开展的研究尤为突出。例如，针对AI生成文本的检测问题，他提出水印方案，在文本生成过程中嵌入可统计检验的结构。在大模型对齐方面，他将偏好聚合、社会选择、机制设计等经济学经典问题引入AI研究，处理人类偏好不一致的困境。此外，他与合作者提出的“保序机制”（Isotonic Mechanism），将博弈论与统计估计相结合，要求作者对自己的多篇投稿排序，并以此作为辅助信号校准同行评审结果。该机制于2026年被机器学习顶会ICML正式纳入评审流程。在差分隐私领域，他提出的新方法被用于分析2020年美国人口普查数据发布机制，在保持隐私保证的情况下将噪声注入量降低约15%至24%。
苏炜杰的研究轨迹从高维统计、凸优化逐步延伸到差分隐私、深度学习理论，再进入生成式AI和大语言模型领域。他在访谈中强调，大模型alignment绝不只是计算机科学问题，里面实际上包含了偏好聚合、社会选择、排序、福利比较、策略行为和机制设计——这些概念对于接受过经济学训练的研究者而言并不陌生。正是本科阶段辅修经济学所建立的实证思维，使他能够将博弈论与统计方法融合，设计出激励相容的评审机制。
苏炜杰已于2026年晋升为宾夕法尼亚大学沃顿商学院统计与数据科学系正教授，并宣布在学术休假期间加入OpenAI参与AI模型训练。在获奖致辞中，他特别感谢了母校北京大学：“感谢我在北京大学和斯坦福大学的老师们，他们把知识和智慧传授给了我。”他同时展望了AI时代统计学科的前景，表示只要存在数据、不确定性以及解决问题的需求，统计学就会持续发展，“AI不会削弱这一点，恰恰相反，它只会放大这一点……现在真的是成为一名统计学家的最好时代”。
北京大学国家发展研究院向苏炜杰校友致以最热烈的祝贺！
访问学者申请
EMAIL
北京大学
ENGLISH
