南大智能学院 陈硕 副教授
报告生成时间： 2026年8月
个人主页： https://shuochenya.github.io/ 学院页面： https://is.nju.edu.cn/cs_61626/ DBLP： https://dblp.org/pid/00/6472-3.html Google Scholar： 公开页面（学院简介称引用4000余次，本报告统计以DBLP为准）
一、学者基本信息
陈硕（Shuo Chen），南京大学智能科学与技术学院（苏州校区）副教授、博士生导师、姑苏青年教授，入选国家级高层次青年人才（海外优青类）、市级领军人才。研究方向为机器学习与模式识别，聚焦表征学习、自监督学习、弱监督学习的算法理论与应用。需要更正任务背景中的两点信息：其一，其职称为副教授而非教授（学院页面与多场学术活动介绍均为副教授）；其二，其研究主线是表征学习/度量学习/对比学习而非"大数据分析"。他是智科院从海外科研机构（日本理化学研究所）引进的青年学者代表，2025年前后入职南大。
教育与工作经历： - 2020年，南京理工大学博士毕业（博士期间获国家公派留学资助，在美国匹兹堡大学联合培养）。 - 2020-2025年，日本理化学研究所（RIKEN，日本唯一综合科学研究机构），历任博士后研究员、研究科学家、客座科学家。 - 约2025年起，南京大学智能科学与技术学院副教授（苏州校区），姑苏青年教授。
博士导师： 其南京理工大学博士阶段的导师，从其发表署名结构看，杨健、罗雷、李俊、龚晨等南理工PAMIRA/CASIA相关教师是其长期核心合作者（杨健60次合作覆盖2017-2026年全程），导师（或导师组成员）几乎必然出自其中；但公开资料未明确列示导师姓名，本报告不作单一认定。
研究主线与代表性贡献： 1. 度量学习与相似性学习：从NeurIPS 2019的《Curvilinear Distance Metric Learning》、IJCAI 2018的《Adversarial Metric Learning》到ICML 2025的《Volume-Aware Distance for Robust Similarity Learning》，构成连续七年的主线；其度量学习成果被收录于Springer教材（两项一作成果）。 2. 对比学习与自监督学习：NeurIPS 2022《Learning Contrastive Embedding in Low-Dimensional Space》、ICML 2021《Large-Margin Contrastive Learning with Distance Polarization Regularizer》、NeurIPS 2025 Spotlight《Enhancing Contrastive Learning with Variable Similarity》。 3. 弱监督学习与噪声标签学习：TPAMI 2024《Estimating Per-Class Statistics for Label Noise Learning》（与牛罡、杉山将等合作）、ECCV 2024直接蒸馏工作。 4. 子空间聚类与表征学习理论：PR/TCYB/TMM等期刊的系列子空间聚类工作。
学术服务与荣誉： 中国电子学会优秀博士论文奖、江苏省优秀博士论文奖、吴文俊人工智能科学技术奖优秀博士论文提名、日本文部科学省理研梅峰奖等；20余次担任NeurIPS/ICML/ICLR/CVPR/AAAI领域主席或高级领域主席；Neural Networks期刊编委。已主持国家自然科学基金2项、江苏省自然科学基金2项。
二、DBLP数据统计
2.1 发表记录总览
DBLP pid为00/6472-3（显示名"Shuo Chen 0003"），共收录100条发表记录（截至2026年8月）：期刊论文59篇、会议论文38篇。其中CoRR/arXiv预印本28篇。消歧说明："Shuo Chen"是DBLP中重名最严重的姓名之一——不编号的"Shuo Chen"（pid 00/6472）混收了大量远程 Sensing、生物医学、OCT等领域的同名作者；南理工/南大陈硕的正确条目为00/6472-3，本报告以其代表作（NeurIPS 2019度量学习、ICML 2021对比学习等）与合作网络（杨健、李俊、龚晨、牛罡、杉山将）双重锁定验证。学院页面称其发表论文60余篇，与DBLP去重后口径（约72篇非CoRR记录，部分与预印本重复）基本吻合。
2.2 年度产出分布
| 年份 | 论文数 | 年份 | 论文数 | 年份 | 论文数 |
|---|---|---|---|---|---|
| 2014 | 2 | 2020 | 5 | 2024 | 21 |
| 2015 | 1 | 2021 | 11 | 2025 | 21 |
| 2017 | 2 | 2022 | 8 | 2026 | 7（截至8月） |
| 2018 | 3 | 2023 | 12 | — | — |
| 2019 | 4 | — | — | — | — |
趋势分析： 2014-2018年为博士前期（年均约2篇）；2019-2020年进入成熟期；2021年起进入高产期，2021-2026年8月合计80条，占全部记录的80%。其中2024-2025年各21条为峰值，对应其理化学研究所后期至入职南大的过渡阶段。需要说明，DBLP 00/6472-3条目2014-2015年的少量记录中可能混有同名早期条目，2017年后的记录经合作网络验证基本可靠。
2.3 主要发表会议/期刊分布（非CoRR）
| 会议/期刊 | 论文数 | 级别 |
|---|---|---|
| NeurIPS | 9 | CCF-A |
| AAAI | 8 | CCF-A |
| IEEE TNNLS | 6 | CCF-B |
| CVPR | 5 | CCF-A |
| Pattern Recognition | 4 | CCF-B |
| ICML | 4 | CCF-A |
| IJCAI | 3 | CCF-A |
| IEEE TPAMI | 2 | CCF-A |
| IEEE TCSVT | 2 | CCF-B |
| ACM TIST | 2 | CCF-B |
| ICCV | 2 | CCF-A |
| IEEE TCYB | 2 | CCF-B |
| ICLR | 2（经主页核实） | 未分级（顶级） |
发表版图以机器学习三大顶会（NeurIPS 9篇/ICML 4篇）与AAAI 8篇为主力，配合TNNLS/TPAMI/PR等期刊，是其"表征学习理论+方法"路线的典型发表结构。个人主页显示另有ICLR 2024/2026、ICML 2026等新论文，DBLP收录滞后。
2.4 合作者网络总览
100条记录对应约110位唯一合作者，合作5次以上者18位。网络呈"南理工导师群核心（杨健/李俊/龚晨/罗雷）—日本理研与东京大学通道（杉山将/牛罡/Bo Han/Tongliang Liu）—南大苏州新平台"三段式结构。与智科院其他教师不同，其网络的核心至今仍以南理工学缘为主，南大阶段的合作网络处于扩张初期。
2.5 核心合作者（Top 20，按DBLP合作频次降序）
| 排名 | 合作者（DBLP名） | 合作次数 | 合作年份 | 身份/机构与关系 |
|---|---|---|---|---|
| 1 | Jian Yang 0003（杨健） | 60 | 2017-2026 | 南京理工大学教授，PAMIRA实验室负责人，博士阶段核心指导教师（推断） |
| 2 | Chen Gong 0002（龚晨） | 32 | 2017-2026 | 南京理工大学教授，弱监督/度量学习长期合作者 |
| 3 | Jun Li 0027（李俊） | 32 | 2018-2026 | 南京理工大学教授（后转中山/暨大任职），长期合作者 |
| 4 | Xiang Li 0041（李翔） | 18 | 2018-2024 | 南理工出身学者（后任职澳/美高校），深度学习理论 |
| 5 | Lei Luo 0001（罗雷） | 17 | 2017-2025 | 南京理工大学教授，子空间聚类/正则化理论 |
| 6 | Masashi Sugiyama（杉山将） | 13 | 2021-2026 | 东京大学教授/RIKEN AIP中心负责人，弱监督学习国际合作 |
| 7 | Gang Niu 0001（牛罡） | 12 | 2021-2026 | 东京大学/RIKEN副教授，弱监督学习核心合作者 |
| 8 | Jianjun Qian（钱建军） | 11 | 2019-2026 | 南京理工大学教授，视觉/子空间分析 |
| 9 | Yang Wei 0003（魏扬） | 9 | 2017-2025 | 南京师范大学，度量学习 |
| 10 | Jialiang Tang（唐嘉梁） | 8 | 2023-2025 | 南理工博士生（龚晨指导），蒸馏/时序 |
| 11 | Ying Tai（戴跃） | 7 | 2017-2024 | 商汤科技/南理工出身，人脸分析 |
| 12 | Hang Shao 0001（邵航） | 6 | 2023-2026 | 青年合作者（RIKEN/南理工系） |
| 13 | Yesong Xu（许业松） | 6 | 2021-2025 | 南理工博士生（陈硕指导的标志） |
| 14 | Zhenyong Fu（付振永） | 6 | 2021-2025 | 南理工相关，特征选择 |
| 15 | Wentao Yu（于文涛） | 5 | 2023-2026 | 青年合作者，图联邦学习 |
| 16 | Bo Han 0003（韩波） | 5 | 2024-2026 | 香港浸会大学助理教授，噪声标签学习 |
| 17 | Tongliang Liu（刘同亮） | 5 | 2020-2025 | 悉尼大学教授，可信赖机器学习 |
| 18 | Dacheng Tao（陶大程） | 5 | 2020-2025 | 悉尼大学杰出教授（后任职大湾区大学等） |
| 19 | Zongyan Han（韩宗言） | 5 | 2021-2025 | 南理工系青年研究者 |
| 20 | Chuanfei Hu | 4 | 2023-2026 | 青年合作者 |
网络结构特征： 杨健（60次）、龚晨（32次）、李俊（32次）、罗雷（17次）、钱建军（11次）等南理工教师群覆盖了其约三分之二的记录，是典型的"单一学缘深根"网络。第二条主轴是杉山将—牛罡的RIKEN/东大弱监督学习通道（合计25次），对应其2020-2025年的理研时期。许业松等以陈硕为通讯作者的记录（TNNLS/PR/TMM多篇）表明其博士后期已开始独立指导学生。
三、博士教育背景与导师追溯
3.1 南京理工大学博士阶段（约2015-2020）
陈硕约2015年起在南京理工大学攻读博士学位，2020年毕业，博士论文获中国电子学会优秀博士论文奖与江苏省优秀博士论文奖。博士期间获国家公派资助赴美国匹兹堡大学联合培养（联培导师公开资料未披露）。其博士阶段的代表作包括NeurIPS 2019度量学习（一作）、IJCAI 2018对抗度量学习（一作，当时为博士生低年级）等。
南理工PAMIRA实验室（杨健领导）与相关教师群（罗雷、钱建军、李俊、龚晨）是其博士培养的土壤。从署名结构看，杨健以60次合作、2017-2026年全程覆盖，几乎可以确定是其实际导师；但鉴于公开资料未明确列示，本报告表述为"博士阶段核心指导教师（推断）"。
3.2 两个学术谱系的交汇
陈硕的学术位置处于两个谱系的交汇点：
谱系一（南理工·模式识别） 谱系二（RIKEN/东大·弱监督学习）
杨健、罗雷、钱建军（南理工PAMIRA） 杉山将（东大/RIKEN AIP中心）
└─ 龚晨、李俊（南理工教授） └─ 牛罡（东大/RIKEN）
└─ 陈硕（博士2020届） ────────→ RIKEN 2020-2025
└─ 许业松等南理工博士生 └─ 与Bo Han、Tongliang Liu等国际连接
└─ 2025年起 南大苏州智科院
南理工谱系源自其前身哈军工/华东工学院的计算机视觉与模式识别传统；杉山将—牛罡谱系是国际弱监督学习（weakly supervised learning）研究的中心之一。两条谱系在陈硕的弱监督表征学习方向上合流——这也是其与南大本部LAMDA（周志华体系的弱监督/半监督学习）在研究议题上的天然对话面。
3.3 理化学研究所时期（2020-2025）
博士毕业后，陈硕加入日本理化学研究所（RIKEN）先进智能研究中心（AIP），从博士后研究员成长为研究科学家、客座科学家，并获日本文部科学省理研梅峰奖。这一时期其与杉山将、牛罡的合作（TPAMI 2024噪声标签学习、ICLR 2024鲁棒相似性学习、ECCV 2024直接蒸馏等）将其研究从纯度量学习推向弱监督学习的理论与应用前沿。
四、团队合作网络
4.1 南理工母体网络
| 教师 | 合作次数 | 合作年份 | 现职 | 主要交集 |
|---|---|---|---|---|
| 杨健 | 60 | 2017-2026 | 南理工教授 | 度量学习、表征学习、总体指导 |
| 龚晨 | 32 | 2017-2026 | 南理工教授 | 弱监督、蒸馏、相似性学习 |
| 李俊 | 32 | 2018-2026 | 原南理工教授（现中山大学等） | 表征学习、子空间聚类 |
| 罗雷 | 17 | 2017-2025 | 南理工教授 | 子空间聚类、正则化理论 |
| 钱建军 | 11 | 2019-2026 | 南理工教授 | 视觉、稀疏表示 |
| 魏扬 | 9 | 2017-2025 | 南京师范大学 | 度量学习 |
| 戴跃 | 7 | 2017-2024 | 商汤科技 | 人脸分析 |
南理工母体网络是其合作网络的主体。值得注意的是，李俊已离开南理工（现中山大学任职），但合作延续至2026年，显示该学缘网络超越单一机构。
4.2 RIKEN/东大弱监督学习通道
杉山将（13次）与牛罡（12次）构成其国际网络核心，主题为噪声标签学习、弱监督学习理论。延伸连接包括Bo Han（浸会，5次）、Tongliang Liu（悉尼大学，5次）、陶大程（5次）——这批学者共同构成全球弱监督/可信赖机器学习的核心圈子，其NeurIPS/ICLR/TPAMI级别的多篇论文产生于该圈层。
4.3 南大苏州新平台（2025年起）
入职智科院后，陈硕已开始招收硕士、博士生（学院页面明确"每年有硕博招生名额"），并担任学院对外交流代表（如主持华设集团产学研座谈、赴金陵科技学院等校作学术报告）。其名下通讯作者论文（ICML 2026、ICLR 2026、NeurIPS 2025 Spotlight等）的学生作者（Ge Gao、Haowen Cui等）构成南大阶段的初期团队；与智科院内部教师的直接论文合作目前尚不明显。
与南大本部AI学院/LAMDA的关系： 截至2026年8月，其DBLP记录中未见与周志华、詹德川、姜远等LAMDA教师的直接合作；与LAMDA的连接目前是研究议题层面的（弱监督学习为其与黎铭/李宇峰等人的共同议题），而非论文合作层面。
五、业界合作关系
5.1 学术报告与产学研对接
学院新闻显示，陈硕作为智科院代表主持华设集团（交通设计企业）来访的产学研座谈，并介绍个人"研究方向及成果转化计划"。这表明其已进入学院产学研对接的一线，但具体合作项目公开资料未披露。
5.2 竞赛获奖
其履历中的竞赛类奖项（中国第二届模糊图像处理大赛初赛第一名/总决赛第二名、中国软件专业人才设计与开发大赛省区一等奖）为早期学生阶段的获奖，不属于产业合作。
5.3 无企业任职记录
与单彩峰（飞利浦十余年）不同，陈硕的职业路径为纯学术（南理工→匹兹堡联培→RIKEN→南大），无企业正式任职记录；亦无华为/腾讯等企业联合项目记录。其学术圈中的企业背景人物仅戴跃（商汤科技，7次，且合作集中于2017-2024年）。
六、Connection圈层总结
第一圈层——南理工导师群： 杨健（60次）、龚晨（32次）、李俊（32次）、罗雷（17次）、钱建军（11次）合计152次合作，占其记录的一半以上。这一圈层是其学术身份的根基：南理工模式识别学派的度量学习/表征学习传统。
第二圈层——RIKEN/东大弱监督学习圈： 杉山将（13次）、牛罡（12次）及其延伸网络（Bo Han、Tongliang Liu、陶大程）。该圈层赋予其国际弱监督学习社区的核心成员身份，也是其2021年以来研究升级的主要动力。
第三圈层——自主学生团队： 许业松（6次，多篇通讯作者指导）、唐嘉梁（8次）、Ge Gao、Haowen Cui等，覆盖南理工后期至南大阶段，表明其从被指导者向独立导师的过渡在博士毕业前后即已完成。
第四圈层——南大苏州智科院同事： 高阳、单彩峰、戴望州等学院同事及学院层面的产学研、招生、交流活动。该圈层处于建设初期，直接论文合作尚少。
第五圈层——潜在对话面： 与南大本部LAMDA在弱监督学习、半监督学习议题上存在天然对话面，但目前无直接合作记录；与高阳的R&L Group在表征学习/模式识别方向亦有议题交集。
产出规模与定位： 100条DBLP记录（含28条预印本），80%集中于2021年以来。陈硕的学术定位是"南理工学缘+RIKEN国际化"双背景的表征学习理论学者，是智科院青年梯队中研究议题与LAMDA体系最接近的一位，其未来与本部机器学习学派的互动值得观察。
七、数据来源与局限性说明
本报告主数据来自DBLP官方作者消歧记录（pid: 00/6472-3，100条发表记录），并结合以下公开信息源：
- 南京大学智科院教师页面（个人简介、教育与工作经历、荣誉、招生信息）
- 个人主页 shuochenya.github.io（代表性发表、通讯作者标注）
- 智科院新闻页（华设集团座谈、金陵科技学院报告等活动）
- 金陵科技学院学术报告新闻（职务与报告题目佐证）
- DBLP作者XML记录与检索API（类型、年度、会议/期刊、合作者统计）
局限性说明：
- 重名消歧风险最高："Shuo Chen"是DBLP重名最严重的条目之一。本报告采用
00/6472-3（Shuo Chen 0003），经代表作（NeurIPS 2019 Curvilinear Distance Metric Learning、ICML 2021等）与合作网络（杨健/龚晨/李俊/杉山将）双重验证；但2014-2015年的少量早期记录无法完全排除同名混入。 - 博士导师未获官方确认： 杨健作为其实际导师的判断基于60次全程合作与南理工学缘结构，公开资料未明确列示，报告以"推断"表述。
- 职称口径： 学院页面与活动介绍均为"副教授、博士生导师、姑苏青年教授"；任务背景中的"教授（请核实）"核实结果为副教授。
- 研究方向口径： 任务背景中的"大数据分析"未获公开资料支持，其方向为机器学习与模式识别（表征/自监督/弱监督学习）。
- 入职时间： 学院页面未写明入职年份；据其2025年后南大署名与活动记录推断约2025年入职，精确时间未披露。
- DBLP收录滞后： 个人主页显示的ICML 2026、ICLR 2026等最新论文未全部进入DBLP记录，实际发表数高于统计口径。
- 学生名单： 南大阶段指导学生完整名单未公开，报告中仅列论文署名中的青年作者。