南大LAMDA 高尉 教授
报告生成时间： 2026年7月
个人主页： http://www.lamda.nju.edu.cn/gaow/ DBLP： https://dblp.org/pid/28/2073-8.html（Wei Gao 0008，DBLP机构标注"Nanjing University, National Key Laboratory for Novel Software Technology"）
一、学者基本信息
高尉（Wei Gao），男，南京大学人工智能学院教授、博士生导师，计算机软件新技术全国重点实验室成员，机器学习与数据挖掘研究所（LAMDA）核心教师之一。办公地点为南京大学仙林校区逸夫楼／计算机科学技术楼。
教育经历： - 本科阶段：数学类专业（本科院校未在公开简历中披露） - 2009年6月，南开大学组合数学中心（Center for Combinatorics），获理学硕士学位（组合数学方向） - 2009.09-2014.06，南京大学计算机科学与技术系，获工学博士学位，导师周志华教授 - 博士学位论文：《Boosting方法的理论研究》
工作经历： - 2014-2015，南京大学计算机科学与技术系，助理研究员 - 2015-2019，南京大学计算机科学与技术系，副研究员 - 2019年后，南京大学人工智能学院，副教授 - 现任，南京大学人工智能学院，教授、博士生导师（LAMDA 2027年招生名单中列为"教授、博导"，招收博士生、直博生、硕士生）
研究方向： 机器学习理论（Learning Theory）。个人主页对研究兴趣的表述极为简洁——"My research interests include: Learning Theory"。具体涵盖以下几条主线：
- Boosting与间隔理论——博士期间的核心工作，包括间隔分布泛化界、近似稳定性（Approximation Stability）概念的提出
- 一致性理论（Consistency）——多标记学习一致性的充要条件、AUC成对优化的一致性、排序问题的一致性与可学性
- AUC优化与在线单遍学习——One-Pass AUC Optimization（OPAUC）系列工作，兼具理论保证与算法效率
- 随机森林／决策树的理论分析——随机森林分类收敛率分析、鲁棒划分准则、加权斜决策树，是国内在树模型理论方向最系统的研究者之一
- 隐私保护机器学习与加密推理——2023年后的新方向，包括隐私随机森林的Gini不纯度保持、Bi-CryptoNets分级隐私加密推理、稀疏图基础模型的加密推理
- 开放环境学习——带增广类的学习（Learning with Augmented Class）、特征演化学习（Feature Evolvable Learning）、两样本检验的局部显著性差异探索
- 对抗鲁棒性理论——可证明鲁棒的决策树与Boosting、对抗集成学习的多样性、标签污染攻击
研究风格特点： 高尉的工作是LAMDA"理论派"传统的最典型代表——发表节奏克制、单篇厚重、几乎全部围绕泛化界／一致性／收敛率等理论量展开。其最具标志性的成就是终结了机器学习领域一个持续约15年的公开争论：Breiman在1999年对Schapire等人"间隔解释Boosting泛化性"的质疑，高尉与周志华在AIJ 2013的On the doubt about margin explanation of boosting中给出了间隔分布泛化界，从理论上论证了"奥卡姆剃刀"在Boosting中的正确性，为这场争论画上句号。这一工作至今仍是Boosting理论方向的标准引用。
主要荣誉： - 2014年，中国计算机学会（CCF）优秀博士学位论文奖 - 2015年，江苏省优秀博士学位论文奖 - 2013年，IJCAI'13 Best Presentation Award（对应论文Uniform Convergence, Stability and Learnability for Ranking Problems） - 2013年，南京大学优秀博士生培养计划 - 2011年，江苏省研究生培养创新工程
学术兼职与服务： - 中国计算机学会（CCF）人工智能与模式识别专委会委员 - 江苏省人工智能学会副秘书长（2026年） - 长期担任IJCAI、AAAI、ICML、NeurIPS等国际会议程序委员／高级程序委员 - 南京大学人工智能学院推免生遴选工作组成员（与戴新宇、姜远、李宇峰、赵一铮、Cam-Tu Nguyen等同列）
教材著作： 《机器学习理论导引》（周志华、王魏、高尉、张利军 著，机械工业出版社，2020年5月，ISBN 978-7-111-65424-7）。这本被业界称为"西瓜书的理论姊妹篇"（因周志华在前言中致敬古龙《七种武器》而俗称"钥匙书/宝箱书"）的教材，系统梳理了机器学习理论的七大工具：可学性、复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。高尉是四位作者之一，与周志华、王魏、张利军共同构成LAMDA的"理论四人组"。这本书是理解高尉学术定位的最佳注脚——他在这个四人组中负责的正是其博士以来深耕的一致性与稳定性板块。
二、DBLP数据统计
2.1 发表记录总览
DBLP pid: 28/2073-8。"Wei Gao"是DBLP上重名最严重的中文姓名之一——该姓名下共有65个已消歧的独立身份（Wei Gao 0001至Wei Gao 0065），外加一个包含484条未消歧记录的模糊桶（pid 28/2073）。经消歧确认南大LAMDA高尉对应DBLP身份为pid: 28/2073-8。
该pid下直接收录44条记录。此外，在未消歧的28/2073桶中另有6条记录（含1条重复的arXiv版本）实际属于高尉，包括：
- On the encryption for graph foundation model inference of sparse graph（SCIS 2025）
- One-Pass Multi-Label Learning with Missing Features and Labels（ICDM 2025）
- Bi-CryptoNets: Leveraging Different-Level Privacy for Encrypted Inference（PAKDD 2024）
- On the Exploration of Local Significant Differences For Two-Sample Test（NeurIPS 2023）
- Learning with Interactive Models over Decision-Dependent Distributions（ACML 2022）
同时，pid 28/2073-8下有1条记录不属于高尉：Analysis and Demonstration of First Cross-Support Interferometry Tracking in China Mars Mission（Remote Sensing 2022，北京航天飞行控制中心的深空测控论文）。该论文中的"Wei Gao"与"Zhi-Hua Zhou"均为航天系统同名研究人员，DBLP同时将其误挂在高尉与周志华名下。
校正后，高尉本人的DBLP发表记录为49条（正式发表39篇 + arXiv预印本10篇）。本报告以下所有统计均基于校正后的49条记录。
2.2 年度产出分布（已校正）
| 年份 | 论文数 | 年份 | 论文数 | 年份 | 论文数 |
|---|---|---|---|---|---|
| 2009 | 1 | 2015 | 2 | 2021 | 1 |
| 2010 | 2 | 2016 | 6 | 2022 | 7 |
| 2011 | 1 | 2017 | 2 | 2023 | 2 |
| 2012 | 1 | 2018 | 3 | 2024 | 2 |
| 2013 | 5 | 2019 | 3 | 2025 | 7 |
| 2014 | 2 | 2020 | 2 |
趋势分析： 高尉的产出曲线呈现"低总量、高单篇密度、多峰值"的特点，与本系列已完成报告中的任何一位LAMDA教授都不同。整体可分四段：
- 2009-2012年（博士前期）：年均1篇，其中2009年的On P-partitions related to ordinal sums of posets（European Journal of Combinatorics）是其南开硕士阶段的组合数学论文，与后续机器学习工作完全无关。2010年ALT的Approximation Stability and Boosting、2011年COLT的On the Consistency of Multi-Label Learning是其学习理论生涯的起点。
- 2013年（博士毕业前的爆发）：5篇，含两篇AIJ、ICML、IJCAI（获Best Presentation Award），这一年基本奠定了其学术声誉。
- 2014-2021年（青年教师期）：年均约2.6篇，2016年（6篇）为小高峰。这一时期完成从"周志华的学生"到"独立PI"的过渡——2019年AAAI的Weighted Oblique Decision Trees、2020年AAAI的AUC Optimization with a Reject Option是其首批仅有自己与自己学生署名、周志华不参与的论文。
- 2022年后（独立课题组成熟期）：2022年7篇、2025年7篇为历史双高峰，方向明显从"纯理论证明"向"理论保证下的隐私计算与开放环境学习"扩展。
2020年以后共21篇，占全部记录的42.9%。年均产出2.9篇的规模在国内正教授中属于极低水平，但这恰恰是纯理论学者的正常形态——其单篇工作的理论密度（AIJ 5篇、COLT 1篇、ICML 4篇、NeurIPS 4篇）远高于同产出量的应用型学者。
2.3 作者位次分布
在49条记录中，高尉担任第一作者20次（40.8%），担任末位作者15次（30.6%），无独著论文。
这组数字在国内正教授中极为罕见。 40.8%的第一作者比例意味着他至今仍亲自主导近一半论文的推导与写作。作为对比，本系列报告中张利军（同为理论方向）的第一作者比例为22.0%，而院长级学者（如人大高瓴文继荣）的第一作者论文几乎为零。更值得注意的是其位次结构的时间演化：2009-2016年间的绝大多数论文他都是第一作者（周志华末位），2018年以后则转为学生第一、他末位的标准PI模式。这条清晰的分界线恰好标记了他从"周志华团队的理论主力"转型为"独立课题组负责人"的时点。
2.4 发表venue分布（已校正）
| 会议/期刊 | 篇数 | 会议/期刊 | 篇数 |
|---|---|---|---|
| CoRR (arXiv) | 10 | Sci. China Inf. Sci. | 2 |
| IJCAI | 6 | COLT | 1 |
| Artif. Intell. (AIJ) | 5 | ALT | 1 |
| ICML | 4 | Mach. Learn. | 1 |
| NeurIPS | 4 | IEEE TPAMI | 1 |
| AAAI | 4 | Neural Networks | 1 |
| ACML | 3 | Frontiers Comput. Sci. | 1 |
| ICDM | 2 | Eur. J. Comb. | 1 |
| PAKDD | 2 |
venue特征： 剔除arXiv后的39篇正式发表中，Artificial Intelligence（AIJ）5篇是最突出的特征。AIJ是人工智能领域历史最悠久、审稿最严苛的旗舰期刊，年发文量仅百余篇，单一学者累积5篇（On the doubt about margin explanation of boosting、On the consistency of multi-label learning、One-pass AUC optimization、On the noise estimation statistics、Towards convergence rate analysis of random forests for classification）在国内学者中处于顶尖水平。这五篇AIJ全部由高尉本人担任第一作者。
COLT 1篇（2011年多标记学习一致性）+ ALT 1篇（2010年近似稳定性与Boosting）构成其纯学习理论会议的记录。ICML（4）、NeurIPS（4）、IJCAI（6）、AAAI（4）构成主要会议阵地。KDD、SIGIR、CVPR等应用型会议记录为零——这是纯理论定位的直接体现。
一个容易被忽略的细节：其AIJ与ICML/NeurIPS的论文往往是同一工作的两个版本（如One-pass AUC optimizationICML 2013 → AIJ 2016，Towards convergence rate analysis of random forestsNeurIPS 2020 → AIJ 2022，On the consistency of multi-label learningCOLT 2011 → AIJ 2013）。这种"顶会先发、顶刊扩展"的模式是理论学者打磨单个问题的典型路径，也解释了为何其论文总量看似不高但影响力显著。
2.5 合作者网络总览
唯一合作者总数：48人。
这是本系列所有LAMDA教授报告中最小的合作者网络。 作为对照：周志华合作者数以千计，张利军190人，俞扬、詹德川、吴建鑫均在数百人量级。48人的规模意味着高尉的学术生产几乎完全发生在"自己+周志华+自己的学生"这个极紧凑的三角结构内，对外的横向合作极少。其中合作3次及以上的仅9人，合作2次的13人，仅合作1次的多达26人（且其中相当一部分是通过周志华或他人牵线的单次合作）。
2.6 核心合作者（全表，按DBLP合作频次降序，含全部≥2次者）
| 排名 | 合作者（DBLP名） | 合作次数 | 合作年份 | 身份/机构 |
|---|---|---|---|---|
| 1 | Zhi-Hua Zhou（周志华） | 31 | 2010-2025 | 博士导师；中科院院士、南京大学副校长、人工智能学院创院院长、LAMDA所长 |
| 2 | Man-Jie Yuan（袁满杰） | 5 | 2022-2025 | 高尉学生，2024届硕士→南京大学在读博士生 |
| 3 | Fan Xu 0010（许璠） | 4 | 2022-2025 | 高尉学生，2020级硕→2023级博士生（东南大学本科） |
| 4 | Meng-Zhang Qian（钱梦璋） | 4 | 2022-2025 | 高尉/LAMDA博士生（2022级） |
| 5 | Teng Zhang 0001（张腾） | 4 | 2017-2022 | LAMDA 2019届博士（周志华学生）→华中科技大学 |
| 6 | Bin-Bin Yang（杨斌斌） | 4 | 2019-2021 | 高尉学生，2020届硕士→阿里巴巴（北京） |
| 7 | Jun-Qi Guo（郭峻杞） | 3 | 2022-2025 | 高尉/LAMDA博士生（2023级） |
| 8 | Wuyang Chen 0003（陈武阳） | 3 | 2025 | 高尉课题组成员 |
| 9 | Rong Jin 0001（金榕） | 3 | 2013-2016 | 时任密歇根州立大学教授；后任阿里巴巴达摩院院长，现Meta |
| 10 | Shenghuo Zhu（朱胜火） | 3 | 2013-2016 | 时任NEC Labs America；后任阿里巴巴达摩院 |
| 11 | Zhijian Zhou（周植） | 2 | 2023-2025 | LAMDA博士生（2022级） |
| 12 | Jie Ni（倪杰） | 2 | 2023-2025 | 高尉学生，2024届硕士→荣耀南京研究所 |
| 13 | Cun-Yuan Xing（邢存远） | 2 | 2025 | 高尉学生，2025级博士生（原硕士生） |
| 14 | Zheng Ai（艾政） | 2 | 2022 | 高尉学生，2023届硕士→比亚迪（西安） |
| 15 | Song-Qing Shen（沈松青） | 2 | 2019-2020 | 高尉学生，2021届硕士→微软（苏州） |
| 16 | Sheng-Jun Huang（黄圣君） | 2 | 2014-2019 | LAMDA 2014届博士（同届同门）→南京航空航天大学教授 |
| 17 | Yufeng Li 0008（李宇峰） | 2 | 2016-2018 | LAMDA 2013届博士→南京大学人工智能学院教授 |
| 18 | Ming Pang（庞明） | 2 | 2016-2018 | LAMDA 2020届博士→京东（北京） |
| 19 | Min Tao（陶敏） | 2 | 2016-2018 | 南京大学数学系教授（优化方向） |
| 20 | Lu Wang 0031（王璐） | 2 | 2016 | LAMDA 2020届博士→京东（北京） |
| 21 | Xin-Yi Niu（牛心怡） | 2 | 2016 | 高尉学生，2018届硕士→携程（上海） |
| 22 | Zheng Zou（邹征） | 2 | 2024 | 高尉课题组成员 |
核心观察： 与周志华的31次合作占其全部49篇论文的63.3%——这是本系列报告中"师徒绑定度"最高的一例。张利军与周志华合作45次但仅占其264篇的17%，詹德川、俞扬等亦远低于此比例。高尉的学术网络本质上是一个以周志华为唯一外部锚点、以自己学生为全部内部构件的双层同心圆结构：外层只有周志华一人（及短暂的Rong Jin/Shenghuo Zhu线），内层是十余位自己的硕博生。
另一个关键事实：排在第2到第8位的合作者（除张腾外）全部是高尉自己的学生，且合作次数仅在3-5次之间。这反映了纯理论方向的产出规律——一位硕士生在两三年内能与导师合作产出2-3篇顶会论文已属高效，而不像应用方向那样可以一年多篇。
三、博士教育背景与导师追溯
3.1 南开大学组合数学中心硕士阶段（-2009年6月）——数学出身的底色
高尉的学术起点不在计算机系，而在南开大学组合数学中心（Center for Combinatorics，即由陈永川院士创建的著名"陈省身数学研究所"下属机构，是中国组合数学的最高殿堂）。他于2009年6月在此获硕士学位。
DBLP上唯一能佐证这段经历的记录是：
- On P-partitions related to ordinal sums of posets，Wei Gao, Qing-Hu Hou, Guoce Xin，European Journal of Combinatorics, 30:1370-1381, 2009
这篇论文的两位合作者是纯组合数学学者： - 侯庆虎（Qing-Hu Hou）——时任南开大学组合数学中心教授，符号计算与组合恒等式方向的代表学者（Wilf-Zeilberger理论、q-Zeilberger算法），现任天津大学教授。从论文署名顺序（高尉第一、侯庆虎第二）看，侯庆虎是其硕士阶段的实际指导教师。 - 辛国策（Guoce Xin）——组合数学学者，MIT博士（导师为组合学泰斗Richard Stanley），现任首都师范大学教授。P-partition理论正是Stanley的开创性工作。
这段数学训练是理解高尉学术风格的关键。 P-partition、偏序集序数和这类问题需要的是纯粹的组合构造与生成函数技巧，与后来的泛化界推导在思维方式上高度同源。这解释了为什么他在转入机器学习后能迅速在最数学化的方向（一致性、收敛率、间隔分布）上做出突破——他不是"学了机器学习后再补数学"，而是"带着组合数学的功底进入机器学习"。这一背景在LAMDA的教师群体中较为独特：周志华、俞扬、詹德川等均为计算机科班出身，张利军来自浙大软件工程，唯有高尉的学术底色是纯数学。
3.2 南京大学博士阶段（2009.09-2014.06）——周志华门下的理论主力
2009年，高尉从南开转入南京大学计算机科学与技术系，师从周志华教授攻读博士学位，2014年6月获工学博士学位。博士学位论文《Boosting方法的理论研究》获2014年CCF优秀博士学位论文奖、2015年江苏省优秀博士学位论文奖。
DBLP数据对这段师承的佐证是压倒性的：2010-2014年间的全部8篇论文中，周志华无一缺席，且高尉全部担任第一作者、周志华全部担任末位作者。这是最标准的师徒署名模式。
博士期间的代表性成果（全部为高尉第一作者、周志华末位）：
| 论文 | 发表 | 学术意义 |
|---|---|---|
| Approximation Stability and Boosting | ALT 2010 | 提出"近似稳定性"概念，解决Boosting难以通过传统稳定性刻画泛化性的问题 |
| On the Consistency of Multi-Label Learning | COLT 2011 → AIJ 2013 | 给出多标记学习一致性的充要条件，并设计出具有一致性的替代损失函数 |
| On the doubt about margin explanation of boosting | AIJ 2013 | 代表作。给出Boosting的间隔分布泛化界，终结Breiman自1999年提出的、持续约15年的"间隔解释是否成立"之争 |
| Uniform Convergence, Stability and Learnability for Ranking Problems | IJCAI 2013 | 获IJCAI'13 Best Presentation Award |
| One-Pass AUC Optimization | ICML 2013 → AIJ 2016 | 提出OPAUC算法，单遍扫描数据完成AUC优化，兼具理论保证与实用性 |
| The kth, Median and Average Margin Bounds for AdaBoost | arXiv 2010 | 间隔理论系列的早期工作 |
| On the consistency of AUC Optimization | arXiv 2012 → IJCAI 2015 | 给出优化AUC学习一致性的条件，证明RankBoost的一致性 |
| Dropout Rademacher Complexity of Deep Neural Networks | arXiv 2014 → SCIS 2016 | 从Rademacher复杂度角度分析Dropout的正则化效应，是国内较早的深度学习理论工作 |
博士期间同门（LAMDA同期成员）：
| 姓名 | DBLP合作 | 毕业年份 | 现任职 |
|---|---|---|---|
| 黄圣君（Sheng-Jun Huang） | 2 | 2014博士（同届） | 南京航空航天大学教授（主动学习方向） |
| 李宇峰（Yu-Feng Li） | 2 | 2013博士 | 南京大学人工智能学院教授（弱监督学习） |
| 王魏（Wei Wang 0028） | 1 | 2013博士 | 南京大学人工智能学院教授（《机器学习理论导引》共同作者） |
| 张腾（Teng Zhang 0001） | 4 | 2019博士 | 华中科技大学（间隔分布机ODM方向） |
| 庞明（Ming Pang） | 2 | 2020博士 | 京东（北京） |
| 王璐（Lu Wang 0031） | 2 | 2020博士 | 京东（北京） |
| 朱越（Yue Zhu 0001） | 1 | 2018博士 | 华为终端（深圳） |
| 陈东东（Dongdong Chen） | 1 | 2019硕士 | 京东（南京） |
需要指出的是，这批同门与高尉的合作频次都很低（1-4次）。LAMDA同门之间的横向合作在高尉身上表现得相当稀薄，这与他"只与导师和自己学生合作"的封闭式生产模式一致。唯一的例外是张腾（4次）——张腾的间隔分布机（ODM/LDM）方向与高尉的间隔理论高度重叠，两人在AIJ 2021的On the noise estimation statistics、IJCAI 2017的标签污染攻击、IJCAI 2022的间隔分布优化上有实质性合作。
3.3 与周志华关系的两阶段演化
高尉是本系列报告中唯一一位完全由周志华培养、且毕业后留在本组、至今仍与导师保持高频合作的教授（俞扬、詹德川同为周志华学生但已建立更独立的方向，张利军、吴建鑫的博士学位来自外部）。这段关系可分两个阶段：
阶段一（2010-2016）：导师主导的学徒期。 全部论文为"高尉第一 + 周志华末位"的两人署名或三人署名结构，方向完全在Boosting/一致性理论主线上。这一时期高尉是周志华理论方向的头号执行者。
阶段二（2017至今）：并行的双轨结构。 高尉的论文自2017年起分裂为两条清晰的轨道：
- 有周志华的一轨（约占40%）：仍是最重理论、最高规格的工作，如AIJ 2021的噪声估计统计量、NeurIPS 2020 → AIJ 2022的随机森林收敛率、ICML 2022的可证明鲁棒决策树、ICML 2025的对抗集成学习多样性与单遍特征演化学习。这些论文的署名模式变为"学生第一 + 高尉倒数第二 + 周志华末位"，是典型的"大导+小导"联合指导结构。
- 无周志华的一轨（约占60%）：完全由高尉独立指导，方向也更外延——AAAI 2019加权斜决策树、AAAI 2020带拒识的AUC优化、ICDM 2019鲁棒划分准则、PAKDD 2022 AUC模型的数据移除、PAKDD 2024 Bi-CryptoNets、NeurIPS 2023两样本检验、IJCAI 2025增广类森林学习、SCIS 2025图基础模型加密推理。
这条分界线揭示了高尉在LAMDA内部的真实定位：他既是周志华理论方向的"接班人"（继续推进随机森林/深度森林理论、鲁棒学习理论这些周志华关心的核心问题），又已建立起自己完全独立的隐私保护机器学习与开放环境学习方向。 在LAMDA的"大导-小导"体系中，他是少数几位既能作为小导承接周志华课题、又能作为大导独立招收博士生的教授。
四、LAMDA团队合作网络
4.1 LAMDA/南大内部教师合作
| 教师 | DBLP合作次数 | 合作年份 | 职位 | 合作领域 |
|---|---|---|---|---|
| 周志华（Zhi-Hua Zhou） | 31 | 2010-2025 | 中科院院士、南大副校长、LAMDA所长 | Boosting理论、一致性、随机森林、鲁棒学习 |
| 李宇峰（Yu-Feng Li） | 2 | 2016-2018 | 南大人工智能学院教授 | 标签噪声下的风险最小化、弱标记安全多标记预测 |
| 陶敏（Min Tao） | 2 | 2016-2018 | 南京大学数学系教授 | 无组织恶意攻击检测（优化视角） |
| 王魏（Wei Wang 0028） | 1 | 2018 | 南大人工智能学院教授 | Tri-net半监督深度学习 |
| 李明（Ming Li 0005） | 1 | 2019 | 南大人工智能学院教授 | 随机森林鲁棒划分准则 |
| 张邵群（Shao-Qun Zhang） | 1 | 2022 | LAMDA博士（周志华学生） | 复反应网络的理论优势分析 |
| 郭兰哲（Lan-Zhe Guo） | 1 | 2018 | LAMDA博士→南大人工智能学院副教授 | 弱标记数据的安全多标记预测 |
| 魏通（Tong Wei 0001） | 1 | 2018 | LAMDA博士→东南大学副教授 | 弱标记数据的安全多标记预测 |
| 朱越（Yue Zhu 0001） | 1 | 2015 | LAMDA 2018届博士→华为终端 | 单遍多视图学习 |
关键观察： 除周志华（31次）外，高尉与LAMDA全部其他教师的合作总和仅约10次。这在一个拥有十余位教授、以团队协作著称的大型实验室中是异常低的横向连接密度。 与本系列其他报告对比：张利军与赵鹏合作21次、与詹德川/叶翰嘉团队有多篇CVPR/ICCV；詹德川与叶翰嘉、周大蔚构成紧密的三人组；俞扬与钱超、章宗长有大量强化学习交叉。高尉则几乎没有这样的院内"第二伙伴"。
这一现象的合理解释是研究方向的孤岛性：LAMDA的其他方向（弱监督、持续学习、强化学习、AutoML、学件）都天然需要跨方向协作与工程投入，而Boosting泛化界、一致性证明、随机森林收敛率这类问题是可以由一位教授带一两名学生在黑板上独立完成的。这既是高尉合作网络稀疏的原因，也是其第一作者比例高达40.8%的原因——同一个结构性事实的两面。
值得留意的是，2016-2018年间他与李宇峰（2次）、陶敏（2次）、王魏（1次）曾有过一小段横向合作的活跃期（标签噪声、恶意攻击检测、半监督深度学习），但此后再未延续。陶敏（南大数学系，交替方向乘子法/凸优化方向）的出现尤其值得注意——这是他为数不多的跨院系合作，也印证了其数学背景带来的跨界能力。
4.2 直接指导的学生梯队
高尉的个人主页在发表列表中以"*"标注自己的学生，这是识别其课题组成员最可靠的一手依据。结合LAMDA官网的学生主页（明确标注"Supervisor: Wei Gao"）与校友去向页面，可整理出以下名单。
已毕业学生（按毕业年份倒序）：
| 姓名 | DBLP名 | 学位/毕业年 | DBLP合作 | 本科来源 | 去向 |
|---|---|---|---|---|---|
| 白雪童 | Xue-Tong Bai | 2026硕士 | 1 | 南京大学信息管理学院 | 江苏选调（南京） |
| 姚嘉和 | Jia-He Yao | 2025硕士 | 1 | 南京大学 | 字节跳动（深圳） |
| 袁满杰 | Man-Jie Yuan | 2024硕士 | 5 | — | 南京大学在读博士生（继续深造） |
| 倪杰 | Jie Ni | 2024硕士 | 2 | 南京大学数学系 | 荣耀南京研究所（南京） |
| 滕明卓 | Ming-Zhuo Teng | 2024硕士 | 1 | — | 腾讯（北京） |
| 艾政 | Zheng Ai | 2023硕士 | 2 | — | 比亚迪（西安） |
| 李杰 | Jie Li | 2022硕士 | 1 | — | 微软（北京） |
| 沈松青 | Song-Qing Shen | 2021硕士 | 2 | 山东大学软件工程 | 微软（苏州） |
| 杨斌斌 | Bin-Bin Yang | 2020硕士 | 4 | 东南大学数学学院 | 阿里巴巴（北京） |
| 牛心怡 | Xin-Yi Niu | 2018硕士 | 2 | — | 携程（上海） |
| 李静 | Jing Li | 2016硕士 | — | 南京工业大学 | 腾讯（深圳） |
在读学生（据LAMDA学生主页与DBLP合作频次）：
| 姓名 | DBLP名 | 身份 | DBLP合作 | 研究方向 |
|---|---|---|---|---|
| 许璠 | Fan Xu 0010 | 2023级博士生（2020级硕转博，东南大学计算机本科） | 4 | 测试数据中的未见类学习（Augmented Class） |
| 钱梦璋 | Meng-Zhang Qian | 2022级博士生 | 4 | 间隔分布优化、特征演化学习 |
| 郭峻杞 | Jun-Qi Guo | 2023级博士生 | 3 | 鲁棒决策树与Boosting、对抗集成学习 |
| 邢存远 | Cun-Yuan Xing | 2025级博士生（原硕士，南大人工智能学院本科） | 2 | 开放特征空间下的机器学习 |
| 周植 | Zhijian Zhou | 2022级博士生 | 2 | 两样本检验、树模型可解释性 |
| 陈武阳 | Wuyang Chen 0003 | 课题组成员 | 3 | 特征演化学习、增广类学习 |
| 邹征 | Zheng Zou | 课题组成员 | 2 | 加密推理（Bi-CryptoNets） |
| 张凯然 | Kai-Ran Zhang | 2024级硕士生（南大人工智能学院本科） | 1 | 隐私保护机器学习 |
| 王俊童 | Jun-Tong Wang | 课题组成员 | 1 | 缺失特征与标记的单遍多标记学习 |
| 谢欣冉 | Xinran Xie | 课题组成员 | 1 | 隐私随机森林 |
学生梯队的结构性特点：
-
硕士为主、博士极少的历史结构正在改变。 2016-2026年间已毕业的11位学生全部为硕士，无一人为博士。这在正教授中是不寻常的——反映出高尉在2019年升任人工智能学院教师前，长期以副研究员身份工作，招收博士生的资格与名额受限。而当前在读的许璠、钱梦璋、郭峻杞、邢存远、周植五人全部为博士生，且其中许璠、邢存远为硕转博。这说明高尉的课题组正处在从"硕士生作坊"向"博士生梯队"转型的关键期，而这一转型与其2019年后进入人工智能学院、获得博导资格的时间线完全吻合。
-
数学背景的偏好明显。 杨斌斌（东南大学数学学院）、倪杰（南京大学数学系）、白雪童（南京大学信息管理学院）等多位学生具有数学或非计算机背景。这与其研究方向对推导能力的高要求一致，也与他本人的南开组合数学出身形成呼应。
-
毕业去向高度分散且以工业界为主。 11位已毕业硕士的去向为：微软2人（苏州、北京）、阿里巴巴1人、腾讯2人（深圳、北京）、字节跳动1人、荣耀1人、比亚迪1人、携程1人、江苏选调1人、继续读博1人。没有一人进入高校任教。这是高尉学术梯队目前最明显的短板——理论方向的研究者最应该产出的是学术后代，但纯硕士培养的结构使其至今没有博士毕业生，也就没有高校教职的输出。这一点将随着许璠等首批博士生在2026-2028年间毕业而改变。
-
袁满杰（5次）是目前最重要的学术传人。 他是2024届硕士，毕业后选择留在南京大学继续攻读博士，且是高尉隐私计算方向的核心执行者——Bi-CryptoNets（PAKDD 2024）、隐私随机森林的Gini不纯度保持（NeurIPS 2023）、稀疏图基础模型加密推理（SCIS 2025）、决策依赖分布下的交互式模型学习（ACML 2022）四篇论文均由他主导。他实质上是高尉新方向（隐私保护机器学习）的开创性学生。
五、业界合作关系深度分析
高尉是本系列报告中产业合作最稀薄的一位LAMDA教授。这一判断并非基于信息缺失，而是基于DBLP、个人主页、公开新闻三方面证据的一致指向：他没有企业兼职、没有联合实验室、没有以其名义签署的产学研项目公开记录，DBLP中与企业研究人员的联合署名论文仅3篇（且全部集中在2013-2016年的同一条线上）。理解这一现象本身，比罗列不存在的合作更有价值。
5.1 唯一实质性的产业学术通道：Rong Jin—Shenghuo Zhu 线（2013-2016）
高尉全部产业相关的联合发表都来自同一条线：
| 合作者 | DBLP合作次数 | 合作年份 | 时任机构 | 后续去向 |
|---|---|---|---|---|
| Rong Jin 0001（金榕） | 3 | 2013-2016 | 密歇根州立大学（MSU）教授 | 阿里巴巴达摩院院长 → Meta |
| Shenghuo Zhu（朱胜火） | 3 | 2013-2016 | NEC Labs America | 阿里巴巴达摩院 |
联合成果（3篇，实为同一工作的三个版本）： - One-Pass AUC Optimization（ICML 2013），作者：Wei Gao, Rong Jin, Shenghuo Zhu, Zhi-Hua Zhou - One-Pass AUC Optimization（arXiv 2013） - One-pass AUC optimization（Artificial Intelligence 236:1-29, 2016），作者：Wei Gao, Lu Wang, Rong Jin, Shenghuo Zhu, Zhi-Hua Zhou
这条线的性质需要准确定位：它在合作发生时（2013年）是纯粹的国际学术合作，而非产学研合作。 Rong Jin当时是MSU教授、Shenghuo Zhu是NEC Labs America的研究员，两人都在美国，合作动因是OPAUC的在线优化技术问题（Rong Jin是随机优化/在线学习的顶级专家，Shenghuo Zhu精于大规模学习系统）。这条通道的"产业属性"是回溯性的——2015年前后Rong Jin出任阿里巴巴达摩院院长、Shenghuo Zhu也加入达摩院，这才使得这段合作在事后获得了产业色彩。
一个耐人寻味的对照：本系列报告中的张利军也是通过Rong Jin这条MSU线建立起了与阿里巴巴长达十年的深度产学研关系（达摩院青年学者、AIDC联合研发），而高尉在2016年后就完全中断了与Rong Jin的合作，没有任何后续延伸。 两人在2013年同时通过Rong Jin接触到同一批人脉，却走向了截然不同的道路。这一分岔点很好地说明了产业合作在很大程度上取决于学者本人的主动选择而非机遇本身。
5.2 无联合发表的产业连接：人才输送
DBLP中检索不到高尉与国内任何企业研究人员的联合署名论文。其产业连接完全通过毕业生输送实现：
| 企业 | 人数 | 具体去向 |
|---|---|---|
| 微软 | 2 | 沈松青（苏州）、李杰（北京，软件工程师） |
| 腾讯 | 2 | 李静（深圳）、滕明卓（北京） |
| 阿里巴巴 | 1 | 杨斌斌（北京，算法工程师） |
| 字节跳动 | 1 | 姚嘉和（深圳） |
| 荣耀 | 1 | 倪杰（南京研究所） |
| 比亚迪 | 1 | 艾政（西安，算法工程师） |
| 携程 | 1 | 牛心怡（上海） |
这一去向分布的特点是"分散而无集群"。 与张利军的"华为7人+阿里5人"、周志华团队的"华为/阿里/腾讯大批量输送"不同，高尉的11位毕业生分散在9家不同企业，最多的微软和腾讯各仅2人。这意味着不存在一条稳定的"课题组—企业"人才管道，学生的去向更多取决于个人求职结果而非导师的产业关系网络。
值得注意的是微软（2人，苏州+北京）的相对集中——这可能与LAMDA整体与微软亚洲研究院的长期联系有关（周志华与MSRA有多年合作历史，LAMDA每年有多名学生赴MSRA实习），而非高尉个人的直接推动。
5.3 隐私计算方向：潜在但尚未兑现的产业接口
高尉2023年后开辟的隐私保护机器学习方向，从技术内容看是其研究序列中距离产业需求最近的一次： - On the Gini-impurity Preservation For Privacy Random Forests（NeurIPS 2023）——隐私随机森林 - Bi-CryptoNets: Leveraging Different-Level Privacy for Encrypted Inference（PAKDD 2024）——分级隐私的加密推理，将输入数据按敏感度分为敏感部分（同态加密处理）与非敏感部分（明文高效处理），是同态加密推理的实用化改进 - On the encryption for graph foundation model inference of sparse graph（SCIS 2025）——稀疏图基础模型的加密推理
同态加密推理是金融风控、医疗数据、联邦学习等场景的核心技术，也是蚂蚁集团、微众银行、华控清交等企业的重点投入方向。学生张凯然、白雪童的研究兴趣主页均明确标注"Privacy-Preserving Machine Learning"／"machine learning on encrypted data"。
但截至2026年7月，公开信息中未见高尉与任何隐私计算企业的联合发表、联合实验室或项目合作记录。 这三篇论文的署名全部为"高尉+其学生"，无第三方机构。这条方向目前仍停留在学术研究层面，是其产业连接最有可能在未来兑现、但当前尚未兑现的接口。
5.4 与本系列其他LAMDA教授的产业模式对比
| 教授 | 产业合作模式 | 联合发表 | 企业兼职/联合实验室 |
|---|---|---|---|
| 周志华 | 全方位，国家级/重点企业智能化转型 | 大量 | 多个 |
| 俞扬 | 创业型（南栖仙策联合创始人） | 大量 | 有 |
| 詹德川 | 深度联合研发（阿里AIDC等） | 大量 | 有 |
| 吴建鑫 | 视觉方向的企业合作 | 较多 | 有 |
| 张利军 | 理论输出型（阿里AIDC、第四范式、小红书） | 中等 | 无兼职，有资助 |
| 高尉 | 几乎为零 | 3篇（2013-2016，且非严格意义的产业合作） | 无 |
核心判断：高尉是LAMDA教师群体中产业化程度最低的一位。 这既不是能力问题也不是机遇问题——他所在的LAMDA是国内产学研连接最密集的AI实验室之一，其导师周志华的产业网络覆盖华为、阿里、腾讯等所有头部企业，其同门俞扬、詹德川、张利军都建立了各自的产业通道。高尉选择了另一条路：将全部精力投入到那些没有直接产业买家的基础理论问题上（Boosting的泛化界、随机森林的收敛率、多标记学习的一致性），并接受由此带来的低产出、小团队、无产业资源的代价。
在一个普遍以产学研合作论英雄的评价体系中，这条路径的稀缺性本身构成了其学术价值的一部分——AIJ上的5篇论文和一场持续15年争论的终结，是无法通过任何横向项目换来的。
六、Connection圈层总结
第一圈层——周志华（唯一的核心，绝对主导）： 31次合作，占其全部49篇论文的63.3%，跨度2010-2025年整整16年从未中断。这是本系列所有报告中"单一合作者集中度"最高的记录。周志华在高尉的学术生涯中扮演了三重角色：博士导师（2009-2014，指导其完成Boosting理论的博士论文并获CCF优博）、长期学术伙伴（2014至今，共同产出AIJ与ICML/NeurIPS的最高规格理论工作）、以及《机器学习理论导引》的领衔作者（与王魏、张利军共四人）。高尉是周志华学术谱系中最纯粹的理论继承者——他不像俞扬转向强化学习与创业、不像詹德川转向多模态与产业落地，而是持续在导师最初交给他的那条理论主线上深耕。
第二圈层——南开组合数学的数学底色（休眠但深刻）： 侯庆虎（1次，现天津大学教授）与辛国策（1次，现首都师范大学教授）代表了其2009年前的纯组合数学训练。这条线在DBLP上只留下一篇European Journal of Combinatorics的论文，此后完全中断，但它对高尉研究风格的塑造是决定性的——P-partition理论的组合构造训练直接转化为后来推导泛化界与收敛率的能力。这是他与LAMDA其他教师最大的背景差异，也是他能在最数学化的方向上做出突破的根源。
第三圈层——学生梯队（团队生产的全部构件）： 袁满杰（5次）、许璠（4次）、钱梦璋（4次）、杨斌斌（4次）、郭峻杞（3次）、陈武阳（3次）、周植（2次）、倪杰（2次）、邢存远（2次）、艾政（2次）、沈松青（2次）、牛心怡（2次）、邹征（2次）构成其2018年以后论文产出的直接执行者。11位已毕业学生全部为硕士，去向分散于微软（2）、腾讯（2）、阿里、字节、荣耀、比亚迪、携程等9家企业，无一人进入高校。当前在读的许璠、钱梦璋、郭峻杞、邢存远、周植五人全部为博士生，标志着课题组正从"硕士作坊"向博士梯队转型。袁满杰（2024届硕士→留校读博）是其隐私计算新方向的开创性学生，也是目前最可能的学术传人。
第四圈层——LAMDA同事与南大跨院系（稀疏的横向连接）： 除周志华外，与LAMDA全部其他教师的合作总和仅约10次——李宇峰（2次）、王魏（1次）、李明（1次）、郭兰哲（1次）、魏通（1次）、张邵群（1次）。院外仅陶敏（2次，南大数学系凸优化方向）一人。这一横向连接密度在一个以团队协作著称的大型实验室中是异常低的，直接反映了纯理论研究"一位教授+一两名学生即可完成"的生产特性。同门张腾（4次，2019届博士→华中科技大学）是唯一有实质性持续合作的同辈学者，两人在间隔分布理论上高度共振。
第五圈层——短暂的国际学术接触： Rong Jin（3次，2013-2016，时任MSU教授，后任阿里达摩院院长）与Shenghuo Zhu（3次，同期，NEC Labs America，后加入阿里达摩院）通过One-Pass AUC Optimization一个工作与高尉建立联系，2016年后完全中断。此外还有Lech Szymanski与Brendan McCane（各1次，2017年，新西兰奥塔哥大学，深度架构的间隔分布优化）、Bo An（1次，2017年，南洋理工大学，标签污染攻击）等零星国际合作。其国际网络的稀薄程度与国内网络相当——没有形成任何长期稳定的海外合作关系。
第六圈层——产业（近乎空白）： 无企业兼职、无联合实验室、无公开产学研项目、无国内企业联合发表。唯一的产业色彩来自Rong Jin/Shenghuo Zhu在合作结束后加入阿里达摩院这一回溯性事实。产业连接完全依赖毕业生输送（9家企业分散11人），无稳定人才管道。2023年后开辟的隐私保护机器学习方向是其距离产业最近的技术接口，但截至2026年7月尚未产生任何实质性企业合作。
产出规模与结构： 49条发表记录（正式发表39篇 + arXiv预印本10篇），年均约2.9篇，2020年后占42.9%（21篇）。Artificial Intelligence 5篇是其最硬的学术资产（全部为第一作者），加上COLT 1篇、ALT 1篇、ICML 4篇、NeurIPS 4篇、IJCAI 6篇、AAAI 4篇、TPAMI 1篇。合作者总数仅48人，是本系列所有报告中最紧凑的网络。第一作者比例40.8%、末位作者30.6%——在国内正教授中，第一作者比例超过40%是极为罕见的，意味着他至今仍在一线亲自完成理论推导与论文写作。
整体画像： 如果说本系列已完成的其他LAMDA教授报告展示的是"如何在人工智能的产业浪潮中建立起横跨学术界与工业界的复合网络"，那么高尉的报告展示的是相反的一种可能——一位以纯数学训练为底色、以单一导师为唯一学术锚点、以极小团队为全部生产力的理论学者，如何在几乎不与外部世界发生连接的情况下，通过五篇AIJ和一场持续十五年争论的终结，在机器学习理论史上留下确定无疑的印记。 他的Connection网络之稀疏，恰恰是其学术选择之纯粹的镜像。
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: 28/2073-8，校正后49条发表记录、48位合作者），并结合以下信息源：
- 高尉个人主页（http://www.lamda.nju.edu.cn/gaow/，含完整发表列表与学生标注，页面最后更新于2020年11月但发表列表持续更新至2025年）
- 南京大学LAMDA实验室官网（博士生名单、以往研究生/博士后校友去向页面、学生个人主页）
- LAMDA学生个人主页（许璠、邢存远、白雪童、倪杰、姚嘉和、沈松青、杨斌斌、张凯然等，均明确标注"Supervisor: Wei Gao"）
- 周志华教授个人主页（《机器学习理论导引》作者信息）
- 百度百科"高尉"词条（教育经历、荣誉、博士论文题目、学术兼职）
- 南京大学人工智能学院官网（推免生遴选工作组名单、师资信息）
- LAMDA 2027年招生导师名单（职称与招生资格确认）
- 南开大学组合数学中心官网（侯庆虎、辛国策的机构信息）
局限性说明：
-
DBLP记录存在双向偏差，本报告已作校正。 pid 28/2073-8下混入了1条不属于高尉的记录（Remote Sensing 2022的中国火星任务干涉测量论文，作者为北京航天飞行控制中心团队，DBLP同时将其误挂在高尉与周志华名下）；同时未消歧的
28/2073桶中另有5条实际属于高尉的记录未被归入其pid（含PAKDD 2024、NeurIPS 2023、ICDM 2025、SCIS 2025、ACML 2022）。本报告统计已剔除前者、补入后者，读者直接访问DBLP页面时看到的将是未校正的44条。 -
本科教育背景未披露。 高尉的个人主页、百度百科词条及公开报道中，均未提及其本科就读院校与专业。已知的教育起点为南开大学组合数学中心硕士（2009年6月毕业）。
-
硕士导师为推断结论。 侯庆虎作为其南开硕士阶段指导教师的判断，依据是2009年European Journal of Combinatorics论文的署名结构（高尉第一、侯庆虎第二）及侯庆虎当时在南开组合数学中心的教授职位，未见官方文件的直接确认。
-
在读学生名单可能不完整。 LAMDA官网的博士生页面仅列姓名与年级、不标注导师，需通过学生个人主页与DBLP合作频次交叉推断。低年级硕士生及2025-2026级新生可能存在遗漏。
-
课题组内部的"大导-小导"分工未能完全区分。 部分论文同时署名高尉与周志华（如ICML 2022、ICML 2025的多篇），这些学生在LAMDA体系中可能名义上属周志华门下而由高尉实际指导，本报告依据DBLP合作频次与学生主页的Supervisor标注归类，可能与实际的学籍归属存在出入。
-
产业合作的判定基于公开信息的缺失。 报告结论"高尉几乎无产业合作"建立在DBLP联合发表、个人主页、公开新闻三方面均无相关记录的基础上。横向课题合同、专利、企业咨询等不进入公开渠道的合作形式无法通过本报告的方法覆盖，因此该结论仅适用于可公开验证的合作层面。
-
引用数据缺失。 未能获取高尉的Google Scholar档案（其个人主页未提供链接，DBLP亦无关联记录），因此本报告无法提供总被引次数与H-index，学术影响力的评估完全依赖发表venue的质量分布与代表作的领域地位。