南大LAMDA 张利军 教授
报告生成时间： 2026年7月
个人主页： https://ai.nju.edu.cn/zlj/index.htm DBLP： https://dblp.org/pid/76/4015-5.html（Lijun Zhang 0005，DBLP中文标注"张利军"） Google Scholar： https://scholar.google.com.hk/citations?user=DC5FEjoAAAAJ
一、学者基本信息
张利军（Lijun Zhang），男，南京大学人工智能学院教授、博士生导师，机器学习与数据挖掘研究所（LAMDA）成员，国家自然科学基金优秀青年科学基金获得者（2021年）。办公地点为南京大学仙林校区计算机科学技术楼310室。
教育经历： - 2003.09-2007.06，浙江大学，软件工程，工学学士 - 2007.09-2012.06，浙江大学，计算机科学与技术，工学博士 - 2011.06-2011.12，美国密歇根州立大学（Michigan State University），访问学生
工作经历： - 2012.08-2014.04，美国密歇根州立大学，博士后研究员 - 2014.04-2019.12，南京大学计算机科学与技术系，副教授 - 2019.12-2020.12，南京大学人工智能学院，特聘研究员（Research Professor） - 2020.12至今，南京大学人工智能学院，教授
研究方向： 机器学习（Machine Learning）与优化（Optimization）。具体聚焦于在线学习与在线凸优化（Online Convex Optimization）、随机优化与凸优化理论、分布鲁棒优化（DRO/GDRO）、多臂赌博机与Bandit理论、投影自由（Projection-free / Frank-Wolfe）算法、延迟反馈与非平稳环境下的在线学习、分布式与去中心化优化、符号类优化器（SignSGD / Lion）理论分析、持续学习（Continual Learning）等。是国内在线学习与优化理论方向最具代表性的学者之一。
研究风格特点： 张利军的工作以理论驱动为核心特征——绝大多数论文围绕regret bound、收敛率、样本复杂度等理论量的改进展开，代表性贡献包括动态regret（dynamic regret）、自适应regret（adaptive regret）、通用在线凸优化（universal OCO）三类问题的系统性推进，以及群体分布鲁棒优化（Group DRO）的随机近似方法。这与LAMDA整体偏向学习理论与算法基础的传统高度一致。
荣誉奖项： - 2021年，国家自然科学基金优秀青年科学基金（优青） - 2019年，微软亚洲研究院合作研究项目资助（MSRA Collaborative Research Grant Award） - 2018年，阿里巴巴达摩院青年学者（DAMO Academy Young Fellow） - 2017年，中国科协青年人才托举工程（Young Elite Scientist Sponsorship Program by CAST） - 2016年，中国计算机学会（CCF）青年人才发展计划 - 2012年，AAAI-12 杰出论文奖（Outstanding Paper Award） - 2011年，浙江大学竺可桢奖学金（浙江大学最高荣誉） - 2010年，ACM Multimedia 2010 最佳论文提名（Best Paper Award Runner-up） - 2010年，教育部博士研究生学术新人奖
学术服务： 曾担任VALSE 2022大会程序委员会主席（与程明明、冯伟、张敏灵共同出任），长期担任ICML、NeurIPS、ICLR、AAAI、IJCAI等顶会领域主席/资深程序委员。
二、DBLP数据统计
2.1 发表记录总览
DBLP pid: 76/4015-5（Lijun Zhang 0005），标注机构为"Nanjing University, National Key Laboratory for Novel Software Technology"及"Michigan State University, Department of Computer Science"，中文名标注"张利军"。截至2026年7月，该pid下共297条发表记录（152篇期刊、145篇会议）。
需要说明的是，该pid存在DBLP自动消歧的合并误差：其中33条记录实际属于另一位同名学者（美国马萨诸塞大学阿默斯特分校UMass Amherst的Lijun Zhang，与Hui Guan教授合作，研究方向为多任务学习、模型压缩、联邦学习与系统优化）。剔除这部分记录后，南大张利军本人的发表记录为264条（正式发表179篇 + arXiv预印本约90篇）。本报告以下所有统计均基于剔除污染后的264条记录。
2.2 年度产出分布（已剔除同名污染）
| 年份 | 论文数 | 年份 | 论文数 | 年份 | 论文数 |
|---|---|---|---|---|---|
| 2007 | 1 | 2014 | 6 | 2021 | 22 |
| 2008 | 1 | 2015 | 19 | 2022 | 23 |
| 2009 | 1 | 2016 | 13 | 2023 | 20 |
| 2010 | 8 | 2017 | 19 | 2024 | 24 |
| 2011 | 3 | 2018 | 16 | 2025 | 23 |
| 2012 | 8 | 2019 | 20 | 2026 | 4（截至7月） |
| 2013 | 10 | 2020 | 23 |
趋势分析： 产出可划分为三个清晰阶段。2007-2012年为浙大博士期间，年均约4篇，以多媒体检索、主动学习、流形学习为主。2012-2014年为MSU博士后期间，产出跃升至年均9-10篇，研究方向彻底转向随机优化与在线学习理论（COLT/ICML/NIPS）。2015年回国后进入稳定高产期，2015年起除2016年（13篇）外基本维持在每年19-24篇，2020年以后（2020-2026）共计139篇，占全部记录的52.7%。这一"平稳而非爆发"的产出曲线与其纯理论研究定位一致——理论论文难以通过扩大团队规模实现线性增长。
2.3 作者位次分布
在264条记录中，张利军担任第一作者58次（22.0%），担任末位作者109次（41.3%）。第一作者比例在国内正教授中显著偏高，反映其至今仍深度参与推导与写作，而非纯粹的团队管理者角色。末位作者比例的持续上升发生在2018年以后，与其学生梯队成型的时间点吻合。
2.4 发表venue分布
| 会议/期刊 | 篇数 | 会议/期刊 | 篇数 |
|---|---|---|---|
| ICML | 32 | AISTATS | 6 |
| AAAI | 22 | IEEE TKDE | 6 |
| NeurIPS/NIPS | 26 | ACM Multimedia | 5 |
| IJCAI | 12 | UAI | 3 |
| JMLR | 9 | PAKDD | 3 |
| IEEE TPAMI | 6 | CIKM | 2 |
| Machine Learning (Springer) | 6 | IEEE TIP | 2 |
| COLT | 6 | 其他 | 33 |
venue特征： ICML（32篇）+ NeurIPS（26篇）+ COLT（6篇）+ AISTATS（6篇）+ JMLR（9篇）构成其发表主阵地，合计79篇，占正式发表的44%。COLT作为学习理论最顶级的会议，6篇的数量在国内学者中处于领先水平（含2013、2017、2019、2023、2024等年份）。相比之下，其在KDD、SIGIR等应用型会议上的发表极少，进一步印证纯理论导向。近年新增WWW、WSDM、ICCV、CVPR等应用会议，均来自与工业界或校内视觉方向同事的合作。
2.5 合作者网络总览
唯一合作者总数：190人。其中合作10次以上的有22人，合作5次以上的有38人，合作3次以上的有70人。相比同量级的应用型学者，张利军的合作者规模明显更紧凑，反映理论研究"小而深"的协作模式。
2.6 核心合作者（Top 30，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 |
|---|---|---|---|---|
| 1 | Tianbao Yang（杨天保） | 82 | 2012-2026 | 美国德州农工大学（TAMU）教授，前爱荷华大学教授 |
| 2 | Rong Jin 0001（金榕） | 53 | 2012-2020 | 前MSU教授、阿里巴巴达摩院院长，现Meta |
| 3 | Zhi-Hua Zhou（周志华） | 45 | 2015-2025 | 南京大学LAMDA所长、人工智能学院院长 |
| 4 | Yuanyu Wan（万园愈） | 40 | 2018-2025 | 张利军2022届博士，现浙江大学研究员 |
| 5 | Wei Jiang 0029（姜维） | 29 | 2015-2026 | 张利军2025届博士，现南京理工大学教授 |
| 6 | Yibo Wang 0005（王一博） | 29 | 2022-2026 | 在读博士生（2023级） |
| 7 | Jinfeng Yi（衣锦峰） | 29 | 2013-2025 | 前IBM Watson、京东AI研究院、腾讯 |
| 8 | Guanghui Wang 0006（王光辉） | 27 | 2018-2025 | 张利军2020届硕士，Georgia Tech博士 |
| 9 | Shiyin Lu（陆世寅） | 26 | 2018-2026 | 张利军2022届硕转博，现阿里巴巴（杭州） |
| 10 | Peng Zhao 0006（赵鹏） | 21 | 2019-2025 | 南京大学LAMDA副教授，周志华学生 |
| 11 | Chun Chen 0001（陈纯） | 20 | 2007-2015 | 浙江大学教授、中国工程院院士 |
| 12 | Jiajun Bu（卜佳俊） | 20 | 2007-2015 | 浙江大学教授 |
| 13 | Xiaofei He 0001（何晓飞） | 17 | 2009-2017 | 浙江大学教授、飞步科技创始人 |
| 14 | Wenhao Yang（杨文昊） | 15 | 2023-2025 | 在读博士生（2024级） |
| 15 | Wei-Wei Tu（涂威威） | 14+3 | 2019-2025 | 第四范式（4Paradigm）资深科学家 |
| 16 | Zi-Hao Qiu（邱子豪） | 12 | 2021-2025 | 2025届硕转博，现华为（上海） |
| 17 | Shenghuo Zhu（朱胜火） | 11 | 2013-2020 | NEC Labs America → 阿里巴巴达摩院 |
| 18 | Deng Cai 0001（蔡登） | 11 | 2009-2017 | 浙江大学教授 |
| 19 | Can Wang 0001（王灿） | 11 | 2008-2015 | 浙江大学教授 |
| 20 | Sifan Yang（杨斯凡） | 10 | 2024-2025 | 在读博士生（2025级） |
| 21 | Mehrdad Mahdavi | 10 | 2012-2015 | 宾夕法尼亚州立大学（PSU）教授，MSU同期博士生 |
| 22 | Bo Xue 0004（薛博） | 9 | 2020-2025 | 2021届硕士，现华为（南京） |
| 23 | Yimu Wang（王一沐） | 9 | 2020-2025 | 2021届硕士，滑铁卢大学博士 |
| 24 | Yao Hu 0002（胡尧） | 9 | 2014-2024 | 小红书（Xiaohongshu）算法负责人 |
| 25 | Mingli Song（宋明黎） | 9 | 2023-2025 | 浙江大学教授（万园愈现任同事） |
| 26 | Zhao Xu（徐钊） | 7 | 2024-2026 | 阿里巴巴国际数字商业集团（AIDC） |
| 27 | Weihua Luo（骆卫华） | 7 | 2024-2026 | 阿里巴巴国际数字商业集团AI业务副总裁 |
| 28 | Kaifu Zhang（张凯夫） | 7 | 2024-2026 | 阿里巴巴国际数字商业集团AI负责人 |
| 29 | Quanqi Hu（胡全奇） | 7 | 2022-2025 | Tianbao Yang团队博士生（TAMU） |
| 30 | Wei Chen 0005（陈伟） | 7 | 2007-2010 | 浙江大学博士期间同门 |
核心观察： 合作频次前两名Tianbao Yang（82次）与Rong Jin（53次）均为其MSU博士后时期结识的美方合作者，合计135次，超过与周志华（45次）合作的三倍。这一数据揭示了一个关键事实——张利军的学术谱系主脉不在浙大博士导师线，也不在南大LAMDA线，而在MSU的Rong Jin—Tianbao Yang优化理论线。这在国内高校教授中是一个相当特殊的结构。
三、博士教育背景与导师追溯
3.1 浙江大学博士阶段（2007-2012年）——CAD&CG/ZJU-Eagle实验室
张利军的博士学位取自浙江大学计算机科学与技术学院，导师团队为陈纯院士（Chun Chen）与卜佳俊教授（Jiajun Bu），同时与何晓飞教授（Xiaofei He）和蔡登教授（Deng Cai）有深度合作。
DBLP数据可清晰佐证这一师承结构：2007-2015年间，与陈纯合作20次、卜佳俊合作20次、何晓飞合作17次、蔡登合作11次、王灿（Can Wang）合作11次。其中2007-2012年的全部12篇论文中，陈纯与卜佳俊几乎无一缺席，符合中国高校"大导（陈纯院士）+ 小导（卜佳俊）"的典型指导结构。何晓飞与蔡登（均为芝加哥大学/UIUC归国、流形学习与谱方法专家）则是其方法论上的直接引路人。
博士期间研究方向： 这一时期的工作集中在实验设计（Optimal Experimental Design）、主动学习、流形正则化、稀疏编码、协同聚类等方向，代表作包括： - Active Learning Based on Locally Linear Reconstruction（IEEE TPAMI 2011，合作者含UIUC黄煦涛Thomas S. Huang） - Locally Discriminative Coclustering（IEEE TKDE 2012，合作者含UIUC韩家炜Jiawei Han） - Discriminative Codeword Selection for Image Representation（ACM MM 2010，获Best Paper Runner-up） - Music Recommendation by Unified Hypergraph（ACM MM 2010）
值得注意的是，这一时期与Thomas S. Huang（黄煦涛，UIUC）、Jiawei Han（韩家炜，UIUC）等国际顶级学者的合作，来自何晓飞/蔡登的UIUC人脉延伸。
博士期间同门： 陈伟（Wei Chen，7次，2007-2010）、吴昊（Hao Wu，4次）、陈正光（Zhengguang Chen）、谭书龙（Shulong Tan）、郑淼（Miao Zheng）、何占英（Zhanying He）等，均为陈纯/卜佳俊课题组同期成员。
3.2 密歇根州立大学博士后阶段（2012-2014年）——学术转型的决定性时期
2012年博士毕业后，张利军赴密歇根州立大学（MSU）跟随Rong Jin（金榕）教授从事博士后研究。这是其学术生涯的转折点：研究方向从多媒体/流形学习彻底转向随机优化与在线学习理论。
事实上这一转向在2011年访学期间即已启动。2011年6-12月他作为访问学生赴MSU，2012年起DBLP记录中开始出现Rong Jin、Tianbao Yang、Mehrdad Mahdavi等名字，2013年即在COLT、ICML、NIPS上密集发表随机优化理论论文。
MSU时期核心成果： - Recovering the Optimal Solution by Dual Random Projection（COLT 2013） - Linear Convergence with Condition Number Independent Access of Full Gradients（NIPS 2013） - Efficient Algorithms for Robust One-bit Compressive Sensing（ICML 2014） - Mixed Optimization for Smooth Functions（NIPS 2013）
MSU时期学术共同体（Rong Jin组）：
| 姓名 | DBLP合作次数 | 合作年份 | 现任职 |
|---|---|---|---|
| Rong Jin 0001（金榕） | 53 | 2012-2020 | 前MSU教授 → 阿里巴巴达摩院院长 → Meta |
| Tianbao Yang（杨天保） | 82 | 2012-2026 | MSU博士后同期 → 爱荷华大学 → 德州农工大学（TAMU）教授 |
| Mehrdad Mahdavi | 10 | 2012-2015 | MSU博士生同期 → 宾州州立大学（PSU）教授 |
| Jinfeng Yi（衣锦峰） | 29 | 2013-2025 | MSU博士生同期 → IBM Watson → 京东AI → 腾讯 |
| Qi Qian 0001（钱奇） | 4 | 2013-2015 | MSU博士生同期 → 阿里巴巴达摩院 |
| Shenghuo Zhu（朱胜火） | 11 | 2013-2020 | NEC Labs America → 阿里巴巴达摩院 |
| Anil K. Jain（Anil Jain） | 1 | 2013 | MSU杰出教授，模式识别泰斗 |
这一"MSU学术共同体"是张利军全部学术网络中最持久、最高频、也最具产业延伸性的一层。 Rong Jin组的成员在2015年前后集体流向工业界（金榕→阿里达摩院、朱胜火→阿里达摩院、钱奇→阿里达摩院、衣锦峰→IBM/京东/腾讯），这批人后来直接构成了张利军在中国工业界的核心通道（详见第五章）。
3.3 与周志华的关系定位
张利军2014年加入南京大学时已完成博士学位与博士后训练，并非周志华的学生。周志华（45次，2015-2025）是其加入LAMDA后的资深合作者与团队负责人。两人的合作主要集中在几篇标志性的理论论文上，包括： - Stochastic Approximation of Smooth and Strongly Convex Functions（COLT 2019，仅二人署名） - Stochastic Approximation Approaches to Group Distributionally Robust Optimization（NeurIPS 2023） - Dual Adaptivity: A Universal Algorithm for Minimizing the Adaptive Regret（NeurIPS 2021） - Improved Dynamic Regret for Non-degenerate Functions（NeurIPS 2017）
这一合作模式（少量但极高质量的联合署名，多为LAMDA最重要的理论产出）体现的是同事间的学术伙伴关系而非师生关系。张利军因此在LAMDA内部具有相对独立的学术身份——他是LAMDA中少数博士学位不来自南大、且学术谱系完全外部输入的核心教授。
四、LAMDA/南大团队合作网络
4.1 LAMDA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） | 45 | 2015-2025 | LAMDA所长、人工智能学院院长、欧洲科学院外籍院士 | 在线学习理论、GDRO、自适应regret |
| 赵鹏（Peng Zhao） | 21 | 2019-2025 | LAMDA副教授（周志华学生） | 非平稳在线学习、动态regret、参数无关优化 |
| 侯柄行（Bo-Jian Hou） | 6 | 2017-2022 | 周志华学生，现宾夕法尼亚大学/复旦 | 在线学习、特征演化 |
| 张宇捷（Yu-Jie Zhang） | 5 | 2020-2024 | LAMDA博士，现东京大学博士后 | 随机与对抗环境的桥接 |
| 魏通（Tong Wei） | 3 | 2024-2025 | 东南大学副教授（LAMDA校友） | 去中心化在线凸优化 |
| 孙海龙（Hai-Long Sun） | 2 | 2025-2026 | LAMDA博士生（叶翰嘉/詹德川组） | LLM自博弈微调 |
关键关系说明： 赵鹏（21次）是张利军在LAMDA内部最紧密的青年学术伙伴。 赵鹏是周志华的博士生（2021年毕业），研究方向为非平稳环境下的在线学习，与张利军的动态regret/自适应regret方向高度重叠。二人在NeurIPS 2023的GDRO工作、NeurIPS 2024的universal OCO工作、以及ICML 2026的参数无关随机优化工作（与Tel Aviv大学Tomer Koren合作）上持续深度合作，实际上共同构成了LAMDA在线学习与优化理论方向的"双引擎"结构——周志华作为总体学术引领者，张利军与赵鹏作为方向的实际推进者。
跨方向合作（人工智能学院内部）： 近年张利军与南大计算机系/人工智能学院的视觉与持续学习方向教师建立了新的合作通道，主要合作者为詹德川（De-Chuan Zhan）、叶翰嘉（Han-Jia Ye）、周大蔚（Da-Wei Zhou）团队，联合成果包括CVPR 2025的Dual Consolidation for Pre-Trained Model-Based Domain-Incremental Learning、ICCV 2025的External Knowledge Injection for CLIP-Based Class-Incremental Learning。这条线代表其从纯优化理论向持续学习（Continual Learning）应用侧的延伸。
跨校合作： 侯臣平（Chenping Hou，3次，国防科技大学教授）在2025年围绕标签偏移适应、特征增量学习与张利军展开合作；魏哲巍/张潇（Zhewei Wei、Xiao Zhang，中国人民大学）在ICML 2025与ICLR 2026的矩阵草图/线性Bandit工作中出现。
4.2 直接指导的学生梯队
张利军个人主页公开了完整的学生名单与毕业去向，这是本报告最可靠的一手数据来源。截至2026年，其已毕业学生共27人次（含硕转博的重复计数）。
博士生：
| 姓名 | 入学 | 毕业 | DBLP合作 | 去向 |
|---|---|---|---|---|
| 万园愈（Yuanyu Wan） | 2016（硕）/2019（博） | 2019/2022 | 40 | 浙江大学研究员（"百人计划"） |
| 姜维（Wei Jiang） | 2020 | 2025 | 29 | 南京理工大学教授 |
| 陆世寅（Shiyin Lu） | 2017（硕转博） | 2022 | 26 | 阿里巴巴（杭州） |
| 邱子豪（Zi-Hao Qiu） | 2019（硕转博） | 2025 | 12 | 华为（上海） |
硕士生（按毕业年份倒序）：
| 姓名 | 入学 | 毕业 | DBLP合作 | 去向 |
|---|---|---|---|---|
| 陈思佳（Sijia Chen） | 2022 | 2025 | 6 | 阿里巴巴（杭州） |
| 庄振华（Zhen-Hua Zhuang） | 2022 | 2025 | 3 | 阿里巴巴（杭州） |
| 刘朗琦（Langqi Liu） | 2022 | 2025 | 4 | 香港科技大学（广州）研究助理 |
| 曹博文（Bo-Wen Cao） | 2022 | 2025 | - | 元宝（北京） |
| 苟宇田（Yu-Tian Gou） | 2021 | 2024 | 2 | 中国电子科技集团（成都） |
| 胡雨薇（Yuwei Hu） | 2021 | 2024 | 2 | 阿里巴巴（杭州） |
| 简迎春（Yingchun Jian） | 2020 | 2023 | 3 | 阿里巴巴（杭州） |
| 张振尧（Zhenyao Zhang） | 2020 | 2023 | 2 | 美团（上海） |
| 朱晓燮（Xiaoxie Zhu） | 2020 | 2023 | 2 | 字节跳动（上海） |
| 尤逸凡（Yifan You） | 2020 | 2022 | - | 洛书投资（上海） |
| 程权（Quan Cheng） | 2019 | 2022 | 3 | 中国银行（北京） |
| 王旭尧（Xuyao Wang） | 2019 | 2022 | - | 华为（上海） |
| 陈宇辉（Yuhui Chen） | 2019 | 2022 | - | 华为（杭州） |
| 王一沐（Yimu Wang） | 2018 | 2021 | 9 | 滑铁卢大学（UWaterloo）博士 |
| 薛博（Bo Xue） | 2018 | 2021 | 9 | 华为（南京） |
| 焦润（Run Jiao） | 2018 | 2020 | - | 华为（上海） |
| 李鹏程（Pengcheng Li） | 2017 | 2020 | 5 | 华为（上海） |
| 王光辉（Guanghui Wang） | 2017 | 2020 | 27 | Georgia Tech 博士 |
| 严新宇（Xinyu Yan） | 2016 | 2019 | - | 腾讯（深圳） |
| 肖亦驰（Yi-Chi Xiao） | 2015 | 2018 | - | 腾讯（深圳） |
| 杨森（Sen Yang） | 2015 | 2018 | - | 华为（南京） |
| 张杰（Jie Zhang） | 2015 | 2018 | - | 趋势科技（南京） |
在读学生（据DBLP合作频次推断的核心成员）： 王一博（Yibo Wang，29次，2023级博士）、杨文昊（Wenhao Yang，15次，2024级博士）、杨斯凡（Sifan Yang，10次，2025级博士）、余定志（Dingzhi Yu，4次）、白皓民（Haomin Bai，2025级博士）、陶昊一（Haoyi Tao）、吴凌宇（Lingyu Wu）。
毕业去向结构分析： 27人次毕业生的去向呈现极为鲜明的三分格局： 1. 华为（7人） —— 王旭尧、陈宇辉、薛博、焦润、李鹏程、杨森、邱子豪，是最大单一雇主，覆盖上海、杭州、南京三地研究所 2. 阿里巴巴（5人） —— 陆世寅、陈思佳、庄振华、胡雨薇、简迎春，全部在杭州 3. 高校/继续深造（6人） —— 万园愈（浙大研究员）、姜维（南理工教授）、王光辉（Georgia Tech博士）、王一沐（UWaterloo博士）、刘朗琦（HKUST-GZ RA）
腾讯（2人）、字节跳动、美团、中电科、中国银行、趋势科技、洛书投资各1人。
值得注意的现象： 该组硕士生占绝对多数（23/27），博士生仅4人。这与张利军的研究方向特点相关——在线学习理论的研究门槛虽高但单个课题周期可控，硕士生在两到三年内产出一篇顶会理论论文是可行的。同时也意味着其学术梯队的"再生产"能力（培养高校教职后代）相对有限，目前仅万园愈（浙大）与姜维（南理工）两人进入学术界，但这两人的质量都很高——万园愈已成为浙大独立PI并反向与导师保持高频合作（40次，2018-2025）。
4.3 万园愈—浙江大学的"反向学术回流"
万园愈是张利军最重要的学术传人。他2016年入南大读硕、2019年直博、2022年毕业后进入浙江大学任研究员。有意思的是，其毕业后与张利军的合作不但没有减弱反而更加紧密——2023-2025年间通过引入浙江大学的宋明黎（Mingli Song，9次）、姚畅（Chang Yao，4次）等浙大合作者，在COLT 2023、COLT 2024、ICML 2024（两篇）、NeurIPS 2024等顶会上持续发表延迟反馈与去中心化在线学习方向的工作。
这构成了一条"南大LAMDA → 浙江大学"的学术输出通道。同时，考虑到张利军本人的博士学位来自浙江大学，这也可以理解为一次学术血脉的"回流"——他把在南大发展成熟的在线学习理论方向输送回了母校。
五、业界合作关系深度分析
张利军的产业合作模式在国内理论派学者中相当独特：他并未走"成立公司/担任首席科学家"的路线，而是通过MSU博士后同门在中国工业界的分布建立了一张稳定的产学研网络，并在2024年后转向与阿里巴巴国际数字商业集团（AIDC）的深度联合研发。
5.1 阿里巴巴——从达摩院青年学者到AIDC大模型联合研发（最核心的产业关系）
阿里巴巴是张利军最重要、也是延续时间最长的产业合作方，这一关系可分为三个阶段。
阶段一（2015-2020）：达摩院时期——由Rong Jin牵线
2015年前后，其MSU博士后导师Rong Jin（金榕）离开MSU出任阿里巴巴达摩院院长（西雅图/杭州），同期朱胜火（Shenghuo Zhu，11次）、钱奇（Qi Qian，4次）等MSU组成员也陆续加入达摩院。这条通道直接带来了： - 2018年，张利军入选阿里巴巴达摩院青年学者（DAMO Academy Young Fellow） - 2015-2020年间大量论文的作者单位标注为"Alibaba Group, Seattle"（如NeurIPS 2017的Improved Dynamic Regret for Non-degenerate Functions，Rong Jin的邮箱为jinrong.jr@alibaba-inc.com）
阶段二（2021-2022）：阿里电商业务的在线学习落地
这一时期的合作转向具体业务场景，主要合作者为Qing-Guo Chen（陈庆国）、Qing Da（达清）、周宇航（Yu-Hang Zhou，LAMDA校友、时任达摩院）等阿里算法团队成员，代表成果： - Non-stationary Continuum-armed Bandits for Online Hyperparameter Optimization（WSDM 2022），合作者含陆世寅、周宇航、施敬程、朱文雅、于清涛、陈庆国、达清 —— 这篇论文是"在线超参优化"在阿里电商推荐系统中的实际落地 - Learning to Augment Imbalanced Data for Re-ranking Models（CIKM 2021），合作者邱子豪、简迎春、陈庆国 —— 电商重排序模型的数据增强
阶段三（2024-2026）：AIDC大模型时代的战略级联合研发（当前重点）
2024年起，张利军与阿里巴巴国际数字商业集团（AIDC，Alibaba International Digital Commerce）建立了目前最活跃的产学研合作。AIDC是阿里2023年"1+6+N"组织变革后独立的国际电商业务集团（旗下含速卖通AliExpress、Lazada、Trendyol、阿里国际站），其AI团队（AIDC-AI，"Marco"系列大模型）是这一合作的对口方。
AIDC方核心合作者：
| 合作者 | DBLP合作次数 | 合作年份 | 身份 |
|---|---|---|---|
| Kaifu Zhang（张凯夫） | 7 | 2024-2026 | AIDC AI负责人 |
| Weihua Luo（骆卫华） | 7 | 2024-2026 | AIDC AI业务副总裁 |
| Zhao Xu（徐钊） | 7 | 2024-2026 | AIDC AI研究员 |
| Qing-Guo Chen（陈庆国） | 6+3 | 2021-2026 | AIDC算法负责人（自淘系时期即合作） |
| Guangda Huzhang（胡张广大） | 3 | 2025-2026 | AIDC算法专家 |
联合研发成果（全部为LLM/Agent方向，与张利军的传统理论方向差异极大）： - Advancing Tool-Augmented Large Language Models: Integrating Insights from Errors in Inference Trees（NeurIPS 2024）—— 工具增强LLM的推理树错误学习 - SPACE: Noise Contrastive Estimation Stabilizes Self-Play Fine-Tuning for Large Language Models（NeurIPS 2025）—— 自博弈微调的噪声对比估计稳定化 - Triplets Better Than Pairs: Towards Stable and Effective Self-Play Fine-Tuning for LLMs（NeurIPS 2025）—— 三元组自博弈微调 - Deep But Reliable: Advancing Multi-turn Reasoning for Thinking with Images（arXiv 2025）—— 多轮图像推理 - Building Autonomous GUI Navigation via Agentic-Q Estimation and Step-Wise Policy Optimization（arXiv 2026）—— GUI导航Agent
这一转向的战略意义： 张利军的AIDC合作论文全部由其在读博士生（王一博、陈思佳、杨文昊）作为第一作者，且发表在NeurIPS等顶会。这说明他并非简单接受横向项目，而是将LLM对齐（Self-Play Fine-Tuning本质上是一个博弈论/优化问题）作为其优化理论专长的新应用场景——SPACE与Triplets两篇工作的技术内核仍然是对齐目标函数的优化性质分析，与其在GDRO、universal OCO上的方法论一脉相承。同时，学生毕业流向阿里巴巴（5人）与这一合作关系高度耦合，形成了"联合发论文—学生实习—毕业入职"的完整闭环。
5.2 第四范式（4Paradigm）——AutoML与在线学习的理论支撑
涂威威（Wei-Wei Tu，14+3=17次，2019-2025年）是张利军在第四范式的核心合作者。涂威威是第四范式资深科学家、AutoML方向负责人，同时也是NeurIPS AutoML竞赛系列的组织者。第四范式以AutoML为核心技术，与国内多所高校建立了深度产学研合作体系。
联合成果： - Projection-free Distributed Online Convex Optimization（ICML 2020） - Dual Adaptivity: A Universal Algorithm for Minimizing the Adaptive Regret（NeurIPS 2021，含周志华） - Online Frank-Wolfe with Arbitrary Delays（NeurIPS 2022） - Optimistic Online Mirror Descent for Bridging Stochastic and Adversarial Online Convex Optimization（ICML 2023 + JMLR 2024） - Efficient Stochastic Approximation of Minimax Excess Risk Optimization（ICML 2024） - Online Strongly Convex Optimization with Unknown Delays（Machine Learning 2022）
合作特征： 与第四范式的合作是纯理论性质的——所有联合成果都发表在ICML/NeurIPS/JMLR等理论顶会顶刊，涉及分布式在线优化、延迟反馈、Frank-Wolfe算法等，没有任何面向具体业务的应用论文。这是一种相对少见的"企业赞助基础理论研究"模式，反映第四范式希望在AutoML的算法基础层建立技术壁垒的思路。涂威威本人也是这批工作的实质贡献者而非挂名。
5.3 小红书（Xiaohongshu）——Bandit算法在内容推荐中的落地
胡尧（Yao Hu 0002，9次，2014-2024年）是小红书的算法负责人（曾任阿里巴巴），与张利军的合作聚焦在多臂赌博机（Bandit）算法在内容推荐场景的应用。另一位合作者Ping Yang 0010（杨平，3次，2022-2024）同属小红书团队。
联合成果： - Optimal Algorithms for Lipschitz Bandits with Heavy-tailed Rewards（ICML 2019） - Multi-Objective Generalized Linear Bandits（IJCAI 2019） - Adapting to Smoothness: A More Universal Algorithm for Online Convex Optimization（AAAI 2020） - Stochastic Bandits with Graph Feedback in Non-Stationary Environments（AAAI 2021） - Non-stationary Dueling Bandits for Online Learning to Rank（APWeb/WAIM 2022） - Small-loss Adaptive Regret for Online Convex Optimization（ICML 2024） - Efficient Stochastic Approximation of Minimax Excess Risk Optimization（ICML 2024，与第四范式涂威威联合）
合作特征： 小红书线的合作横跨十年（2014-2024），主要贡献者为陆世寅、王光辉两位学生。研究主题高度对口小红书的业务痛点——非平稳环境（内容时效性强）、重尾奖励（用户行为长尾分布）、多目标（点赞/收藏/评论/停留时长）下的推荐排序。这是张利军产业合作中理论与业务结合最紧密的一条线。
5.4 京东/腾讯——衣锦峰通道
衣锦峰（Jinfeng Yi，29次，2013-2025年）是张利军MSU时期最重要的同门之一（Rong Jin的博士生），职业轨迹为IBM Thomas J. Watson研究中心 → 京东AI研究院 → 腾讯。二人的合作持续了13年且从未中断，从MSU时期的半监督聚类，到南大时期的对抗攻击、在线凸优化、Bandit理论。
代表性联合成果： - Semi-supervised Clustering by Input Pattern Assisted Pairwise Similarity Matrix（ICML 2013，MSU时期，含Anil K. Jain） - Query-Efficient Black-Box Attack by Active Learning（ICDM 2018） - Improving the Robustness of Deep Neural Networks via Adversarial Training with Triplet Loss（IJCAI 2019，另一合作者Bowen Zhou周伯文时任京东AI掌门） - A Simple yet Universal Strategy for Online Convex Optimization（ICML 2022） - Smoothed Online Convex Optimization Based on Discounted-Normal-Predictor（NeurIPS 2022） - Efficient Algorithms for Generalized Linear Bandits with Heavy-tailed Rewards（NeurIPS 2023） - Universal Online Convex Optimization Meets Second-order Bounds（JMLR 2025）
周伯文（Bowen Zhou 0001，2次，2019年）的出现值得关注——他时任京东集团副总裁/AI研究院院长（现清华大学惠妍讲席教授、上海人工智能实验室主任），IJCAI 2019的对抗训练论文是张利军与京东AI研究院的直接接触点。
5.5 华为——最大的人才输送目的地
DBLP中没有检索到张利军与华为研究人员的联合发表论文，但从学生去向看，华为是其课题组最大的单一雇主（7人）：王旭尧（上海）、陈宇辉（杭州）、薛博（南京）、焦润（上海）、李鹏程（上海）、杨森（南京）、邱子豪（上海）。华为在南京、上海、杭州均设有大型研究所，其中南京研究所与南大地理邻近，是LAMDA毕业生的传统去向。这种"只输送人才、不联合发表"的模式反映了华为的技术保密文化，与阿里的"论文+人才"双通道模式形成对比。
5.6 微软亚洲研究院（MSRA）
2019年张利军获得微软亚洲研究院合作研究项目资助（MSRA Collaborative Research 2019 Grant Award）。DBLP中未见与MSRA研究员的联合署名论文，该资助应属于MSRA面向国内高校青年学者的开放课题资助计划，用于支持其在线学习理论方向的研究。
5.7 产业合作的整体格局判断
张利军的产业合作呈现"三条并行主线 + 一条人才输送线"的结构：
| 通道 | 起源 | 合作性质 | 当前状态 |
|---|---|---|---|
| 阿里巴巴（达摩院→AIDC） | Rong Jin的MSU人脉 | 早期理论资助 → 现为LLM/Agent联合研发 | 最活跃，2024年后主战场 |
| 第四范式（涂威威） | AutoML技术需求 | 纯理论合作，ICML/NeurIPS/JMLR | 稳定持续（2019-2025） |
| 小红书（胡尧） | Bandit算法业务落地 | 理论-业务紧密结合 | 持续（2014-2024） |
| 华为 | 地理与产业邻近 | 仅人才输送，无联合发表 | 最大雇主（7人） |
| 京东/腾讯（衣锦峰） | MSU同门 | 同门私人合作延续 | 稳定，13年不断 |
核心判断： 与许多学者"产业合作 = 拿项目经费"不同，张利军的产业合作有一个鲜明特征——几乎所有联合成果都发表在ICML/NeurIPS/COLT/JMLR等顶级理论会议。他没有为产业合作牺牲研究品味，反而将产业场景（电商排序、内容推荐、LLM对齐）转化为新的理论问题（非平稳bandit、重尾奖励、自博弈优化）。这是理论派学者与工业界互动的一种高质量范式。
六、Connection圈层总结
第一圈层——MSU优化理论学术共同体（学术生涯的真正主脉）： Tianbao Yang（82次，2012-2026年，TAMU教授）与Rong Jin（53次，2012-2020年，前阿里达摩院院长）合计135次合作，是张利军学术网络中密度最高、持续最久的一层。这一圈层还包括Mehrdad Mahdavi（10次，PSU）、Jinfeng Yi（29次，腾讯）、Shenghuo Zhu（11次，前阿里）、Qi Qian（4次，阿里）等MSU同门。这一圈层的独特之处在于其"双重身份"——既是学术合作网络，又在2015年后集体流向中国工业界，从而直接转化为张利军的产业通道。 Tianbao Yang作为其最紧密的学术伙伴，合作跨度14年从未中断，二人在随机优化、DRO、对比学习优化等方向共同产出了大量ICML/NeurIPS成果，Tianbao Yang的学生（Quanqi Hu、Zhuoning Yuan、Yi Xu、Zhe Li）也成为张利军的固定合作者。
第二圈层——浙江大学师承与回流网络： 陈纯院士（20次）、卜佳俊（20次）、何晓飞（17次）、蔡登（11次）、王灿（11次）构成其2007-2015年的博士师承网络，方向为多媒体检索与流形学习，在2015年后基本停止合作（研究方向转型的自然结果）。但这一圈层在2023年后以另一种形式重新激活——学生万园愈（40次）赴浙大任教后，带来了宋明黎（9次）、姚畅（4次）等新一代浙大合作者，形成了"南大理论输出→浙大"的回流通道。
第三圈层——LAMDA与南大同事： 周志华（45次）作为LAMDA所长与人工智能学院院长，是其在南大最重要的学术伙伴，二人的合作虽然频次不算极高但质量极高（COLT 2019两人独立署名、NeurIPS 2021、NeurIPS 2023）。赵鹏（21次）是内部最紧密的青年同事，二人共同支撑LAMDA的在线学习方向。近年新增与詹德川/叶翰嘉/周大蔚（持续学习、CVPR/ICCV 2025）以及侯臣平（国防科大）、魏哲巍/张潇（人民大学）的跨方向、跨校合作。
第四圈层——学生梯队（团队生产力核心）： 万园愈（40次）、姜维（29次）、王一博（29次）、王光辉（27次）、陆世寅（26次）、杨文昊（15次）、邱子豪（12次）、杨斯凡（10次）、薛博（9次）、王一沐（9次）构成2018年以后论文产出的直接贡献者。27人次毕业生中，华为7人、阿里5人、高校/深造6人、腾讯2人，其余分散于字节、美团、中电科、金融机构。已产出2位高校教职（万园愈—浙大研究员、姜维—南理工教授）。
第五圈层——产业合作网络： - 阿里巴巴AIDC：Kaifu Zhang（7次）、Weihua Luo（7次）、Zhao Xu（7次）、Qing-Guo Chen（9次），2024年后主战场，方向为LLM自博弈微调与GUI Agent，成果发表于NeurIPS 2024/2025 - 第四范式：涂威威（17次），2019-2025年纯理论合作，分布式在线优化与延迟反馈 - 小红书：胡尧（9次）、Ping Yang（3次），2014-2024年，Bandit算法在内容推荐落地 - 京东/腾讯：衣锦峰（29次，MSU同门），13年持续合作；周伯文（2次，2019年京东AI院长） - 华为：无联合发表，但为最大人才雇主（7名毕业生） - 微软亚洲研究院：2019年合作研究资助
第六圈层——国际学术伙伴： Tianbao Yang（TAMU）团队之外，还包括Mehrdad Mahdavi（PSU）、Qihang Lin（爱荷华大学，5次）、Yan Yan（3次）、Denny Zhou（Google DeepMind，4次，通过Tianbao Yang的对比学习工作）、Tomer Koren（特拉维夫大学，ICML 2026参数无关优化，通过赵鹏）。Anil K. Jain（MSU杰出教授）、Thomas S. Huang（UIUC）、Jiawei Han（UIUC）则是早期通过导师人脉建立的顶级学者接触点。
产出规模与结构： 264条发表记录中（剔除同名污染后），2020年后占52.7%（139篇），产出曲线平稳而非爆发式。ICML 32篇 + NeurIPS 26篇 + COLT 6篇 + JMLR 9篇 + AISTATS 6篇，理论顶会顶刊密度极高。合作者190人，规模紧凑。第一作者比例22.0%、末位作者41.3%，在国内正教授中第一作者比例显著偏高。这组数据共同描绘出一位"仍在一线做理论推导的资深理论学者"的形象，与依靠团队规模驱动产出的应用型学者形成鲜明对照。
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: 76/4015-5，剔除同名污染后264条发表记录、190位合作者），并结合以下信息源：
- 张利军个人主页（https://ai.nju.edu.cn/zlj/index.htm，含CV、完整发表列表、完整学生名单与毕业去向，最后更新于2026年6月17日）
- 南京大学LAMDA实验室官网（成员名单、博士生名单、论著库）
- Semantic Scholar与arXiv论文元数据（用于确认合作者的机构署名）
- 阿里巴巴国际数字商业集团（AIDC）公开信息与AIDC-AI开源项目
- 天津大学VALSE 2022会议新闻（学术服务信息）
局限性说明：
-
DBLP同名合并问题： DBLP pid 76/4015-5 混入了美国马萨诸塞大学阿默斯特分校（UMass Amherst）另一位同名Lijun Zhang的33条记录（合作者为Hui Guan、Yuriy Brun、Xipeng Shen等，方向为多任务学习、模型压缩、联邦学习与系统优化）。经消歧确认南大张利军对应DBLP身份为pid: 76/4015-5，主要依据机构历史（Nanjing University + Michigan State University）、研究方向（在线学习与优化理论）及个人主页代表作的完全对应。本报告所有统计均已剔除这33条污染记录，但读者直接访问DBLP页面时看到的将是未剔除的297条。
-
2025-2026年部分成果未被DBLP完整索引： 个人主页列出的CVPR 2025、ICCV 2025（与詹德川、叶翰嘉、周大蔚合作）以及ICML 2026、ICLR 2026的多篇待发表论文，尚未全部出现在该DBLP pid下，因此这几条跨方向合作线在DBLP合作频次统计中被低估。
-
在读学生名单不完整： 个人主页的Students页面仅列出已毕业学生，在读学生名单需通过LAMDA博士生页面与DBLP合作频次交叉推断，可能存在遗漏（尤其是2025级新生和低年级硕士生）。
-
华为合作关系无论文层面证据： 7名毕业生进入华为是明确的公开事实（个人主页披露），但DBLP中未见与华为研究人员的联合发表，因此无法判断是否存在实质性的科研项目合作。
-
产业合作的经费与项目层面信息缺失： 本报告的产业合作分析基于联合发表论文与公开荣誉（如达摩院青年学者、MSRA资助），未能获取横向课题合同、专利转让等经费层面的信息。