人大高瓴 刘勇 副教授
报告生成时间： 2026年7月
个人主页： https://gsai.ruc.edu.cn/liuyong 英文主页： https://gsai.ruc.edu.cn/english/liuyong 个人学术网站： https://liuyonggsai.github.io/ DBLP： https://dblp.org/pid/29/4867-18.html（Yong Liu 0018，同名消歧条目共57个） Google Scholar： https://scholar.google.com/citations?user=vVhmzbAAAAAJ ORCID： 0000-0002-6739-621X Wikidata： Q91506921
一、学者基本信息
刘勇，中国人民大学高瓴人工智能学院长聘副教授、博士生导师、国家级高层次青年人才。2009年本科毕业于河北工业大学信息与计算科学专业；2016年于天津大学计算机科学与技术学院获得博士学位（导师：廖士中教授）；2016年7月至2020年7月在中国科学院信息工程研究所历任助理研究员、副研究员；2020年8月加入中国人民大学高瓴人工智能学院，先后任准聘助理教授（2020.8-2021.7）、准聘副教授（2021.7-2024.8），2024年8月至今任长聘副教授。
研究方向为机器学习算法与理论，具体聚焦三大方向：（1）大模型学习算法与理论；（2）Agent——大模型推理、Agent应用；（3）推荐检索——基于大模型推荐算法研究。早期研究重心为统计学习理论、核方法模型选择、非凸随机优化理论，近年来全面转向大语言模型机制分析、强化推理与弱到强泛化等方向。据官方简介，发表高水平论文100多篇，其中以第一作者或通讯作者发表60余篇，涵盖领域顶级期刊Nature Communications、TIT、JMLR、TPAMI、Artificial Intelligence和顶级会议ICML、NeurIPS、ICLR等。曾获中国科学院"青年创新促进会"会员（院人才）及中国科学院信息工程研究所"引进优秀人才"称号，主持多项国家级和省部级科研基金项目，包括国家自然科学基金青年/面上项目、国家重点研发计划课题、北京市交叉融通重点项目等。
据DBLP统计（截至2026年7月），其消歧记录共231篇发表记录（含134篇期刊论文、97篇会议论文，其中98篇为arXiv预印本），234位合作者。其代表性成果包括：2026年1月发布的综述论文《Beyond the Black Box: Theory and Mechanism of Large Language Models》（arXiv:2601.02907），系统梳理了大语言模型理论与机理研究；在Nature Communications发表的化学知识驱动框架论文；以及在ICML、ICLR、NeurIPS等顶会发表的关于弱到强泛化、LLM推理机制、非凸优化高概率界等方向的多篇理论论文。
二、DBLP数据统计
经消歧确认对应 DBLP 身份为 pid: 29/4867-18（Yong Liu 0018，同名消歧条目共57个）。主要依据：该条目三个机构标注（中国人民大学、中科院信工所、天津大学）与刘勇履历吻合，早期论文作者列表含博士导师廖士中，个人网站、Google Scholar ID、ORCID 均与官方信息一致。
发表统计：
| 指标 | 数值 |
|---|---|
| DBLP总记录数 | 231篇 |
| 期刊论文（article） | 134篇 |
| 会议论文（inproceedings） | 97篇 |
| arXiv预印本（CoRR） | 98篇 |
| 独立合作者总数 | 234人 |
| 合作≥5次的合作者 | 42人 |
| 合作2-4次的合作者 | 83人 |
| 仅合作1次的合作者 | 109人 |
年度产出趋势：
| 年份 | 论文数 | 备注 |
|---|---|---|
| 2011 | 2 | 博士早期（天津大学，与廖士中合作） |
| 2012 | 1 | 博士早期 |
| 2013 | 1 | 博士早期 |
| 2014 | 3 | 博士阶段（ICML 2014、ECML 2014） |
| 2015 | 1 | 博士末期（AAAI 2015） |
| 2016 | 0 | 博士毕业年（未计入DBLP的中文期刊） |
| 2017 | 5 | 入职中科院信工所，与王伟平开始合作 |
| 2018 | 4 | 中科院信工所时期 |
| 2019 | 13 | 产出开始加速，与李健、殷蓉等学生合作 |
| 2020 | 14 | 中科院信工所末期 |
| 2021 | 29 | 加入人大后第一年，产出翻倍 |
| 2022 | 18 | 稳定期 |
| 2023 | 38 | 大模型方向开始发力 |
| 2024 | 47 | 大模型理论与机理方向爆发 |
| 2025 | 44 | 高位保持，RLHF/推理/弱到强泛化 |
| 2026 | 11 | 截至7月（含AAAI、ICML、ICLR、ACL等） |
2021年加入人大后产出显著加速（2021-2026年合计191篇，占总数83%），2023-2025年连续三年保持38-47篇高位，与ChatGPT问世后大语言模型研究热潮高度吻合。
主要发表会议/期刊分布（排除arXiv预印本）：
| 会议/期刊 | 论文数 |
|---|---|
| AAAI | 16 |
| ICML | 14 |
| NeurIPS | 10 |
| ICLR | 8 |
| IJCAI | 8 |
| ACL（含Findings） | 5 |
| CVPR | 3 |
| CIKM | 3 |
| IEEE Trans. Neural Networks Learn. Syst. | 6 |
| Pattern Recognit. | 4 |
| IEEE Trans. Pattern Anal. Mach. Intell. | 4 |
| J. Mach. Learn. Res. | 3 |
| IEEE Trans. Image Process. | 2 |
| IEEE Trans. Cybern. | 2 |
| IEEE Trans. Inf. Theory | 1 |
| Artificial Intelligence | 1 |
| KDD | 2 |
| ICDM | 2 |
| Sci. China Inf. Sci. | 1 |
三、博士教育背景
教育经历（据个人主页及DBLP机构标注）：
| 阶段 | 时间 | 学校 | 院系/专业 | 备注 |
|---|---|---|---|---|
| 本科 | 2005-2009 | 河北工业大学 | 信息与计算科学 | 天津 |
| 博士 | 约2010-2016 | 天津大学 | 计算机科学与技术学院 | 导师：廖士中教授，2016年6月获博士学位 |
博士导师：廖士中（Shizhong Liao）
廖士中，四川绵阳人，天津大学计算机科学与技术学院教授、博士生导师、计算机科学系系主任。1997年于清华大学获得工学博士学位，2003年起任天津大学教授。国务院政府特殊津贴获得者，中国计算机学会人工智能与模式识别专业委员会委员、理论计算机科学专业委员会委员。主要从事机器学习理论、自动推理、理论计算机科学等领域研究，近期方向包括大规模机器学习、模型选择、在线核选择等，在AAAI、IJCAI、ICML等顶级会议及《中国科学：信息科学》等期刊发表多篇论文。与石纯一合著专著《定性推理方法》（清华大学出版社，2002年）。
据DBLP统计，刘勇与廖士中的合著论文共19篇，时间跨度从2011年至2024年。其中2011-2015年间的12篇论文几乎全部为"刘勇-廖士中"两人署名或"刘勇-廖士中-第三合作者"模式，研究主题集中于核方法模型选择（kernel selection）、交叉验证快速近似、积分算子谱分析等统计学习理论核心问题。最早的论文可追溯至2011年的"Learning kernels with upper bounds of leave-one-out error"（CIKM 2011）和"An Error Bound for Eigenvalues of Graph Laplacian with Bounded Kernel Function"（CIS 2011），均为两人合著，充分印证了博士阶段的师生指导关系。
博士阶段研究主题：核方法模型选择、交叉验证、积分算子谱分析、泛化误差界——这些构成了刘勇学术生涯的理论根基，也是他从天津大学到中科院信工所再到人大高瓴学院一以贯之的学术主线。
四、导师/师承分析
师承谱系
廖士中（天津大学教授，1997年清华大学博士）
└── 刘勇（天津大学博士，2016年毕业）
├── 中科院信工所时期（2016-2020）：与王伟平联合指导
└── 人大高瓴学院时期（2020至今）：独立指导博士生
博士阶段核心合作者（天津大学，2011-2016年）
| 姓名 | 身份 | 合作论文数 | 合作年份 | 备注 |
|---|---|---|---|---|
| Shizhong Liao（廖士中） | 天津大学教授，博士导师 | 19次 | 2011-2024 | 博士阶段核心指导者，研究方向为核方法模型选择与统计学习理论 |
| Shali Jiang（江沙里） | 同实验室合作者 | 约3次 | 2013-2014 | ICML 2014、CIKM 2013论文合作者 |
| Yuexian Hou（侯月霞） | 合作者 | 1次 | 2011 | CIKM 2011论文合作者 |
廖士中与刘勇的合作贯穿其博士全阶段，且在2017年刘勇入职中科院信工所后仍有持续性合作（2017年AAAI两篇论文、2020年TPAMI一篇、2021年IEEE TCYB一篇、2024年Inf. Fusion一篇），表明博士导师关系在毕业后仍然延续，但合作频次逐渐降低（2017年后仅7篇），因为刘勇的研究重心逐步转向非凸优化、图学习和大规模机器学习。
博士后/中科院信工所阶段（2016-2020）的学术领路人
| 姓名 | 现任职/背景 | 合作论文数 | 合作年份 | 关系 |
|---|---|---|---|---|
| Weiping Wang（王伟平） | 中科院信息工程研究所研究员 | 74次（全网络最高频，占论文总数32%） | 2017-2026 | 刘勇入职中科院信工所后的核心合作者与学术领路人，二人合著74篇，几乎覆盖其在中科院及人大时期的全部研究产出 |
王伟平是刘勇学术生涯中继廖士中之后的第二个核心人物。2017年刘勇入职中科院信工所后，其论文合作模式从"刘勇-廖士中"转向"刘勇-王伟平"，且这一合作关系延续至刘勇加入人大后（2020年起持续至今），构成了一个横跨中科院和人大两个阶段的稳定学术共同体。值得注意的是，王伟平本人也在DBLP中标注为中科院信工所研究员，其与刘勇的合作不仅限于理论指导，更包含大量联合培养学生的模式——许多学生论文同时署名"Yong Liu"和"Weiping Wang"。
此外，中科院信工所团队的其他核心成员包括：
| 姓名 | 合作论文数 | 备注 |
|---|---|---|
| Shuqiang Wang | 16次 | 中科院信工所/相关机构研究员 |
| Dan Meng（孟丹） | 11次 | 中科院信工所研究员 |
| Can Ma（马灿） | 10次 | 中科院信工所副研究员 |
| Hailun Lin（林海伦） | 7次 | 早期合作者，2017-2019年 |
五、现单位团队与核心合作者
现单位（人大高瓴人工智能学院）团队
刘勇于2020年8月加入人大高瓴人工智能学院后，逐步建立了自己的研究团队。据其个人主页（中文版）列出全部已毕业学生去向如下：
全部已毕业学生（据个人主页官方列表）：
| 姓名 | 毕业年份/学位 | 毕业去向 |
|---|---|---|
| 李健 | 2020届 | 北京师范大学副教授 |
| 殷荣 | 2020届 | 中科院信息工程研究所副研究员 |
| 李少杰 | 2024届博士 | 新加坡国立大学博士后 |
| 胡啸林 | 2025届博士 | 厦门大学讲师 |
| 胡羽蓝 | 2025届博士 | 阿里巴巴 |
| 杨杰超 | 2025届博士 | 移动研究院 |
| 杨智睿 | 2025届硕士 | 快手 |
| 朱博炜 | 2026届博士 | 国家开发银行总行 |
| 李智聪 | 2026届硕士 | 阿里巴巴 |
毕业生去向呈现明显的二元结构：一方面流向高校/科研机构（北京师范大学副教授、中科院副研究员、厦门大学讲师、新加坡国立博士后），另一方面流向互联网企业（阿里×2、快手、移动研究院、国开行），反映刘勇团队兼具理论基础研究与产学研合作的双重定位。
核心骨干博士生/在读学生（据DBLP高频合作者推断）：
| 姓名（英文/DBLP） | 合作论文数 | 合作年份 | 备注 |
|---|---|---|---|
| Jian Li（李健） | 42次 | 2018-2026 | 全网络第二高频合作者，2020届毕业（北师大副教授），但毕业后仍持续合作，包括2025年IEEE TNNLS、2025年ICML论文 |
| Huayi Tang（唐华轶） | 22次 | 2019-2026 | 在读/已毕业博士生，方向为多视角聚类、大模型学习理论 |
| Yulan Hu（胡羽蓝） | 22次 | 2023-2026 | 2025届博士毕业生（→阿里），方向为RLHF、奖励公平性、强化推理 |
| Rong Yin（殷蓉） | 21次 | 2020-2026 | 2020届毕业生（→中科院信工所副研究员），方向为分布式核学习、图学习 |
| Sheng Ouyang（欧阳晟） | 20次 | 2023-2026 | 现役博士生，方向为RLHF、奖励公平性 |
| Shaojie Li（李少杰） | 20次 | 2021-2026 | 2024届博士毕业生（→新加坡国立博士后），方向为非凸优化理论、泛化界 |
| Pengwei Tang（唐鹏伟） | 8次 | 2024-2026 | 现役博士生，方向为LoRA、参数高效微调 |
| Xunyu Zhu（朱训宇） | 8次 | 2020-2021 | 方向为自动机器学习、可微架构搜索 |
| Xinhao Yao（姚鑫昊） | 6次 | 2024-2026 | 现役博士生，方向为LLM微调理论、组合泛化 |
| Hao Yi（易浩） | 6次 | 2024-2026 | 现役博士生，方向为RLVR、强化推理 |
| Bowei Zhu（朱博炜） | 6次 | 2021-2026 | 2026届博士毕业生（→国开行），方向为泛化理论、转导学习 |
| Zeyu Gan（甘泽宇） | 7次 | 2024-2026 | 现役博士生，方向为LLM推理理论、合成数据 |
| Ruifeng Ren（任瑞峰） | 7次 | 2024-2026 | 现役学生，方向为LLM推理 |
| Zixuan Gong（龚梓萱） | 4次 | 2024-2026 | 现役学生，方向为LLM上下文学习 |
跨机构核心合作者（合作≥5次，除中科院信工所团队和团队学生外）
| 合作者 | 所属机构 | 合作次数 | 合作年份 | 领域/关系 |
|---|---|---|---|---|
| Baiying Lei（雷柏英） | 华南师范大学教授 | 14次 | 2021-2026 | 跨机构合作，多模态/图学习方向 |
| Xiaolin Hu（胡晓林） | 清华大学自动化系副教授 | 13次 | 2024-2026 | 大模型理论合作，LoRA、模型合并 |
| Lizhong Ding（丁立中） | 早期中科院合作者，现相关机构 | 13次 | 2018-2026 | 核方法、生成模型方向，长期合作 |
| Wei Yao（姚威） | 中国人民大学 | 13次 | 2024-2026 | 弱到强泛化、模型集成，校内合作者 |
| Fuzheng Zhang（张傅正） | 阿里巴巴 | 12次 | 2023-2025 | 产学研合作，RLHF、推荐系统、偏好学习 |
| Yilin Kang（康祎林） | 中科院信工所/人大 | 11次 | 2021-2026 | 差分隐私、分布式学习 |
| Zhirui Yang（杨智睿） | — | 11次 | 2022-2026 | 跨机构合作者 |
| Yanyan Shen（沈燕燕） | 上海交通大学 | 11次 | 2021-2025 | 跨机构合作，图学习/图神经网络 |
| Ruyue Liu（刘若岳） | 中科院信工所/人大 | 10次 | 2024-2026 | 图对比学习、联邦图学习 |
| Ge Chen（陈庚） | 阿里巴巴 | 9次 | 2024-2025 | 产学研合作，RLHF、奖励公平性 |
| Jingyu Liu（刘靖宇） | 阿里巴巴 | 9次 | 2024-2025 | 产学研合作，不确定性、语言Agent |
| Dongrui Liu（刘东瑞） | 人工智能产业研究院SAII | 8次 | 2024-2025 | LLM安全、推理机制、模型指纹 |
| Qingyang Li（李清阳） | 阿里巴巴 | 7次 | 2024-2025 | 产学研合作，RLHF |
| Jing Shao（邵婧） | 人工智能产业研究院SAII教授 | 7次 | 2024-2026 | LLM安全与治理、推理机理 |
| Zhiguang Feng（冯志光） | 澳门大学/相关机构 | 6次 | 2022-2025 | 跨机构合作 |
| Ziqiao Wang | 中国人民大学 | 6次 | 2024-2026 | 弱到强泛化 |
| Chen Qian（钱晨） | 人工智能产业研究院SAII | 5次（含4次同名非编号） | 2024-2026 | LLM推理机制、模型安全 |
| Wenkai Yang（杨文楷） | 中国人民大学 | 5次 | 2024-2026 | 弱到强泛化、超对齐 |
| Jie Zhang（张杰） | 人工智能产业研究院SAII | 5次 | 2024-2025 | LLM安全、模型指纹 |
| Junchen Wan（万俊辰） | 中科院信工所/相关机构 | 5次 | 2022-2025 | 图学习 |
| Gengze Xu（徐耕泽） | 中国人民大学 | 5次 | 2024-2026 | 弱到强泛化 |
六、业界合作关系深度分析
刘勇团队的产学研合作网络覆盖极广，据其个人主页列出的科研项目统计，涉及企业包括腾讯、华为、阿里巴巴（阿里妈妈）、百度、快手、小米、中国联通、国家电网等8家以上企业，项目总经费超过730万元（不完全统计）。以下按合作企业逐一分析。
1. 腾讯（Tencent）—— 最深度产业合作伙伴
刘勇与腾讯的合作可追溯至2019年，是持续时间最长、项目数量最多的企业合作方，涉及腾讯AI Lab、微信支付等多个业务线。
科研项目（5项，总经费约160万）：
| 项目名称 | 经费 | 时间 | 腾讯业务线 |
|---|---|---|---|
| 基于贝叶斯优化的DNN模型结构自动机器学习 | 15万 | 2019.10-2020.9 | 腾讯犀牛鸟基金（获评"优秀"） |
| 基于图神经网络的反事实欺诈检测算法研究 | 30万 | 2022.5-2023.5 | 腾讯微信支付犀牛鸟专项 |
| 基于分布式强化学习的稠密奖励组相对策略优化研究 | 30万 | 2025.7-2026.6 | 腾讯AI Lab犀牛鸟专项研究计划 |
| 突破大模型推理瓶颈：高效后训练技术探索 | 60万 | 2026-2027 | 腾讯联合项目 |
| 面向开放环境的智能体高效训练与持续演化研究 | 25万 | 2026-2027 | CAAI-腾讯 |
合作方向演进：从早期的自动机器学习（2019）、图神经网络反事实欺诈检测（2022），到近年的强化学习策略优化（2025）和大模型推理后训练（2026-2027），清晰反映了刘勇团队从统计学习理论向大模型方向的转型轨迹。腾讯微信支付的欺诈检测项目（2022）也体现了理论方法在金融安全场景的落地应用。
2. 华为（Huawei）—— 图学习与Prompt工程合作
科研项目（4项，总经费约186万）：
| 项目名称 | 经费 | 时间 | 方向 |
|---|---|---|---|
| 非凸随机优化理论与算法研究 | 12万 | 2022.10-2023.9 | CCF-华为胡杨林基金 |
| 大规模实时用户表征 | 40万 | 2022.1-2023.1 | 用户表征 |
| 面向多场景的大规模异配图表征 | 58.9万 | 2023.3-2024.3 | 图神经网络 |
| Prompt中引导示例自动构建与选择 | 75万 | 2024.9-2025.9 | 大模型Prompt工程 |
华为合作从理论基础（非凸优化、CCF胡杨林基金）到应用落地（用户表征、异配图、Prompt工程），体现了从理论到工程的递进。其中2024年的Prompt引导示例项目（75万）规模最大，表明合作重心已转向大模型方向。
3. 阿里巴巴/阿里妈妈（Alibaba）—— 推荐与RLHF方向
科研项目（至少1项正式立项 + 多篇联合论文）：
| 项目名称 | 经费 | 时间 | 方向 |
|---|---|---|---|
| 基于ReAct Agent与检索知识增强的大模型营销场景下的对话应用研究 | 30万 | 2024.8-2025.8 | 阿里妈妈营销Agent |
联合论文：
阿里巴巴团队的核心合作者为Fuzheng Zhang（张傅正），DBLP统计共12篇合著论文（2023-2025），研究方向从图学习（2023-2024）逐步转向RLHF与偏好学习（2024-2025）。代表性联合论文包括：
- "Towards Reward Fairness in RLHF: From a Resource Allocation Perspective"（ACL 2025）—— 合作者含Fuzheng Zhang、Ge Chen（阿里巴巴）
- "SPPD: Self-training with Process Preference Learning Using Dynamic Value Margin"（EMNLP 2025）—— 合作者含Fuzheng Zhang、Di Zhang（阿里巴巴）
- "Do not Abstain! Identify and Solve the Uncertainty"（ACL 2025）—— 合作者含Jingyu Liu、Xiaopeng Wu、Xubin Li、Tiezheng Ge、Bo Zheng（均为阿里巴巴研究员）
- "Reward Mixology: Crafting Hybrid Signals for RLHF"（EMNLP 2025）—— 合作者含Fuzheng Zhang、Di Zhang
此外，据AAAI 2026报道，阿里妈妈营销算法AI Agent团队与中国人民大学联合发表了"Mem-PAL: Towards Memory-based Personalized Dialogue Assistants for Long-term User-Agent Interaction"（AAAI 2026 Oral），聚焦营销场景Agent的个性化偏好理解，与刘勇团队的大模型Agent研究方向高度契合。
学生毕业去向：胡羽蓝（2025届博士）→阿里巴巴，李智聪（2026届硕士）→阿里巴巴，两人均选择阿里作为毕业去向，进一步印证了产学研合作的深度绑定。
4. 百度（Baidu）—— 大模型数据与Verifier建设
科研项目（1项）：
| 项目名称 | 经费 | 时间 | 方向 |
|---|---|---|---|
| 面向下一代大模型能力突破的高质量数据及Verifier建设 | 15万 | 2025-2026 | 百度松果 |
该项目聚焦大模型训练数据质量与验证器建设，是刘勇团队在数据工程与大模型训练交叉方向的新合作。项目虽经费规模不大（15万），但方向前沿，与百度文心大模型团队的研发需求直接对接。
5. 快手（Kuaishou）—— 生成式搜索与推荐
科研项目（2项，总经费75万）：
| 项目名称 | 经费 | 时间 | 方向 |
|---|---|---|---|
| OneSearch-引入偏好推理的端到端生成式搜索新范式 | 50万 | 2025-2026 | 生成式搜索 |
| 面向用户意图理解的大模型增强推荐技术研究 | 25万 | 2026-2027 | CCF-快手，大模型推荐 |
快手合作是刘勇团队在推荐检索方向（其三大研究方向之一）的核心产业合作。OneSearch项目（50万）聚焦端到端生成式搜索，将大模型推理能力引入搜索范式，是团队在大模型+推荐交叉方向最具规模的产业项目。在ACL 2026发表的"Beyond Itinerary Planning"和"No More Stale Feedback: Co-Evolving Critics for Open-World Agent Learning"等论文中，合作者含Xiangwen Zhang、Zheng Pan、Xin Li、Lide Tan等人，推测与快手OneSearch项目相关。
学生毕业去向：杨智睿（2025届硕士）→快手，与快手推荐方向的产学研合作形成闭环。
6. 小米（Xiaomi）—— 端侧大模型
科研项目（1项）：
| 项目名称 | 经费 | 时间 | 方向 |
|---|---|---|---|
| 端侧大模型的个性化高效微调关键技术研究 | 20万 | 2024.7-2025.7 | 端侧大模型微调 |
该项目聚焦端侧设备上的大模型个性化微调，是刘勇团队将理论研究（参数高效微调、LoRA等）落地到移动端场景的产业合作。与2026年AAAI论文"Put the Space of LoRA Initialization to the Extreme to Preserve Pre-trained Knowledge"的研究方向一致。
7. 中国联通（China Unicom）—— 自动机器学习
科研项目（2项，总经费100万）：
| 项目名称 | 经费 | 时间 |
|---|---|---|
| 面向联通应用场景的自动机器学习 | 20万 | 2021.11-2022.3 |
| 2022年联通研究院面向深度模型的自动机器学习研究技术服务 | 80万 | 2022.12-2023.12 |
联通合作集中在刘勇团队早期的自动机器学习（AutoML）方向，是其从理论研究向通信行业落地的一次尝试。
8. 国家电网（State Grid）—— 专利价值评估
科研项目（1项）：
| 项目名称 | 经费 | 时间 |
|---|---|---|
| 电网企业专利价值量化评估关键技术研究 | 80万 | 2023-2025 |
此外，2025-2026年还有"电网物资供应数据评价研究"（32万）项目，体现刘勇团队在能源行业的跨领域应用。
9. 人工智能产业研究院SAII（Jing Shao团队）—— LLM安全与机理
虽然SAII（北京人工智能产业研究院，原BAAI相关）并非传统企业，但Jing Shao（邵婧）教授团队的合著论文具有明显的产学研特征，聚焦LLM安全、推理机理和模型指纹等方向。
联合论文（7篇，2024-2026）：
- "REEF: Representation Encoding Fingerprints for Large Language Models"（ICLR 2025）—— LLM指纹技术
- "Demystifying Reasoning Dynamics with Mutual Information: Thinking Tokens are Information Peaks in LLM Reasoning"（NeurIPS 2025）—— LLM推理机制分析
- "The Tug of War Within: Mitigating the Fairness-Privacy Conflicts in Large Language Models"（ACL 2025）—— LLM公平性与隐私
- "ReasonAny: Incorporating Reasoning Capability to Any Model via Simple and Effective Model Merging"（ACL 2026）—— 模型合并
- "DEAN: Deactivating the Coupled Neurons to Mitigate Fairness-Privacy Conflicts"（2024）—— LLM机理
- "Explainable and Interpretable Multimodal Large Language Models: A Comprehensive Survey"（2024）—— 综述
SAII合作者包括Chen Qian（5篇）、Dongrui Liu（8篇）、Jie Zhang（5篇），构成一个稳定的研究子网络，聚焦大模型的可解释性、安全性和推理机制，与刘勇团队的"大模型机制分析"方向高度互补。
10. 科大讯飞（iFlytek）—— 大模型微调理论
在IJCAI 2025发表的"Theoretical Insights into Fine-Tuning Attention Mechanism: Generalization and Optimization"论文中，合作者Jian Luan（栾剑）和Bin Wang（王斌）来自科大讯飞研究院，体现了在注意力机制微调理论方向的合作。
业界合作总结
| 企业/机构 | 项目数 | 总经费（万元） | 联合论文数（DBLP） | 核心方向 |
|---|---|---|---|---|
| 腾讯 | 5 | ~160 | — | AutoML、图神经网络、RLHF、大模型推理 |
| 华为 | 4 | ~186 | — | 非凸优化、图学习、Prompt工程 |
| 阿里巴巴/阿里妈妈 | 1+ | 30 | 12 | RLHF、推荐、Agent |
| 快手 | 2 | 75 | 多篇 | 生成式搜索、大模型推荐 |
| 百度 | 1 | 15 | — | 大模型数据与Verifier |
| 小米 | 1 | 20 | — | 端侧大模型微调 |
| 中国联通 | 2 | 100 | — | 自动机器学习 |
| 国家电网 | 1-2 | 80+32 | — | 专利评估、物资数据 |
| SAII | — | — | 7 | LLM安全、推理机理 |
| 科大讯飞 | — | — | 1+ | 注意力微调理论 |
学生毕业去向工业界统计：在9名已毕业学生中，4人进入企业（阿里×2、快手、移动研究院），1人进入国开行（金融科技方向），4人留在高校/科研机构（北师大、中科院信工所、厦门大学、新加坡国立博士后），工业界去向占比约56%。
七、Connection 圈层总结
第一圈层（学术领路人）：王伟平（74次，占比32%）——这是刘勇学术网络中最核心的绑定关系。2017年刘勇入职中科院信工所后，王伟平作为该所研究员，与其构成了横跨中科院和人大两个阶段的稳定学术共同体，合作从2017年持续至2026年，覆盖非凸优化理论、分布式学习、图学习、差分隐私到大模型等多个方向。这一合作关系在性质上类似于赵鑫团队中文继荣的"双核心"模式，但刘勇-王伟平的合作更多体现为联合研究与技术互补，而非行政隶属关系。
第二圈层（博士导师与师承根基）：廖士中（19次，2011-2024）——天津大学教授，刘勇的博士导师，奠定了其统计学习理论、核方法模型选择的理论根基。二人合作从2011年的核方法研究开始，一直延续到2024年的Inf. Fusion论文，横跨13年。廖士中本人1997年毕业于清华大学，是中国机器学习理论方向的资深学者，国务院政府特殊津贴获得者。
第三圈层（自主培养梯队）：李健（42次）、唐华轶（22次）、胡羽蓝（22次）、殷蓉（21次）、欧阳晟（20次）、李少杰（20次）等——这是刘勇团队产出爆发式增长（2021-2026年占比83%）的直接贡献者。其中李健虽2020年已毕业（北师大副教授），但毕业后仍持续合作至2026年，累计42篇合著，是全网络第二高频合作者。毕业生去向呈现"高校+企业"双轨格局：李健→北师大副教授、李少杰→新加坡国立博士后、胡啸林→厦门大学讲师（学术轨）；胡羽蓝→阿里、杨智睿→快手、李智聪→阿里（产业轨）。
第四圈层（产学研合作网络）： 刘勇团队的产学研合作网络覆盖腾讯、华为、阿里巴巴、快手、百度、小米、联通、国家电网等8+家企业和SAII、科大讯飞等研究机构，总项目经费超过730万元。其中： - 腾讯是持续时间最长（2019至今）、项目最多的合作方，从AutoML演进到大模型推理； - 阿里巴巴是联合论文产出最多的合作方（12篇DBLP合著），聚焦RLHF和推荐系统，且毕业生直接流入阿里（胡羽蓝、李智聪）； - SAII/邵婧团队是大模型安全与机理方向的深度学术合作方（7篇），与刘勇团队的理论优势形成互补； - 快手OneSearch项目（50万）代表了团队在生成式搜索方向的产业落地。
产出规模与趋势对比： 231篇DBLP记录中，2021年加入人大后占比83%（191篇），2023-2025连续三年保持38-47篇高位。与同学院的赵鑫团队（574篇，AI Box规模近50人）相比，刘勇团队规模更精炼（已毕业9人），但产出强度高、理论色彩浓厚，是人大高瓴学院机器学习理论方向的核心力量。其合作者总数234人中，仅合作1次的有109人（占47%），覆盖ICML、NeurIPS、ICLR、AAAI、ACL等机器学习与自然语言处理顶会的广泛协作网络。
八、数据来源与局限性说明
数据来源：
- DBLP PID
29/4867-18（231条发表记录，234位合作者） - 中国人民大学高瓴人工智能学院教师系统页面（https://gsai.ruc.edu.cn/liuyong）
- 个人学术网站（https://liuyonggsai.github.io/）
- 百度百科（廖士中词条）
- CCF会议页面及学院新闻
局限性：
- DBLP 主要收录英文会议和期刊，刘勇早期的中文期刊论文可能未被完整收录。231条记录含98篇 arXiv 预印本，实际“正式发表”数可能低于133篇。
- 部分产业合作论文的合著者（如 Fuzheng Zhang、Jing Shao、Dongrui Liu 等）的企业归属系基于公开信息推断，未逐一核实其当前在职状态。SAII（人工智能产业研究院）的 Jing Shao 团队属于新型研发机构，性质介于学术与产业之间。
- 个人主页仅列出“全部毕业学生”，未列出在读学生名单，在读学生推断基于 DBLP 近期高频合著者中未出现在毕业名单中的人选。
- 个人主页列出的科研项目以中文呈现，部分项目名称可能经过简化，“负责人”角色在不同项目中可能为项目负责人或任务负责人。