清华KEG 东昱晓 副教授
报告生成时间：2026年7月30日 个人主页：https://keg.cs.tsinghua.edu.cn/yuxiao/ 清华CS系教师页：https://www.cs.tsinghua.edu.cn/csen/info/1304/4468.htm DBLP：https://dblp.org/search?q=Yuxiao+Dong Google Scholar：https://scholar.google.com/scholar?q=Yuxiao+Dong
一、学者基本信息
| 项目 | 内容 |
|---|---|
| 姓名 | 东昱晓（Yuxiao Dong） |
| 现职 | 清华大学计算机科学与技术系副教授（长聘轨）、博士生导师 |
| 邮箱 | yuxiaod@tsinghua.edu.cn |
| 所属实验室 | 知识工程实验室（Knowledge Engineering Group, KEG） |
| 研究方向 | 大语言模型（LLM/VLM预训练、推理、智能体、RL Scaling）、数据挖掘、图表示学习、社交与信息网络 |
| 代表性成果 | metapath2vec、HGT、NetMF/NetSMF/ProNE/SketchNE、GraphMAE/GraphMAE2、GPT-GNN、GCC、GLM-130B、ChatGLM、CodeGeeX、CogVLM、AgentBench、ImageReward、T1 |
| 产业应用 | 图表示学习成果部署于Facebook、Instagram、Microsoft、腾讯游戏、阿里巴巴等平台；LLM成果转化为ChatGLM.cn、CodeGeeX等开源产品 |
| 奖项 | 2017 ACM SIGKDD 博士论文奖（荣誉提名）；2022 ACM SIGKDD 新星奖（Rising Star Award）；IJCAI'22 早期职业亮点；ECML-PKDD'23 最佳学生论文奖；清华大学2024年"十位最受欢迎教师"（学生投票评选，每两年一次） |
二、教育背景与职业履历
东昱晓的学术生涯呈现出一条完整的"清华本科—海外深造—工业界历练—归国任教"轨迹，是KEG实验室中唯一拥有丰富海外工业界研究经历的教师。
2.1 教育背景
| 阶段 | 时间 | 学校/机构 | 专业/方向 | 导师/指导者 |
|---|---|---|---|---|
| 本科 | ~2008-2012 | 清华大学计算机科学与技术系 | 计算机科学 | 唐杰（Jie Tang）教授指导本科科研 |
| 博士 | 2012-2017 | 圣母大学（University of Notre Dame），美国 | 计算机科学 | Nitesh V. Chawla 教授 |
本科阶段（清华，~2008-2012）
东昱晓本科就读于清华大学计算机科学与技术系，于2012年毕业。在本科期间，他便在唐杰教授的指导下参与KEG实验室的科研工作，从事社交网络分析与数据挖掘方向的研究。这一时期的合作成果包括与唐杰、Yang Yang等人合作的网络结构分析论文（如M3D框架，建模个体行为与网络分布的交互）。这段本科阶段的科研经历为他后续在图学习和社会会网络挖掘方向的深耕奠定了基础。
博士阶段（圣母大学，2012-2017）
东昱晓赴美国圣母大学攻读计算机科学博士学位，师从Nitesh V. Chawla教授。Chawla是数据挖掘和网络科学领域的知名学者，圣母大学计算机系主任。博士期间，东昱晓聚焦于社交网络结构分析与异构信息网络表示学习，代表性工作包括：
- "Structural Diversity and Homophily"（与Reid A. Johnson、Jian Xu、Nitesh V. Chawla合作），研究了120个大规模网络中结构多样性对链接形成的影响
- "Predicting Node Degree Centrality with the Node Prominence Profile"（与Yang Yang、Nitesh V. Chawla合作，发表于Scientific Reports, 2014）
- "Inferring User Demographics and Social Strategies in Mobile Social Networks"（KDD'14，与Yang Yang、唐杰、Nitesh V. Chawla合作）——这篇论文体现了他在博士期间仍与唐杰保持密切合作
博士论文荣获2017年ACM SIGKDD博士论文奖荣誉提名（Honorable Mention），表明其在数据挖掘领域博士阶段的突出研究产出。
2.2 工业界履历
| 时间 | 职务 | 机构 | 主要工作 |
|---|---|---|---|
| 2017-~2020 | 研究员（Researcher） | 微软研究院雷德蒙德（Microsoft Research Redmond） | 图表示学习预训练、Microsoft Academic Graph（MAG）、大规模网络嵌入 |
| ~2020-~2021 | 研究员（Researcher） | Meta AI（原Facebook AI） | 图神经网络在Facebook/Instagram大规模应用中的部署 |
微软研究院时期（2017-~2020）
博士毕业后，东昱晓加入微软研究院雷德蒙德（MSR Redmond）担任研究员。这一时期是他学术产出的高峰期之一，关键成果包括：
- metapath2vec（KDD'17）：异构信息网络的可扩展表示学习方法，与Nitesh V. Chawla、Ananthram Swami（陆军研究实验室）合作，提出基于元路径的随机游走和异构Skip-Gram模型。该工作成为异构图嵌入的奠基性论文之一。
- NetMF（WSDM'18，与Jiezhong Qiu、Jie Tang等合作）：从理论上统一了网络嵌入方法，成为WSDM'18被引第二多的论文。
- NetSMF（WWW'19，与Jiezhong Qiu、Hao Ma、Jian Li、Chi Wang、Kuansan Wang、Jie Tang合作）：大规模网络嵌入的稀疏矩阵分解方法，获WWW'19最佳论文候选奖。
- ProNE（IJCAI'19）：快速可扩展的网络表示学习方法。
- GCC: Graph Contrastive Coding（KDD'20，与Jiezhong Qiu、Qibin Chen、Kuansan Wang、Jie Tang等合作）：图神经网络预训练的对比学习框架。
- Microsoft Academic Graph（MAG）：与Kuansan Wang等合作，参与MAG系统的设计与学术图谱构建，发表了多篇关于MAG的技术论文（Quantitative Science Studies, 2020; Frontiers in Big Data, 2019）。
- OAG: Toward Linking Large-scale Heterogeneous Entity Graphs（KDD'19，与Fanjin Zhang、Jie Tang、Kuansan Wang等合作）：构建开放学术图谱，链接AMiner与MAG的大规模异构实体图。
在MSR期间，东昱晓还指导了多名暑期实习生，包括Jiezhong Qiu（清华博士生，2017年实习生，后获2022 SIGKDD Dissertation Award Runner-Up）、Ziniu Hu（UCLA博士生，2019年实习生，后获2024 SIGKDD Dissertation Award Runner-Up）等。这些实习生后来都成为图学习领域的重要学者。
Meta AI时期（~2020-~2021）
约2020年前后，东昱晓从微软研究院转至Meta AI（原Facebook AI）担任研究员。在Meta AI期间，他的图表示学习研究工作被部署于Facebook和Instagram的大规模产品应用中。他个人主页明确提到"his work on graph representation learning and pre-training was deployed for large-scale applications in Facebook, Instagram, Microsoft, Tencent Games, and Alibaba"。这一时期虽缺乏具体论文的时间线记录（据现有资料），但他在Meta的工作为其后续回国任教积累了宝贵的工业界大规模系统经验。
2.3 归国任教（~2021-至今）
| 时间 | 职务 | 机构 |
|---|---|---|
| ~2021-2022 | 助理教授（Assistant Professor） | 清华大学计算机科学与技术系、KEG实验室 |
| ~2022-至今 | 副教授（Associate Professor） | 清华大学计算机科学与技术系、KEG实验室 |
据现有资料推断，东昱晓约于2021年加入清华大学计算机科学与技术系，任助理教授，加入KEG实验室。他在2022年8月获ACM SIGKDD Rising Star Award时，清华大学官方报道称其为"Tsinghua University's Department of Computer Science and Technology的Assistant Professor"。他是该奖项设立以来首位来自亚洲学术机构的获奖者。后晋升为副教授（长聘轨）。
回国后，东昱晓迅速融入KEG的研究生态，与唐杰教授形成了从"师生"到"同事"的关系转变，在GLM/ChatGLM系列大模型、CogVLM视觉语言模型、AgentBench智能体评测、CodeGeeX代码生成等多个重大项目中担任核心角色。同时，他独立指导博士生开展图预训练（GraphMAE系列）和大模型RL Scaling（T1）等方向的原创研究。
三、学生培养情况
东昱晓约2021年加入清华任教，至今指导学生时间相对较短，但已培养出一批去向优异的学生。以下信息来源于其个人主页Students章节（截至2025年）。
3.1 博士生
| 姓名 | 入学年份 | 代表性工作 | 奖项/去向 |
|---|---|---|---|
| Zhenyu Hou（侯振宇） | 2021- | GraphMAE（KDD'22，该会议最多引用论文之一）、T1: LLM RL & Test-Time Scaling（ICML'25） | 2025蚂蚁集团博士奖学金（全球10人） |
| Jiazheng Xu（徐佳正） | 2022- | ImageReward（NeurIPS'23） | 2025字节跳动博士奖学金、2025腾讯青云奖学金 |
| Yifan Xu（徐亦帆） | 2023- | — | 在读 |
| Xiao Xia（夏天） | 2023- | — | 在读 |
| Mingdao Liu（刘明道） | 2024- | — | 在读 |
| Rui Lu（陆睿） | 2025- | — | 在读（清华本科2021-2025直博） |
| Yujiang Li（李宇江） | 2025- | — | 在读（清华本科2021-2025直博） |
| Bowen Lv（吕博文） | 2025- | — | 在读 |
3.2 本科生（已毕业去向）
东昱晓在清华任教期间指导的本科生表现尤为突出，多名学生进入全球顶尖院校深造：
| 姓名及本科背景 | 毕业年份 | 去向 |
|---|---|---|
| Zhilei Bei（贝知乐，清华2021-2025） | 2025 | MIT博士 |
| Heyang Jiang（江贺阳，清华2021-2025） | 2025 | UCLA博士 |
| Yuxuan Tong（童宇轩，清华2021-2025） | 2025 | 字节跳动Seed |
| Tianjie Zhang（张天杰，浙大2021-2025） | 2025 | CMU硕士 |
| Yujiang Li / Rui Lu（清华2021-2025） | 2025 | 清华直博（见上文） |
| Mingdao Liu（刘明道，清华2020-2024） | 2024 | 清华直博（见上文） |
| Guanghan Wang（王广涵，清华2020-2024） | 2024 | Cornell博士 |
| Yifan An（安一帆，清华2020-2024） | 2024 | 智谱AI（ZhipuAI） |
| Xiao Xia（夏天，清华2019-2023） | 2023 | 清华直博（见上文） |
| Shiyu Zhao（赵世宇，清华2019-2023） | 2023 | Stanford硕士 |
| Weikai Li（李伟恺，清华2019-2023） | 2023 | UCLA博士 |
| Ziang Li（李子昂，清华2019-2023） | 2023 | Georgia Tech博士 |
3.3 微软研究院暑期实习生（工业界时期指导）
在MSR Redmond工作期间，东昱晓指导了多名暑期实习生，这些学生后来成为图学习领域的重要学者：
| 姓名 | 实习年份 | 当时身份 | 代表性合作成果 | 后续成就 |
|---|---|---|---|---|
| Jiezhong Qiu（邱杰中） | 2017 | 清华博士生 | NetMF（WSDM'18，第二最多引）、NetSMF（WWW'19，最佳论文候选） | 2022 SIGKDD Dissertation Award Runner-Up |
| Ziniu Hu（胡梓宁） | 2019 | UCLA博士生 | HGT: Heterogeneous Graph Transformer（WWW'20，最多引用）、GPT-GNN（KDD'20） | 2024 SIGKDD Dissertation Award Runner-Up |
| Namyong Park | 2020 | CMU博士生 | — | 2025 SIGKDD Dissertation Award Runner-Up |
| Scott Freitas | 2020 | Georgia Tech博士生（共同指导） | — | 2025 SIGKDD Dissertation Award Runner-Up |
| Yu Zhang | 2020 | UIUC博士生（共同指导） | — | 2025 SIGKDD Dissertation Award Runner-Up |
值得注意的是，东昱晓指导的实习生中有三人先后获得SIGKDD Dissertation Award Runner-Up（2022、2024、2025年各一位），这一记录极为罕见，体现了他在人才培养方面的卓越能力。
四、学术合作网络
4.1 与唐杰的师承关系及合作关系
东昱晓与唐杰的关系是KEG实验室中最独特的师承案例之一，经历了从"本科师生"到"工业界合作者"再到"同事"的完整演变：
| 阶段 | 时间 | 关系 | 合作特征 |
|---|---|---|---|
| 本科师生 | ~2008-2012 | 唐杰为指导教师，东昱晓为本科生 | 在KEG实验室开展社交网络分析研究，合作发表早期论文 |
| 博士异地合作 | 2012-2017 | 唐杰在清华，东昱晓在圣母大学读博 | 持续跨洋合作，如KDD'14论文（与Chawla共同指导） |
| 工业界合作 | 2017-~2021 | 唐杰在清华，东昱晓在MSR/Meta | 通过NetMF、NetSMF、GCC、OAG等论文保持密切合作，形成"清华-MSR"联合研究模式 |
| 同事共事 | ~2021-至今 | 同为KEG实验室教授 | 共同主导GLM-130B、ChatGLM、CodeGeeX、CogVLM、CogVideoX等重大项目 |
两人的合作论文数量极为庞大，几乎涵盖了KEG实验室近年所有重大产出。从早期图学习（NetMF、NetSMF、GCC、GraphMAE）到大模型时代（GLM-130B、ChatGLM、CogVLM、CodeGeeX），唐杰与东昱晓始终是核心合作搭档。在KEG论文列表中，两人共同署名的论文数十篇以上。
4.2 KEG同事合作网络
东昱晓作为KEG实验室五位正式教师之一，与其他四位教师保持密切的合作关系：
| 同事 | 职称 | 合作关系 |
|---|---|---|
| 李涓子（Juanzi Li） | 教授 | KEG资深教师，知识图谱方向。在CogVideoX、KoLA等项目中共同署名 |
| 唐杰（Jie Tang） | 教授 | 师承关系+核心合作搭档（见4.1节） |
| 许斌（Bin Xu） | 研究员 | KEG教师，大模型与知识图谱方向。在CogVideoX、CogVLM等项目中共同署名 |
| 侯磊（Lei Hou） | 副研究员 | KEG同事。在LongReward、CogVideoX等项目中共同署名 |
4.3 博士导师及学术谱系
| 谱系层 | 人物 | 关系 |
|---|---|---|
| 博士导师 | Nitesh V. Chawla（圣母大学教授） | 指导东昱晓博士论文，数据挖掘和网络科学方向 |
| 本科导师 | 唐杰（Jie Tang，清华大学教授） | 指导东昱晓本科科研 |
| 博士同门 | Reid A. Johnson（圣母大学） | 博士期间合作者，共同发表结构多样性论文 |
| 工业界合作导师 | Kuansan Wang（微软研究院） | MSR时期的密切合作者，共同负责MAG项目 |
Nitesh V. Chawla是圣母大学计算机科学与工程系主任、Lucy Family Institute for Data and Society创始主任，IEEE Fellow，在数据挖掘、网络科学和计算社会科学领域有广泛影响力。东昱晓在Chawla指导下打下了网络分析与图学习的坚实基础，后在工业界将理论成果落地为大规模产品应用。
五、业界合作关系深度分析
5.1 微软研究院（Microsoft Research Redmond）
东昱晓在微软研究院雷德蒙德工作了约三年（2017-~2020），是其工业界生涯的核心阶段。MSR期间的主要合作者和合作项目如下：
| 合作者 | 机构 | 合作成果 |
|---|---|---|
| Kuansan Wang（王宽善） | MSR Redmond | MAG（Microsoft Academic Graph）、NetSMF（WWW'19）、GCC（KDD'20）、OAG（KDD'19）、Collaboration Diversity and Scientific Impact（2018）等大量合作 |
| Evgeny Kharlamov | MSR/Bosch | OAGknow（TKDE'21）、GRAND+（2022）等 |
| Hao Ma | MSR | NetSMF（WWW'19）等 |
| Chi Wang | MSR | NetSMF（WWW'19） |
与Kuansan Wang的合作是东昱晓在MSR期间最重要的合作关系。Kuansan Wang是微软学术（Microsoft Academic）项目的负责人，主导构建了Microsoft Academic Graph（MAG）——当时全球最大的开放学术知识图谱之一。东昱晓参与了MAG的核心构建工作，包括MAG的设计、schema、以及学术图谱的大规模实体链接（OAG项目将AMiner与MAG链接）。这段经历使东昱晓积累了大规模图数据处理和学术知识图谱构建的丰富经验。
在MSR期间，东昱晓还担任了KDD Deep Learning Day的联合主席（2018-2020连续三年），以及ECML-PKDD 2020/2021的程序联合主席，这些学术服务角色进一步扩展了他在数据挖掘社区的学术网络。
5.2 Meta AI（原Facebook AI）
东昱晓约2020年从MSR转至Meta AI担任研究员。虽然他在Meta AI的具体工作细节据现有资料较为有限，但其个人主页明确表示：
- 他的图表示学习和预训练工作被部署于Facebook和Instagram的大规模应用中
- "his work on graph representation learning and pre-training was deployed for large-scale applications in Facebook, Instagram, Microsoft, Tencent Games, and Alibaba"
这表明他在Meta AI期间的研究直接服务于Facebook/Instagram的核心产品（据推断可能涉及社交推荐、内容理解等图学习应用），进一步深化了他在大规模工业级图AI系统方面的经验。
5.3 当前产业合作
回到清华KEG任教后，东昱晓的产业合作关系主要体现在以下方面：
| 合作方 | 合作内容 |
|---|---|
| 智谱AI（ZhipuAI） | 参与GLM-130B、ChatGLM、CogVLM、CodeGeeX、CogView3等大模型研发，这些成果已转化为智谱AI的商业产品和开源工具 |
| 字节跳动（ByteDance） | 博士生Jiazheng Xu获2025字节跳动博士奖学金；本科生Yuxuan Tong毕业后加入字节跳动Seed |
| 腾讯 | 图学习成果部署于腾讯游戏；博士生获腾讯青云奖学金 |
| 蚂蚁集团 | 博士生Zhenyu Hou获2025蚂蚁博士奖学金（全球10人） |
| 阿里巴巴 | 图学习成果部署于阿里巴巴平台（通过Hongxia Yang在DAMO Academy的合作） |
5.4 工业界合作者网络延续性
东昱晓从工业界回归学术界后，其在MSR和Meta AI积累的合作网络仍在持续发挥作用：
- 与Kuansan Wang的合作：OAGknow（TKDE'21）等论文在东昱晓加入清华后仍继续发表，体现了MSR合作网络的延续
- 与Evgeny Kharlamov的合作：GRAND+（2022）等论文在加入清华后仍共同署名
- MSR暑期实习模式延续：东昱晓在清华延续了其在MSR期间建立的"指导实习生→产出顶会论文→培养未来学术新星"模式，其指导的实习生已有三人获SIGKDD Dissertation Award Runner-Up
六、学术兼职与服务
| 服务类型 | 具体内容 |
|---|---|
| 程序联合主席 | SMP'20、ECML-PKDD'20/21 |
| Track联合主席 | WWW'23 |
| Area Chair / Senior PC | KDD、ICLR、WWW、AAAI、ECML-PKDD |
| LLM Day联合主席 | WWW'24、KDD'23 |
| Deep Learning Day联合主席 | KDD'20、KDD'19、KDD'18 |
七、代表性研究成果概览
图表示学习与预训练
| 成果 | 会议/年份 | 意义 |
|---|---|---|
| metapath2vec / metapath2vec++ | KDD'17 | 异构信息网络表示学习的奠基性工作，与Chawla、Swami合作 |
| NetMF | WSDM'18 | 从理论上统一网络嵌入方法，WSDM'18第二最多引论文 |
| NetSMF | WWW'19 | 大规模网络嵌入的稀疏矩阵分解，WWW'19最佳论文候选 |
| ProNE | IJCAI'19 | 快速可扩展网络表示学习 |
| HGT (Heterogeneous Graph Transformer) | WWW'20 | 异构图Transformer，WWW'20最多引用论文 |
| GPT-GNN | KDD'20 | 图神经网络的生成式预训练 |
| GCC | KDD'20 | 图对比编码预训练，跨网络可迁移表示 |
| GraphMAE | KDD'22 | 图掩码自编码器，KDD'22最多引用论文 |
| GraphMAE2 | — | GraphMAE的改进版本 |
| SketchNE | — | 十亿级网络的精确嵌入（单CPU一小时） |
| CogDL | WWW'23 | 综合性图深度学习开源框架 |
大语言模型
| 成果 | 类型 | 说明 |
|---|---|---|
| GLM-130B | 预训练 | 千亿参数双语（中英）大语言模型 |
| ChatGLM | 对话模型 | 基于GLM的对话模型，开源下载量超千万次 |
| CodeGeeX | 代码生成 | 开源代码生成模型 |
| CogVLM | 视觉语言 | 预训练语言模型的视觉专家 |
| CogView3 | 文本生成图像 | 文生图模型 |
| CogVideoX | 文本生成视频 | 文生视频扩散模型（ICLR'25） |
LLM智能体与RL Scaling
| 成果 | 说明 |
|---|---|
| AgentBench | LLM智能体能力评测基准 |
| AgentTuning | LLM智能体调优 |
| WebRL | 基于LLM的Web导航智能体 |
| AndroidLab | Android自动化智能体 |
| SWE-Dev | 软件工程开发智能体 |
| T1 | LLM强化学习与测试时Scaling（ICML'25） |
| AgentRL | LLM智能体强化学习 |
LLM对齐
| 成果 | 说明 |
|---|---|
| ImageReward | 图像质量奖励模型（NeurIPS'23），PyPI下载量显著 |
| VisionReward | 视觉奖励模型 |
| Scaling RLHF | RLHF的规模化方法 |
八、Connection圈层总结
东昱晓的学术关系网络呈现出独特的"多圈层交叉"结构，是KEG实验室中唯一同时具备深厚学术谱系和丰富工业界人脉的教师：
第一圈层：KEG实验室核心圈 - 唐杰（教授）：本科导师→工业界合作者→现同事，合作论文数十篇，共同主导GLM/ChatGLM等重大项目 - 李涓子、许斌、侯磊：KEG同事，在CogVideoX、LongReward等项目中共同署名
第二圈层：清华学生网络 - 博士生6人（2021-2025年入学），包括Zhenyu Hou（GraphMAE，蚂蚁奖学金）、Jiazheng Xu（ImageReward，字节+腾讯奖学金）等 - 本科生12+人，去向覆盖MIT、UCLA、Cornell、Georgia Tech、Stanford、CMU等全球顶尖院校 - MSR时期实习生3人（Jiezhong Qiu、Ziniu Hu、Namyong Park等）均获SIGKDD Dissertation Award Runner-Up
第三圈层：博士导师学术谱系 - Nitesh V. Chawla（圣母大学，IEEE Fellow）：博士导师，数据挖掘与网络科学方向 - Reid A. Johnson（圣母大学）：博士同门 - Ananthram Swami（陆军研究实验室，ARL）：metapath2vec合作者
第四圈层：微软研究院工业网络 - Kuansan Wang（MSR Redmond）：MAG项目核心合作者，OAG、NetSMF、GCC等大量合作 - Evgeny Kharlamov（MSR/Bosch）：图学习合作者 - Hao Ma、Chi Wang（MSR）：NetSMF等合作 - MSR实习生的导师网络延伸至CMU、Georgia Tech、UIUC、UCLA等
第五圈层：Meta AI工业网络 - 在Meta AI工作期间建立的图学习大规模部署经验 - 图学习成果部署于Facebook、Instagram核心产品
第六圈层：产业合作网络 - 智谱AI：GLM/ChatGLM/CogVLM/CodeGeeX等大模型产业化 - 字节跳动、腾讯、蚂蚁集团：学生奖学金合作与人才输送 - 阿里巴巴DAMO Academy：通过Hongxia Yang合作GCC等
东昱晓的"清华本科-唐杰学生-圣母大学读博-MSR研究员-Meta AI研究员-清华KEG副教授"这一完整轨迹，使他成为KEG实验室乃至中国AI学术界中少有的"学术谱系+工业界实战+回归任教"三位一体的学者。他的图学习研究从理论（metapath2vec、NetMF）到工业部署（Facebook、Instagram、Microsoft、腾讯、阿里），再到大模型时代的LLM应用（GLM、ChatGLM、CogVLM、AgentBench），形成了从底层图算法到上层大模型应用的完整技术栈。其指导的学生和实习生在SIGKDD Dissertation Award上的连续获奖记录（2022、2024、2025年），更是凸显了他在人才培养方面的卓越能力。