浙江大学 陈佳伟 百人计划研究员
报告生成时间：2026年8月20日
个人主页：陈佳伟
所属团队：浙江大学计算机科学与技术学院 VIPA（Vision Intelligence and Pattern Analysis）课题组
一、学者基本信息
| 项目 | 内容 |
|---|---|
| 姓名 | 陈佳伟（Jiawei Chen） |
| 职称 | 百人计划研究员（正高）、博士生导师 |
| 所属单位 | 浙江大学计算机科学与技术学院 |
| 所属实验室 | ZLST实验室（陈纯院士领导）；VIPA课题组核心成员 |
| 办公地址 | 浙江大学玉泉校区曹光彪主楼411 |
| 邮箱 | sleepyhunt@zju.edu.cn |
| 电话 | 13073687936 |
| 研究方向 | 生成式推荐、大语言模型（LLM后训练与垂域应用）、自主智能体、安全可信人工智能 |
| 博士导师 | 陈纯院士（浙江大学） |
| 博士后合作导师 | 何向南教授（中国科学技术大学） |
| 论文发表 | 近5年在国际旗舰期刊会议发表论文80余篇（ACL、WWW、SIGIR、KDD、TOIS、WSDM、NeurIPS、AAAI、ICLR等） |
| 代表性奖项 | ACL 2026杰出论文奖（CCF-A）、WSDM 2025最佳论文奖（清华A类）、SIGIR 2023最佳论文提名奖（CCF-A类） |
| 学术兼职 | AAAI、WWW、KDD、ACMMM等顶会PC成员；TNNLS、TKDE、TOIS等期刊审稿人 |
| 个人主页 | https://jiawei-chen.github.io/ |
| Google Scholar | https://scholar.google.com/citations?user=PvICLFYAAAAJ |
二、教育背景与职业履历
陈佳伟的学术生涯扎根于浙江大学计算机科学与技术学院。他本科阶段即在浙江大学就读，此后于浙江大学计算机学院攻读博士学位，2020年获得博士学位，博士导师为中国工程院院士陈纯教授。陈纯院士是浙江大学区块链与数据安全全国重点实验室主任、国家新一代人工智能战略咨询委员会委员，曾于2019年10月24日向中共中央政治局就区块链技术发展现状进行专题汇报，是国内大数据、人工智能、区块链领域的领军人物。陈佳伟在博士期间师从陈纯院士，在ZLST实验室从事推荐系统、图神经网络和数据挖掘方向的研究，奠定了其在推荐去偏（debiasing）、因果推理和鲁棒机器学习等方向的核心研究基础。博士期间已发表多篇高水平论文，包括AAAI 2020的"A Unified Framework for Debiased Recommendation"和WWW 2021的"GCN-Based Knowledge Distillation"等。
2020年博士毕业后，陈佳伟赴中国科学技术大学从事博士后研究工作（2020-2022年），合作导师为时任中国科学技术大学教授的何向南（Xiangnan He）。何向南教授是国际推荐系统领域的顶尖学者，现任中国科学技术大学数据科学实验室（LDS）负责人，在推荐系统、信息检索和图学习方向具有极高的国际声誉。在中科大博士后期间，陈佳伟的研究方向进一步向推荐系统去偏、因果推理和图结构学习等纵深方向拓展，与何向南团队建立了深度的学术合作关系。这一阶段的代表性成果包括KDD 2021的"Causal Inference for Recommendation Debiasing"、SIGIR 2021的"Universal Debiasing Framework for Recommendation"、以及在TOIS上发表的推荐去偏综述"Bias and Debias in Recommender System: A Survey and Future Directions"等。该综述后来成为推荐系统去偏领域的高被引文献，奠定了陈佳伟在该方向的国际学术影响力。
2022年，陈佳伟以"百人计划研究员"身份回到浙江大学计算机科学与技术学院，成为ZLST实验室的核心成员，同时与VIPA课题组保持紧密合作关系。VIPA（Vision Intelligence and Pattern Analysis，视觉智能与模式分析）课题组由浙江大学计算机学院宋明黎教授领衔，是浙江大学计算机视觉与模式识别方向的重要研究力量。陈佳伟的加入为VIPA课题组在推荐系统、大语言模型和智能体方向拓展了新的研究维度，形成了视觉智能与推荐系统交叉融合的独特定位。回国后，他的研究方向从传统的推荐系统去偏逐步扩展到生成式推荐（Generative Recommendation）、大语言模型后训练（SFT、RL）、自主智能体（Autonomous Agents）和安全可信人工智能四大方向，并在多个方向取得了突破性成果。
近5年来，陈佳伟在国际旗舰期刊和会议上发表论文80余篇，涵盖ACL、WWW、SIGIR、KDD、TOIS、WSDM、NeurIPS、AAAI、ICLR、ICDE、CIKM、RecSys、IJCAI、ICCV等顶级 venues。尤其2023年以来进入学术高产期，2024年接受NeurIPS、WSDM、AAAI、RecSys、CIKM、TOIS等顶会顶刊论文十余篇；2025-2026年更在ACL、KDD、SIGIR、WWW、ICLR、NeurIPS等会议上保持年均十余篇的产出节奏，展现出极为强劲的科研活力和团队领导力。其指导的论文先后获得ACL 2026杰出论文奖、WSDM 2025最佳论文奖和SIGIR 2023最佳论文提名奖三项重磅荣誉，在国内推荐系统与AI领域青年学者中极为罕见。
三、学生培养情况
陈佳伟自2022年全职回到浙江大学建立独立研究团队以来，已培养和指导了一批优秀的博士生和硕士生。其实验室长期招收博士生、硕士生和本科实习生，研究方向覆盖推荐系统、大语言模型和智能体等前沿领域。从近年论文署名和通讯作者标记来看，其学生群体已在ACL、KDD、SIGIR、WWW、NeurIPS等顶会上以第一作者身份持续产出高水平成果，形成了鲜明的"高产出、高质量"培养风格。以下列出具有明确论文署名依据的代表性学生。
1. 王博浩（博士研究生，陈佳伟指导）
王博浩是陈佳伟指导的博士研究生，邮箱为bohao.wang@zju.edu.cn，是当前团队中最为活跃的学术骨干之一。他在LLM推荐方向持续产出，以第一作者身份发表了WWW 2026论文"Does LLM Focus on the Right Words? Diagnosing Language Bias in LLM-based Recommenders"（陈佳伟为通讯作者），该论文与合作方OPPO研究院联合完成，提出GDRT微调范式以解决LLM推荐中的语言偏置问题。此外，王博浩还作为第一作者撰写了2026年发布的综述"Trustworthy Recommendation in the Era of Large Language Models: Opportunities and Challenges"（ArXiv预印本），陈佳伟与高崇铭共同担任通讯作者，该综述系统梳理了LLM时代可信推荐的研究脉络，展现了其在学术综述写作方面的能力。从论文署名频率来看，王博浩出现在几乎所有2025-2026年的核心论文中，是陈佳伟团队当前最重要的学生骨干。
2. 郝哲正（博士研究生，陈佳伟指导）
郝哲正是陈佳伟指导的博士研究生，在2026年ACL会议上以第一作者身份发表了两篇Full Paper，其中"Rethinking Entropy Interventions in RLVR: An Entropy Change Perspective"获得ACL 2026杰出论文奖（Outstanding Paper Award），这是自然语言处理领域最高荣誉之一。该论文从token-level熵变视角重新解释RLVR（基于可验证奖励的强化学习）中的熵坍缩现象，并提出熵稳定方法STEER，在数学推理和代码任务上取得稳定提升。郝哲正的另一篇ACL 2026论文"ReCreate: Reasoning and Creating Domain Agents Driven by Experience"则聚焦智能体的自主创建能力。两篇ACL Full Paper加杰出论文奖的产出，使郝哲正成为陈佳伟团队中学术表现最为突出的学生。郝哲正还维护了STEER项目的开源代码（GitHub: github.com/zz-haooo/STEER）。
3. 杨伟钦（博士研究生，陈佳伟指导）
杨伟钦是陈佳伟指导的博士研究生，在推荐系统Scaling和大模型推荐方向持续产出。他以第一作者或核心作者身份参与了KDD 2026论文"The Pitfall of Scaling Up: Uncovering and Mitigating Popularity Bias Amplification in Scaling Transformer-based Recommenders"（陈佳伟为通讯作者）、SIGIR 2026论文"BEAR: Towards Beam-Search-Aware Optimization for Recommendation with Large Language Models"、以及WWW 2026论文"Talos: Optimizing Top-K Accuracy in Recommender Systems"等多项重要工作。其研究横跨推荐系统规模化、LLM推荐优化和Top-K排序优化三大主题，体现了陈佳伟团队在推荐系统核心算法层面的系统性布局。杨伟钦还作为合作者参与了与中科大高崇铭团队的SIGIR 2026论文"Beyond Static Best-of-N: Bayesian List-wise Alignment for LLM-based Recommendation"。
4. 崔钰（博士研究生，陈佳伟指导）
崔钰是陈佳伟指导的博士研究生，研究方向聚焦于LLM增强的序列推荐和CTR预测。他以第一作者身份发表了SIGIR 2026论文"SpecTran: Spectral-Aware Transformer-based Adapter for LLM-Enhanced Sequential Recommendation"和WWW 2026论文"Field Matters: A Lightweight LLM-enhanced Method for CTR Prediction"（均为陈佳伟通讯作者）。后者与OPPO研究院合作完成，提出了一种轻量级的LLM增强CTR预测方法，具有明确的产业落地导向。崔钰的研究体现了陈佳伟团队将LLM技术与传统推荐系统深度融合的研究策略。
5. 张盛佳（博士研究生，陈佳伟指导）
张盛佳是陈佳伟指导的博士研究生，在推荐系统Top-K优化和排序感知Transformer方向有重要贡献。他作为第一作者发表了WWW 2026论文"Talos: Optimizing Top-K Accuracy in Recommender Systems"（陈佳伟为通讯作者），并作为合作者参与了多篇2025-2026年的核心论文。张盛佳的研究方向侧重于推荐系统的排序优化和评估指标改进，这是推荐系统从学术研究走向产业部署的关键技术环节。
6. 董涵锷（博士研究生/联合培养，陈佳伟共同指导）
董涵锷在陈佳伟团队的论文中以共同通讯作者（co-corresponding author）身份出现，表明其可能已进入博士后期或具有较高学术独立性。在ACL 2026杰出论文"Rethinking Entropy Interventions in RLVR"和ACL 2026论文"ReCreate"中，董涵锷均标记为通讯作者（与陈佳伟共同），表明其在项目方向把控和论文撰写中承担了核心指导角色。董涵锷还出现在NeurIPS 2024和WSDM 2025的论文中，是团队中学术贡献跨度最广的成员之一，其研究覆盖LLM强化学习、智能体和推荐系统多个方向。
7. 林思仪（博士研究生，陈佳伟指导）
林思仪是陈佳伟指导的博士研究生，邮箱为lin452_lsy@zju.edu.cn。她以第一作者身份发表了WSDM 2025最佳论文奖获奖论文"How Do Recommendation Models Amplify Popularity Bias? An Analysis from the Spectral Perspective"（陈佳伟为通讯作者），该论文从谱分析视角揭示了推荐模型放大流行度偏差的根因，提出基于谱范数正则化的去偏策略。这篇论文是陈佳伟团队在推荐系统去偏方向的标志性成果之一，获WSDM 2025最佳论文奖（清华A类会议），充分展现了团队在理论分析方面的深厚功底。
8. 许振翔（研究生，陈佳伟指导）
许振翔是陈佳伟团队的研究生成员，出现在2026年综述"Trustworthy Recommendation in the Era of Large Language Models"的作者列表中，以及多篇SIGIR 2026和WWW 2026论文的合作者中。虽然目前尚未以第一作者身份发表顶会论文，但其在团队多篇核心论文中的参与表明其正在积极投入推荐系统与LLM交叉方向的研究训练。
四、学术合作网络
4.1 核心学术合作者
陈佳伟的学术合作网络以浙江大学ZLST实验室和中科大何向南团队为双核心，向外辐射至国内外多个研究机构，形成了覆盖推荐系统、图学习、大语言模型和因果推理等方向的紧密合作圈层。
王灿（Can Wang），浙江大学计算机科学与技术学院。 王灿是陈佳伟在浙江大学的最核心学术合作伙伴，其邮箱为wcan@zju.edu.cn。在陈佳伟近年的几乎所有论文中，王灿均作为合作者出现，且经常作为最后一位非通讯作者，暗示其在团队中可能担任高级合作者或联合PI的角色。二人合作发表的论文涵盖WSDM 2025最佳论文、ACL 2026杰出论文、KDD 2026、SIGIR 2026、WWW 2026、NeurIPS 2024/2025等数十篇顶会论文，合作密度极高。王灿的研究方向与陈佳伟高度互补，在图学习、数据挖掘和因果推理方向均有深入积累。
陈纯（Chun Chen）院士，浙江大学。 陈纯院士是陈佳伟的博士导师，中国工程院院士，区块链与数据安全全国重点实验室主任。在陈佳伟的论文中，陈纯院士持续作为合作者出现（如WWW 2026论文中chenc@cs.zju.edu.cn），表明二人保持着密切的师生合作关系。陈纯院士为陈佳伟的研究提供了ZLST实验室的平台支撑和国家级科研资源的对接渠道，是其学术发展的根基性支撑。
何向南（Xiangnan He）教授，中国科学技术大学。 何向南是陈佳伟的博士后合作导师，国际推荐系统领域顶尖学者。二人在博士后期间建立了深厚的合作关系，此后持续联合发表高质量论文。代表性合作包括推荐去偏综述（TOIS 2023）、MiniOneRec生成式推荐框架（2026预印本）等。何向南团队的多位成员（如高崇铭、冯福利）也成为陈佳伟的长期学术合作伙伴。
高崇铭（Chongming Gao），中国科学技术大学副研究员。 高崇铭是何向南教授指导的博士兼博士后，现为中国科学技术大学副研究员，与陈佳伟形成了"联合通讯作者"的深度合作模式。二人共同通讯的论文包括SIGIR 2026"Beyond Static Best-of-N"、以及2026年综述"Trustworthy Recommendation in the Era of Large Language Models"。高崇铭还参与了WSDM 2025最佳论文和KDD 2026论文的合作，是连接浙大和中科大两个推荐系统团队的关键桥梁人物。
周晟（Sheng Zhou），浙江大学。 周晟是浙江大学计算机学院的同事，在多篇论文中与陈佳伟合作，包括KDD 2026论文和ACM Computing Survey 2024的深度聚类综述。其研究方向涵盖数据挖掘和图学习，为陈佳伟团队在图结构学习和深度聚类方向提供了重要的学术互补。
冯福利（Fuli Feng），中国科学技术大学。 冯福利是何向南团队的另一位核心成员，在推荐系统和因果推理方向有重要贡献。他与陈佳伟在多篇综述和会议论文中合作，包括2026年综述"Trustworthy Recommendation in the Era of Large Language Models"和SIGIR 2023最佳论文提名论文等。
汪翔（Xiang Wang），新加坡国立大学/中国科学技术大学。 汪翔是推荐系统与因果推理方向的知名学者，与陈佳伟在推荐去偏综述（TOIS 2023）和WWW 2021 Tutorial等工作中合作，为陈佳伟在因果推理应用于推荐系统方向提供了重要的国际学术视角。
Martin Ester，加拿大西蒙弗雷泽大学（SFU）。 Ester教授是数据挖掘和聚类方向的国际知名学者，与陈佳伟在ACM Computing Survey 2024的深度聚类综述中合作，体现了陈佳伟团队在图学习和聚类方向的国际化合作视野。
金苍宏（Canghong Jin），杭州城市大学。 金苍宏是杭州城市大学的教师（jinch@zucc.edu.cn），在多篇论文中与陈佳伟合作，包括WWW 2026和SIGIR 2026论文。作为同城高校的合作者，金苍宏为陈佳伟团队提供了跨机构的学术协作支持。
4.2 学术合作网络图谱
陈佳伟的学术合作网络可归纳为以下几条核心脉络：
浙大内循环： 以陈纯院士（导师）—王灿（核心合作者）—周晟（同事）—金苍宏（同城合作者）为骨架，构成浙大校内和杭州本地的紧密合作圈。这一圈层为陈佳伟提供了日常科研协作和资源共享的基础平台，ZLST实验室和区块链与数据安全全国重点实验室为其提供了国家级科研平台支撑。
中科大纽带： 以何向南（博士后导师）—高崇铭—冯福利为轴线，连接浙大与中科大两个国内推荐系统最强团队。这一纽带不仅带来了学术思想和方法的交流，还形成了联合培养学生和联合指导论文的机制，是陈佳伟学术网络中最重要的校外合作通道。
国际化合作： 通过汪翔（NUS/中科大）、Martin Ester（SFU）等国际合作者，将研究网络延伸至国际学术界。此外，陈佳伟还与宋明黎教授领导的VIPA课题组在视觉智能与模式分析方向存在交叉合作关系，拓展了团队在多模态和视觉推荐方向的研究视野。
学术服务网络： 陈佳伟担任AAAI、WWW、KDD、ACMMM等顶级会议的PC成员，以及TNNLS、TKDE、TOIS等顶级期刊的审稿人，通过学术服务建立了与国内外同行的广泛联系。他还多次在WWW和RecSys等会议上组织Tutorial（如"Bias and Debias in Recommendation"），进一步扩大了其在推荐系统社区的影响力。
五、业界合作关系深度分析
5.1 核心产业合作伙伴
陈佳伟的研究具有极强的产业应用导向，其论文中频繁出现来自企业的研究合作者，形成了学术界与产业界深度融合的合作模式。
OPPO研究院（OPPO Research Institute）。 OPPO是陈佳伟最核心的产业合作方。在多篇2025-2026年发表的论文中，OPPO研究院的Feng Liu（liufeng4hit@gmail.com）、Changwang Zhang（changwangzhang@foxmail.com）、Jun Wang（junwang.lu@gmail.com）作为合作者出现，署名单位标注为"OPPO Research Institute, Shenzhen, China"。代表性合作论文包括：WWW 2026"Does LLM Focus on the Right Words? Diagnosing Language Bias in LLM-based Recommenders"（联合OPPO完成，探索LLM推荐中的语言偏置诊断与修复）、WWW 2026"Field Matters: A Lightweight LLM-enhanced Method for CTR Prediction"（联合OPPO完成，提出轻量级LLM增强CTR预测方法）、SIGIR 2026"SpecTran: Spectral-Aware Transformer-based Adapter for LLM-Enhanced Sequential Recommendation"（联合OPPO完成）等。OPPO作为全球领先的智能手机厂商，其推荐系统场景涵盖应用商店推荐、内容推荐和广告投放等，与陈佳伟团队在LLM推荐、序列推荐和CTR预测方向的合作具有明确的产业化目标。此外，Xingyu Lou和Yuegang Sun也出现在部分论文中，可能同样来自OPPO或相关产业方。
腾讯（Tencent）。 腾讯是陈佳伟在大语言模型方向的重要产业合作方。在ACL 2026杰出论文"Rethinking Entropy Interventions in RLVR: An Entropy Change Perspective"中，Qiang Lin作为合作者出现，据知乎等公开渠道的报道，该论文由浙江大学和腾讯等机构联合完成。该研究聚焦大模型RLVR训练中的熵坍缩问题，提出STEER方法，在数学推理和代码任务上取得稳定提升，具有直接的大模型后训练产业应用价值。Qiang Lin还出现在ACL 2026的另一篇论文"ReCreate: Reasoning and Creating Domain Agents"中，表明腾讯与陈佳伟团队在LLM后训练和智能体方向存在持续的合作关系。
蚂蚁集团（Ant Group）。 蚂蚁集团通过Binbin Hu（bin.hbb@antfin.com）与陈佳伟团队建立了合作关系。Binbin Hu出现在WSDM 2025最佳论文"How Do Recommendation Models Amplify Popularity Bias?"的作者列表中，署名单位为"Ant Group, Hangzhou"。该论文研究推荐系统中的流行度偏差放大问题，与蚂蚁集团在支付推荐、金融产品推荐等场景中的实际需求高度契合。蚂蚁集团作为杭州本地的科技巨头，与浙大在地缘上高度邻近，为产学研合作提供了便利条件。
5.2 产业合作模式与特征分析
陈佳伟的产业合作呈现出以下显著特征：
多企业并行合作策略。 陈佳伟团队同时与OPPO、腾讯、蚂蚁集团等多家企业保持活跃的合作关系，而非单一绑定某一家企业。这种策略使其研究能够覆盖不同产业场景的需求：OPPO聚焦消费电子端的推荐与CTR优化，腾讯聚焦大模型后训练与智能体，蚂蚁集团聚焦金融推荐与偏差控制。多企业并行合作也为学生提供了多元的产业实习和就业渠道。
"学术-产业"双通讯作者模式。在与企业的合作论文中，陈佳伟通常担任学术方通讯作者，企业方研究者作为核心合作者参与。这种模式既保证了学术方向的把控权，又确保了产业需求的准确传达，形成了有效的产学研协同机制。
从理论到部署的完整链条。 陈佳伟在竺涯共语开放日讲座中明确提出"科研的思路：原因分析→维度探索→解决方案：因果推理→落地应用：部署加速"的研究方法论，其产业合作论文也体现了这一理念。例如，与OPPO合作的CTR预测论文直接面向广告投放场景，与蚂蚁集团合作的流行度偏差论文直接面向推荐公平性问题，与腾讯合作的RLVR论文直接面向大模型训练优化，均具有明确的产业部署导向。
杭州产业生态优势。 陈佳伟团队所在的浙江大学玉泉校区位于杭州，与蚂蚁集团总部、阿里巴巴总部等互联网企业在地缘上高度邻近。杭州作为中国数字经济高地，为陈佳伟团队提供了丰富的产业合作资源和人才输送通道。其学生群体中已有部分进入或即将进入上述企业实习和就业，形成了学术培养与产业输出的良性循环。
六、重要奖项与学术兼职
| 年份 | 奖项/兼职名称 | 级别/类别 | 说明 |
|---|---|---|---|
| 2026 | ACL杰出论文奖（Outstanding Paper Award） | CCF-A类 | 论文"Rethinking Entropy Interventions in RLVR: An Entropy Change Perspective"，NLP领域最高论文荣誉 |
| 2025 | WSDM最佳论文奖（Best Paper Award） | 清华A类 | 论文"How Do Recommendation Models Amplify Popularity Bias? An Analysis from the Spectral Perspective" |
| 2023 | SIGIR最佳论文提名奖（Best Paper Honourable Mention） | CCF-A类 | 论文"Alleviating Matthew Effect of Offline Reinforcement Learning in Recommendation" |
| 持续 | AAAI PC成员 | CCF-A类 | 担任AAAI国际联合人工智能会议程序委员会委员 |
| 持续 | WWW PC成员 | CCF-A类 | 担任The Web Conference程序委员会委员 |
| 持续 | KDD PC成员 | CCF-A类 | 担任ACM SIGKDD程序委员会委员 |
| 持续 | ACMMM PC成员 | CCF-A类 | 担任ACM Multimedia程序委员会委员 |
| 持续 | TNNLS审稿人 | 顶级期刊 | IEEE Transactions on Neural Networks and Learning Systems特邀审稿人 |
| 持续 | TKDE审稿人 | 顶级期刊 | IEEE Transactions on Knowledge and Data Engineering特邀审稿人 |
| 持续 | TOIS审稿人 | 顶级期刊 | ACM Transactions on Information Systems特邀审稿人 |
| 2021 | WWW 2021 Tutorial | CCF-A类 | "Bias and Debias in Recommendation"教程，与汪翔、冯福利、何向南联合主讲 |
| 2021 | RecSys 2021 Tutorial | 推荐系统顶会 | "Bias Issues and Solutions in Recommender System"教程 |
七、Connection圈层总结
陈佳伟的学术关系网络可从以下圈层进行总结：
第一圈层——师生与团队核心圈： 以博士导师陈纯院士（浙大ZLST实验室）、博士后合作导师何向南教授（中科大LDS实验室）为学术血脉的双源头，形成"浙大-中科大"双核驱动的学术根基。在浙大校内，王灿（核心合作者）和周晟（同事）构成日常科研协作的骨架；在中科大方向，高崇铭和冯福利作为何向南团队的核心成员，与陈佳伟形成了跨校的联合培养和联合发表机制。学生群体中，王博浩、郝哲正、杨伟钦、崔钰、张盛佳、董涵锷、林思仪等博士生已在ACL、WSDM、SIGIR、WWW等顶会上以第一作者身份持续产出高水平成果，形成了梯队化的研究力量。
第二圈层——学术合作圈： 以汪翔（NUS/中科大）、Martin Ester（SFU）、金苍宏（杭州城市大学）等为代表的学术合作者圈层，将研究网络从校内延伸至国内外多所高校。通过担任AAAI、WWW、KDD、ACMMM等顶会PC成员和TNNLS、TKDE、TOIS等顶刊审稿人，陈佳伟在推荐系统、信息检索和大语言模型社区建立了广泛的学术影响力。其主持的WWW和RecSys Tutorial进一步巩固了其在推荐去偏方向的学术话语权。
第三圈层——产业合作圈： 以OPPO研究院（Feng Liu、Changwang Zhang、Jun Wang）、腾讯（Qiang Lin）、蚂蚁集团（Binbin Hu）为核心的产业合作网络，覆盖了消费电子推荐、大模型后训练和金融推荐三大产业场景。这一圈层不仅为学术研究提供了真实场景的数据和需求验证，也为学生的产业实习和就业开辟了多元通道。陈佳伟团队的产学研合作模式以"学术方通讯作者+产业方核心合作者"为基本架构，兼顾了学术主导性和产业落地性。
第四圈层——平台与生态圈： 陈佳伟依托浙江大学区块链与数据安全全国重点实验室（陈纯院士任主任）和计算机科学与技术学院的国家级平台资源，以及VIPA课题组在视觉智能与模式分析方向的交叉优势，形成了"推荐系统+大语言模型+视觉智能"的跨方向研究生态。其研究从早期的推荐去偏和图学习，已演进到生成式推荐、LLM后训练、自主智能体和安全可信AI四大方向，呈现出从单一领域向多领域交叉的学术发展轨迹。在浙大计算机学院内，与VIPA课题组（宋明黎教授领衔）、鲍凌峰副教授、王庆龙研究员、杨定裕研究员等同事的学术互动，进一步丰富了其研究网络的横向维度。
总体而言，陈佳伟的学术关系网络呈现出"双导师血脉（陈纯+何向南）、双校驱动（浙大+中科大）、多企业协同（OPPO+腾讯+蚂蚁）、全链条覆盖（理论→算法→系统→部署）"的鲜明特征，是当前国内推荐系统与大语言模型交叉领域最具活力的青年学术领袖之一。