中文简介

刘方辉

刘方辉，上海交通大学自然科学研究院与数学科学学院长聘教轨副教授，数学学院与人工智能学院博士生导师。之前在英国University of Warwick担任助理教授，兼任离散数学与应用中心成员及理论计算机组客座研究员，慕尼黑工业大学全球访问教授。2023年入选国家高层次人才青年项目，2024年获得AAAI新教师奖，2026年获得美国数学与统计创新研究所（IMSI）长期访问学者资助项目。在此之前，2014年本科毕业于哈尔滨工业大学自动化系，2019 年博士毕业于上海交通大学，曾在 KU Leuven、EPFL 从事博士后研究。主办 NeurIPS 2024“大模型微调：从理论到应用”研讨会以及NeurIPS’26研讨会，受邀担任IJCV大模型微调专刊客座编辑。在 ICASSP’23、CVPR’23、ISIT’24 等会议上主讲tutorial。担任NeurIPS、ICLR、AISTATS等会议领域主席。

邮箱: x@y with x=fanghui.liu, y=outlook.com or sjtu.edu.cn

研究兴趣

我的研究方向为机器学习数学理论与大模型机理分析。核心视角在于学习效率，并同时关注其理论层面与实证层面。我的研究始终致力于回答两个紧密相关的问题：一是如何在理论层面刻画与处理非线性，二是如何在严格理论指导下，在实践中对非线性进行精确且高效的近似。这一问题长期以来贯穿于科学、技术与工程等多个领域，也是其中的核心挑战之一。

Overview of research directions

我目前的研究工作（包括既往、正在进行以及未来的研究）主要聚焦于以下两个方向：

  • 机器学习数学理论: 1）高维机器学习的逼近与泛化，函数空间理论，计算-统计效率鸿沟（computational-statistical gaps）；2）机器学习的尺度泛化理论（模型性能随数据规模、 模型规模尺度扩张的规律），包括模型有效容量的分析与刻画，进而指导模型设计与训练等；如何精确刻画机器学习模型泛化性质。

相关文章参考[JMLR’24], [NeurIPS’25]

  • 大语言模型的机理分析: 从经验与理论两个层面拓展我们对大模型机制的认知，例如1）预训练的尺度律形成机制，训练稳定性；2）探讨在何时、何处进行微调是必要且有效的，以及微调在精度、效率与鲁棒性方面所能达到的极限；3）推理的定义、评估以及机器学习的Lean语言实现，构建面向研究级别的大模型推理系统，推动ai4math的发展。

相关文章参考[ICML’26], [ICLR’26], [ICML’25 Oral]

论文发表与学术报告 [具体见Publications]

我的研究工作拓展了机器学习的函数空间理论；发展了尺度泛化理论（generalization under scaling），例如修正了双下降理论；以大模型微调为代表的“理论指导实践”范式。近五年内相关成果发表在 JMLR、SIAM、NeurIPS、ICML、ICLR、TPAMI共二十余篇。

以上工作得到了国家自然科学基金委（海外优青项目、面上项目）、英国皇家学会（Royal Society）、英国艾伦·图灵研究所（Alan Turing Institute）、德国学术交流中心（DAAD）以及谷歌（Google）的资助。 如果你对我的研究感兴趣，可进一步参考我的 学术报告内容。

FLINT 研究组与招生

FLINT 的全称是 Foundations of Learning in Nonlinear Transformations。研究组主要围绕机器学习数学理论与大语言模型的机理分析开展工作，详情见 FLINT Lab 中文主页。

成员与指导经历页面集中列出交大成员、华威指导学生，以及此前在 EPFL、KU Leuven 等单位的指导经历。

有关当前招生状态、申请条件、学院渠道与联系材料，请统一参阅 [positions.html

教学

我在上海交通大学承担以下课程的教学工作：

  • 概率论与数理统计（2026年秋季学期，面向电院本科生）

  • 回归分析与线性模型 （2026年秋季学期，面向统计系博士生）

在英国任教时期，我已获得英国Advance HE Fellow（FHEA）资格认证，该认证基于英国高等教育教学与学习支持专业标准框架（Professional Standards Framework, PSF），以表彰在高等教育教学与学习支持方面达到的专业标准。 我在华威大学承担以下课程的教学工作：

  • CS416 Optimisation methods

  • CS147 Discrete Mathematics and Its Applications 2

学术服务

担任NeurIPS、ICLR、AISTATS等会议领域主席，担任IJCV大模型微调专刊客座编辑，组织NeurIPS’24, NeurIPS’26研讨会，组织 Mathematical Foundations of Modern Machine Learning研讨会。

组织中国机器学习与科学计算大会（CSML’26），担任中国数学会数学与人工智能专委会委员、CCF理论计算机专委会委员。

学术谱系（彩蛋）

拉格朗日  /  拉普拉斯  →  泊松  →  米歇尔·沙勒  →  达布  →  埃米尔·皮卡  →  Le Corbeiller  →  Peter Elias  →  Bernd Neumann  →  杨杰  →  刘方辉
据 Mathematics Genealogy Project 整理。