列举从信息学竞赛（OI）或清华计算机系走出来的牛人，人们总会提到鬲融的名字。

这位来自河北唐山的青年，因年与楼天城、胡伟栋、栗师代表中国参加第16届国际信息学竞赛（IOI）、全面夺金而一举成名，保送清华后又在卧虎藏龙的计算机系留下三项至今无人打破的纪录：17科满分、学分积三年排名第一、计算机系历史最高GPA。

当你以为他只是一位竞赛强人时，他向你展示了在文化综合科上的实力；当你以为他只是“两耳不闻窗外事，一心只读圣贤书”的学霸时，他又在离开清华多年后捧回在理论研究上的拔群战绩：NIPS最佳学生论文奖、素有“诺贝尔风向标”之称的斯隆研究奖…

然而，关于鬲融的传说，大多还是集中在早期的竞赛与清华姚班的学习上。相比之下，他去普林斯顿读博、从事理论研究的经历则鲜为人知。

作为“光环学生”，鬲融的一言一行被寄予厚望。但是，在与鬲融的对话中，我们发现，这位昔日的IOI战神、清华本科特等奖获得者在科研上并非一帆风顺。刚入门时，他也不知道该如何做科研，也是经过一番自我觉醒，才明白了其中的门路。

与竞赛、考试相比，鬲融在科研上属于“大器晚成”：读博前三年，他在近似算法研究上探索无果，无奈转向机器学习理论研究，最后两年才发了顶会文章。到年凭借非凸优化的研究贡献获得斯隆研究奖时，他已是杜克大学计算机系的一名“青椒”。

年，鬲融从清华大学本科毕业，随后赴普林斯顿大学读博、微软研究院新英格兰分部担任博士后，年进入杜克大学担任教职。从姚班开始立志做理论研究，到成为机器学习理论研究方向小有名气的青年学者，鬲融用了近10年。

那么，鬲融离开清华后的成长历程是怎样的？今天，我们只谈鬲融与理论研究之间的故事。

作者

陈彩娴

1.普林斯顿前半章

在清华计算机系4字班（级）中，最出名的当数信息学竞赛圈无人不知的楼天城“楼教主”，百度曾经最年轻的T10级员工，后来又率先创立了国内知名的自动驾驶公司小马智行（Pony.ai）。

许多人最初知道鬲融，是借楼教主的名声，因为在楼教主的一段轶事里，鬲融曾作为一个“配角”的身份出现：

当时，楼教主的高中信息学竞赛教练李建江一直认为楼教主是天才型学生，心中引以为豪，每次去北京出差，只要有时间就会顺路去清华看望这位得意门生。

结果到了清华，与老师、同学交流，李教练发现，自己的学生在计算机系最多只能排到第二名，因为楼教主的同班同学鬲融常年排名全年级第一。

他还举例：每次夜晚9点去清华的计算机系宿舍，鬲融肯定在，而楼教主还在教室用功。他因此感叹，相比鬲融，楼教主是地道的勤奋型选手。

在与AI科技评论的对话中，鬲融首次回应了这段传闻：“哈哈其实是因为当时我们宿舍有空调，所以就不用去教室学习，楼天城他们宿舍没有空调，他只能去教室学习。”

图注：年，鬲融（中间）与楼天城（最左）、胡伟栋（最右）在日本参加ACM/ICPC，获得亚洲赛区冠军、全球第二名

楼天城的天赋与能力毋庸置疑，但相形之下，鬲融的实力也可见一斑。然而，在理论研究领域深耕多年后，回头再看在清华读本科时的成绩与排名，鬲融只是一笑置之，称自己不过是有一点“考试的天赋”：

我就是在做一些不是特别难的题时可以做得很快，也不太会出错。考试可能比较有用，但是（这项能力）后来到了研究上面就没有什么用了。研究的题比考试难，有些人可能考试时会在一些简单的题目上卡住，但在做研究的难题时就会做得很快。

鬲融与楼教主曾经是年一起参加IOI的战友，上了清华后又曾两次组队参加编程竞赛（两岸清华编程比赛与ACM/ICPC）。但是，与业余时间还爱“玩玩竞赛题”的楼教主相比，鬲融并不“恋战”，参加完年ACM/ICPC后便彻底告别了竞赛圈，因为那一年，他找到了下一个人生目标：理论计算机研究。

当时，鬲融刚加入姚班不久。在姚期智、陈卫、孙晓明等人的引导下，尤其是姚期智亲自讲授《理论计算机》课程，鬲融迷上了理论研究，立志走学术研究道路，将科研作为毕生之所向。

但是，与竞赛、做题相比，鬲融的科研“天赋”似乎略微逊色。比如，读博前期，鬲融在近似算法（ApproximationAlgorithm）的研究课题上苦苦折腾了三年，也没有找到正确的方向，最后只能无奈放弃。

年，在姚先生的建议下，鬲融去了普林斯顿大学（计算机理论研究排名全美前5）读博。普林斯顿的计算机系每年只招收大约20名学生。在鬲融那一届，除了他，还有名中国学生被录取，包括鬲融昔日的IOI战友栗师（现任纽约州立大学布法罗分校计算机系副教授）。

图注：普林斯顿大学

清华姚班出来的学生对研究往往有一种使命感，比如，引领一个领域的新潮流，或解决一道历史上悬难已久的问题。年少的鬲融起初对学术研究也是这样一种想法：“世界上有那么多猜想与没解决的问题，挑一个去做就是了。”

近似算法的研究历史可以追溯到18世纪中期欧拉（L.Eulr）研究的骑士环游问题，目标是用近似方法在多项式时间内给出尽可能接近最优值的解，比如著名的「旅行商问题」（TSP）：一个商品推销员要去若干个城市推销商品，该推销员从一个城市出发，需要经过所有城市后，回到出发地，那么，TA应如何选择行进路线，以使总的行程最短？

这个课题很吸引鬲融。但很快，他就感到“出师不利”。

近似算法发展至今，亟待解决的问题是大家都知道的几个问题，比如旅行商问题、染色问题、最小分割等。鬲融的工作就是研究如何解决这些问题。但是，虽然有明确的研究方向，他却总会在各种地方卡住，导致工作无法进行下去。

至于卡住的原因，鬲融坦言，他到现在也还不是很清楚：

可能是对研究的课题不熟悉，也可能是思路不对，各种可能都有。我们当时想做的事情直到现在也还没有人做出来，所以也有可能是因为选择的题太难。

三年下来，虽然他在ICALP、ISAAC等理论计算机的会议与期刊上发表了论文，但总体感觉还是困难比较多，所取得的成果也远远没有达到鬲融对自己的要求。

回想当时的磕磕绊绊，鬲融分析，做研究无非就是两方面：一是找到合适的题目，二是把这个题目做出来。在选择近似算法时，他对第一步的认知只是在“世界上已有的难题”上，直到后来转向机器学习理论研究，才发现：原来学会自己定义问题，也是一项可贵的研究能力。

2.科研转折点与引路人

转折点发生在年。

那一年，Hinton与他的学生Alx在ImagNt比赛中凭借AlxNt远超第二名10个百分点，勇夺冠军，深度学习崛起。鬲融的博士导师SanjvArora敏锐地察觉到机器学习（尤其是深度学习）在未来的发展潜力，开始