两届哥德尔奖得主、上交大校友滕尚华教授做客“汇智大讲坛”

2026年7月3日下午，上海交通大学人工智能学院“汇智大讲坛”在徐汇校区人工智能学院一楼举行。南加州大学教授、两届哥德尔奖得主、上海交通大学杰出校友滕尚华（Shang-Hua Teng）教授应邀作题为“The Role of Unlabeled Data in Regularization and Optimal Statistical Learning”（无标签数据在正则化与最优统计学习中的作用）的学术报告。人工智能学院党委书记杨一帆、执行院长王延峰和副书记许淼鑫出席，论坛由副教授李帅主持。

滕尚华于1985年毕业于上海交通大学电气工程与计算机科学系，获双学士学位，现任南加州大学计算机科学系教授及Seely G. Mudd计算机科学与数学讲席教授，是美国计算机协会（ACM）会士、美国工业与应用数学学会（SIAM）会士。他曾于2008年与2015年两度荣获理论计算机领域最高奖项——哥德尔奖（Gödel Prize），并于2009年获得福克森奖（Fulkerson Prize），2014年获西蒙斯研究员（Simons Investigator）称号。2026年，滕尚华荣获第四届上海交通大学睿远科技大奖信息与空间科技奖。

报告中，滕尚华以“科研是一场探索的历险”为切入点，回顾了与南加州大学同事历时十余年的合作历程。他从一个核心理论猜想——“所有可学习的问题均可通过正则化方法学到”出发，阐述了该猜想被证伪后团队如何转向对无标签数据价值的深层追问。他将机器学习过程类比为“教师备课、学生预习、考试猜题”的教育模型，指出无标签数据虽不提供标准答案，却能帮助学习者构建对知识结构的整体理解，形成有效的“先验判断”，并进一步将这一过程形式化为二分图匹配与线性规划问题，从数学上证明了贝叶斯学习能够覆盖所有可通过示例学习的问题，而无标签数据提供的先验分布本质上构成了一种有效的正则化机制。

在问答环节，滕尚华与在场师生围绕强化学习、大模型时代的理论挑战、主动学习等议题展开了深入交流。他坦诚表示，当前理论研究远远落后于大模型的工程实践，传统正则化理论在大模型时代面临巨大挑战，但他鼓励年轻学者保持好奇、勇于探索未知——“不懂没有关系，好奇就行，这是做科研最重要的事情。”

“汇智大讲坛”由上海交通大学人工智能学院发起，聚焦“顶尖人才、顶尖成果、顶尖企业”，致力于“汇聚全球智慧、碰撞多元思想”，为教育界、学术界、产业界、投资界等领域搭建交流互鉴、合作共赢的平台，推动人工智能及其交叉领域的前沿探索与应用创新。此次滕尚华教授作为杰出校友重返母校，以两届哥德尔奖得主和睿远科技大奖获得者的双重身份做客“汇智大讲坛”，为师生带来了一场高水平理论盛宴，也为交大人工智能学科的理论建设注入了新的思想活力。