实验室参考文档

• 1. 本组情况简介
• 2. 通用规范
• 3. 关于博士生
• 4. 关于硕士生
• 5. 关于本科生
• 6. 关于论文

1. 本组情况简介

1.1 关于我

滕佳烨，上海财经大学统计与数据科学学院助理教授 (tenure-track assistant professor)。他博士就读于清华大学交叉信息研究院，师从袁洋教授。他曾在普林斯顿大学访问，师从Sanjeev Arora。他在人工智能顶级会议上发表十余篇论文，曾获上海市 2024 “科技创新行动计划” 启明星培育（扬帆专项）、CCF理论计算机科学博士学位论文激励计划（提名）、清华大学优秀毕业生等荣誉。他是人工智能研讨班FAI-Seminar (www.fai-seminar.ac.cn) 的筹办人，也是FAIC人工智能基础大会（www.faic.cc）的主办人。他的主要研究方向是理论机器学习，包括神经网络的泛化理论、共形预测、因果推断等。个人主页：www.tengjiaye.com。联系方式 tengjiaye[at]sufe.edu.cn

目前组内仅保留并重点投入以下两个研究方向，也是我现阶段最关心的两个方向：

a. 泛化理论，主要研究神经网络与机器学习算法的泛化机制，包括但不限于算法稳定性在非凸优化中的使用、特殊模型结构的隐式正则、训练轨迹对泛化理论的影响，以及模型结构、数据格式与算法之间的相互作用。该方向只接受明确计划未来攻读博士学位的同学选择，无论未来是否在本组读博。

b. Agent搭建，重点开展 AutoResearch 和 AutoSTAT 的系统搭建与研究，包括科研任务规划、工具调用、代码执行、实验迭代、统计分析、结果验证、长期状态管理与自动纠错等。该方向既关注系统是否能够实际运行，也关注其中可形成研究问题的方法与机制。

1.2 每年招生情况

实验室每年计划招收博士生（预计1-2人）、硕士生（预计4-6人）、以及科研助理 (RA) 若干。建议博士申请人提前与我联系以更全面地了解本组是否符合你的要求。

a. 博士生名额。本组目前原则上只接受直博/硕博生（5年制）。有意申请者需在本科三年级时参加上海财经大学统计与数据科学学院的夏令营并获得推荐免试资格 (7月，外校)，或获得上财的推免资格 (9月，本校)。申请本组博士名额者需要组内至少一个月的科研助理经历，你可以在夏令营前或夏令营后和我联系（建议在5月前）。需要至少一个月科研助理经历的原因是：你需要在入组期间 (1) 评估自己是否对我们的科研方向感兴趣；(2) 与在读的博士生和硕士生交流，获取更多内部信息；(3) 更全面地了解我是否适合作为你的导师。

b. 硕士生名额。对于有意申请硕士生名额的同学，建议先联系组里已入组的学长学姐。

c. 科研助理的职责是参与科研项目合作。远程与线下均可。根据你的兴趣和背景，我会提供 (1) 相关的学习资料以入门；(2) 加入现有课题组，和团队成员共同工作；(3) 分配一个研究课题，让你独立开展研究工作。

1.3 如何申请进组

请首先发送邮件至我的邮箱（主题：博/硕士生资格申请/RA入组申请_你的姓名）并附上个人简历，同时说明你希望申请的研究方向。当前可选择的方向仅包括“泛化问题（理论方向）”和“Agent方向”。Agent 方向的申请人第一次联系我时，必须同时附上已完成的Agent 入组考核题及相应提交材料；未附考核材料的邮件不予回复。材料完整的情况下，我最晚会在一周内联系你。

a. 如果我觉得你的方向、背景不太符合组内情况，我会及时邮件告知并附上原因。

b. Agent方向的申请人须在首次申请邮件中提交完整的Agent 入组考核题材料。考核重点是能否独立搭建一个可运行、可复现、可解释的 Agent 系统，而不是只提交由大模型生成但自己无法说明的代码。未完成考核题或提交材料不完整的申请，不进入后续筛选。

c. 理论方向的申请人，需要在邮件中明确说明自己未来有攻读博士学位的计划，无论是否计划在本组读博。需要在发邮件前先阅读机器学习简明手册及我的B站视频（高维概率系列、泛化系列，B站@滕佳烨）。

d. 材料提交后，我会与你安排一次讨论。讨论内容包括考核实现、研究兴趣、时间投入和后续项目安排，之后双方再决定是否加入实验室。

e. 所有入组均默认为科研助理身份，若有意未来在本组读博/读硕，请在邮件里写明。

f. 博士生/硕士生以科研助理身份入组时，需邮件抄送当前导师。本科生无此要求。

1.4 有没有组会/讨论班

a. 每周一次讨论班，每次由一名同学进行学术分享（一般是汇报一篇/一系列相同主题的paper）。

b. 同时，博士生每周会有一小时的一对一讨论。

1.5 你说的都是真的吗

作为一个老师，我的视角是有偏差的。欢迎你来联系我组里的同学询问组内真实的情况。本文档的最后我会列出所有学生（正式硕博生或一学期以上的科研助理）的姓名和邮箱，你可以向他们发送邮件询问更多信息。

2. 通用规范

2.1 绝对不能接受的行为

a. 组内的科研信息（包括但不限于未发表的学术工作、他人的学术想法等）严禁外泄，一经发现立刻开除出组

b. 抄袭、洗稿等学术不端行为，一经发现立刻开除出组

2.2 是否可以吐槽老师

当然可以。发朋友圈、B站、知乎等公开平台都行。但我会希望你能先匿名告诉我原因，我可能会改的 :)

2.3 那公开场合不能说什么

严禁发表任何政治相关内容。一次警告，两次严重警告，三次开除出组。

2.4 关于工作时间

a. 实验室的工作时间是工作日 9:00-17:00

b. 对所有博士生/硕士生/本科生，在符合学院规定的情况下，不限制是否来实验室（无论是否是工作时间）。但希望大家还是有空能来转一转，交流交流说不定有新的想法 :)

c. 工作时间内，我会及时接收邮件/工作信息/组内交流等。同时，学生有义务在工作时间内及时回复组内消息（包括我的消息）。多次不回复者将被警告、情节严重的将会开除出组。

d. 工作时间外，非紧急工作（比如文件签字等）我不会回复，我也不会在这个期间找你（找你你也可以不理我）。我需要一些独立思考的空间时间，我相信你也一样。

2.5 关于请假

在学院允许的范围内，在工作时间内，a. 省内活动只需要和我报备即可，无需我的回复；b. 省外活动需提前向我说明，并等一下我的回复。

2.6 关于假期

在法定假期外，每位博士生/硕士生每年有四周的无条件假期，可自行分配假期时间。假期内可不参加组会、不参加讨论、不回复组内消息（紧急特殊情况除外）。

3. 关于博士生

3.1 培养方案

大四保研/申博之后，需要开始学习领域内的经典教材（组内有相关的学习材料）。

大四保研/申博之后，可以自行选择是否入组参与项目（非强制，但建议）。

博一，希望你能展现出独自解题的能力。组内（我或高年级博士）会提供idea，希望你解答后能够撰写出第一篇论文（不一定需要成功发表）。

博二，希望你能够展现出对某一个领域的深刻洞察。需要你能够完整梳理出一个小领域的脉络，并能够大概了解整个领域的动向。希望这一年你能够自主提出有效的idea，并亲自实现这个idea。

博三，希望你能够展现出带学生的能力。需要你能够提出一个idea，并成功带组内的学弟学妹撰写一篇论文。

博四，如果你成功向我展现了前文所述的能力，我推荐你去国内外其他学校访问交流。

博五，准备毕业论文，加油找工作。给学弟学妹传授经验。

3.2 博士生毕业标准

如上文所述，我认为一个合格的博士生应该至少具有三个能力。第一，能够完整完成一篇论文。第二，能够对某个领域有足够的洞察，提出有趣的idea。第三，有能力带其他学弟学妹完成科研。这通常需要2-3篇论文实现。

3.3 发文要求

根据组里的主要研究方向，可以直投的列表包括 ICLR, ICML, NeurIPS, JMLR, PNAS, JASA, AoS, T-PAMI。如要在列表外投稿，需要通过我批准。为保护组内学术声誉，部分期刊/会议严禁投稿。

3.4 关于组间合作

本组支持组间合作，但任何情况请提前向我报备。

如果是你的想法，希望找组外同学帮忙跑实验/推引理等，请合作之前和对方确定好署名顺序。

如果是他人的想法，你希望去帮忙跑实验/推引理等，请尽量不要耽误组内科研进展。

如果我参与了项目过程中的讨论，需要挂我的名字。如果我没有参与讨论，无需挂我的名字。

3.5 是否能实习

我希望博士生在前三年都能够专心科研，在博四后可以选择业界还是学界。

a. 博一至博三，如果希望实习需要满足 (1) 大公司相关科研岗，(2) 获得我的批准。

b. 博四至博五，如果希望实习只需让我批准，且我的批准标准将会降低（但需达到博士毕业基本要求）。

3.6 是否限制科研方向

组内现阶段只围绕“泛化问题（理论方向）”和“Agent方向”开展研究。泛化问题方向只适合明确计划未来攻读博士学位的同学；Agent方向主要围绕 AutoResearch 和 AutoSTAT 展开。博士生在入学初期原则上应从这两个方向中选择课题，以保证我能够提供足够的指导。后续如果你已经具备独立研究能力，可以再讨论是否拓展新的方向。

3.7 一对一讨论

作为老师，我的义务是每周安排每个博士生进行一小时的一对一讨论。

3.8 会延毕吗

作为老师，我有义务提供足够多的支持来尽量保证你按时毕业。但我也是第一次当老师，我没有办法完全排除由于科研成果达不到/没有找到好工作等原因而需要延毕的可能。

4. 关于硕士生

4.1 培养方案

在联系我时，可以选择未来希望科研还是就业。

a. 选择科研，则参考博士生前两年的培养方案。

b. 选择就业，请参考下方的培养方案。

4.2 是否可以实习

当然可以，需要 (1) 符合学院标准 (2) 提前向我报备。

4.3 是否可以做科研发论文

当然可以，但选择科研的风险一定会比选择就业的更大。

4.4 毕业标准

以学院毕业标准为主。

4.5 还有想说的

本组对硕士毕业论文要求较严格，如果不希望在毕业论文上花费较长时间请*不要*入组。如果最后毕业论文不达到组内要求我一定不会在论文上签字。当然，随时可以转组以确保自己顺利毕业。

5. 关于本科生

5.1 培养方案

在联系我后，我会视你的客观情况和你的意愿让你加入不同的项目组，甚至让你领导一些简单的项目。

5.2 如何申请入组

请给我发邮件，附上自己的基本情况、个人简历和希望申请的研究方向。我会在三个工作日内给出回复。如果没有收到回复，请再次联系我。自2026年起，本科生通过简历筛选后，需完成本科生/硕士生 Agent 入组考核题，考核通过后再安排讨论。

5.3 入组基本流程

在通过简历筛选后，你需要在规定时间内独立完成 Agent 入组考核题，并提交可运行代码、说明文档、运行记录和演示材料。我会根据系统完成度、代码理解、实验与错误分析以及现场讨论情况进行综合判断。通过考核后，我会根据你的研究兴趣和客观情况安排进入泛化问题或 Agent 项目组。申请泛化问题方向的同学还需明确未来攻读博士学位的计划，并补充完成一份理论 survey。

5.4 入组后要参加组会吗？

需要 :)

5.5 入组后会很忙吗

It depends。如果你以组员的身份加入了某个项目组，这取决于该项目组的学长学姐。如果你是某个项目的leader，如果idea是你自己出的，我不会要求任何进度。如果idea是其他人的，我会适时观测进度。

5.6 什么样的本科生适合加入本组

本组目前适合两类本科生：第一类是对机器学习理论和泛化问题有持续兴趣，并且明确计划未来攻读博士学位的同学；第二类是对 Agent 系统搭建有兴趣，愿意围绕 AutoResearch 或 AutoSTAT 持续开发、测试和研究的同学。无论选择哪个方向，都需要具备基本的编程能力，并能够独立阅读材料、定位问题和说明自己的实现。科研本身具有较高不确定性，本组无法保证本科期间一定有论文产出，但会尽量保证参与的项目能够形成明确结果。

5.7 入组有什么好处

如果入组的同学需要，我都会写推荐信。但我的推荐信会反应你在组内的真实科研状况（我觉得这是对在组内认真工作的同学的尊重）。我写好推荐信后会给你看，并由你决定是否需要我的推荐信。在组内表现良好的同学，我会按照你的意愿尽力推荐你去海内外高校继续读书。

6. 关于论文

6.1 论文越多越好？

本组对论文的数量要求不高。在大四/博一/博二期间，可以选择小水几篇达到基本的毕业标准。当达到基本毕业标准后，请不要再水了！！！

6.2 什么是（我心中）好的论文

一篇好的论文应满足 (1) 有insights，能够带给领域内的人一定新的思考， (2) 对于理论paper，应该能够对现实的现象进行解释 / 能够启发新的算法 / 反驳了一个领域内的人的共识 (3) 写作不需要华丽，但需要有逻辑且严谨

6.3 我不喜欢什么样的论文

（仅个人观点）(1) 没有任何相关性的A+B。注意，A+B并不一定是坏的paper，部分paper通过将一个领域的技术A迁移到另一个领域B从而解决了领域B里重要的问题，这是很好的paper。好与坏的本质在于想要解决的问题是否是领域内大家真正关心的问题。如何知道大家是否关心？请多去和他人交流。(2) 纯炫技paper。我们毕竟是理论机器学习，还是要和现实情况有一些联系。单纯的炫技paper我个人不太喜欢。(3) overclaim自己的贡献。

6.4 论文中稿/拒稿？

由于审稿人的随机性，论文的中稿是一个很玄学的过程。我所能做的就是用我的经验来提升大家的中稿率。拒稿是科研的常态，请不要因为这件事有任何心理压力。只要你的论文通过了我的审核，我便认为这是一篇合格的论文。一般来说recycle几次之后都能中的~

7. 组内人员名单

8. Publications and Preprints

• Questioning the Coverage-Length Metric in Conformal Prediction: When Shorter Intervals Are Not Better [arxiv]
  Yizhou Min, Yizhou Lu, Lanqi Li, Zhen Zhang, Jiaye Teng†
  International Conference on Machine Learning (ICML) 2026
  

• Theoretical Analysis of Sparse Optimization with Reparameterization, Weight Decay, and Adaptive Learning Rate
  Huangyu Xu, Jingqin Yang, Qianqian Xu, Jiaye Teng†
  International Conference on Machine Learning (ICML) 2026
  

• Theoretical Modeling of Large Language Model Self-Improvement Training Dynamics Through Solver-Verifier Gap [arxiv]
  Yifan Sun, Yushan Liang, Zhen Zhang, Xin Liu, Jiaye Teng†
  International Conference on Learning Representations (ICLR) 2026
  

• Accelerating Feature Conformal Prediction via Taylor Approximation
  Zihao Tang, Boyuan Wang, Chuan Wen, Jiaye Teng†
  Conference on Neural Information Processing Systems (NeurIPS) 2025
  

• Minimax Optimal Two-Stage Algorithm For Moment Estimation Under Covariate Shift [arxiv]
  Zhen Zhang, Xin Liu, Shaoli Wang, Jiaye Teng†
  International Conference on Learning Representations (ICLR) 2025
  

• Smoothing-Based Conformal Prediction for Balancing Efficiency and Interpretability [arxiv]
  Mingyi Zheng, Hongyu Jiang, Yizhou Lu, Jiaye Teng†
  Preprints
  

• Disentangling Feature Structure: A Mathematically Provable Two-Stage Training Dynamics in Transformers [arxiv]
  Zixuan Gong, Jiaye Teng, Yong Liu
  Preprints