清华姚班陈立杰全职加盟OpenAI，保留伯克利教职

机器之心编辑部

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

据机器之心求证，清华大学「姚班」校友、加州大学伯克利分校（UC Berkeley）助理教授陈立杰（Lijie Chen）已正式加入 OpenAI。

知情人士透露，陈立杰此次是以全职身份加入 OpenAI 开展研究工作。与此同时，他目前在伯克利的状态为 On Leave（停薪留职），即他保留了在大学的教学职位，并未离职。

陈立杰是理论计算机科学领域的顶尖青年学者，本科毕业于清华姚班，博士毕业于麻省理工学院（MIT），在计算复杂性理论等领域拥有卓越的学术成就。

截至目前，其个人主页和 LinkedIn 页面尚未更新。

从 IOI 金牌到伯克利助理教授

陈立杰高中就读于杭州外国语学校。他在信息学竞赛（OI）领域表现突出，是当时知名的竞赛选手。

2011 年，他获得全国青少年信息学奥林匹克竞赛（NOI）金牌；2013 年，他代表中国队出征第 25 届国际信息学奥林匹克竞赛（IOI），不仅夺得金牌，更取得了全球第一名的成绩。

进入清华大学姚班后，陈立杰逐渐将重心从程序设计竞赛转向计算机科学理论研究。2016 年，他获得清华大学本科生特等奖学金。在特等奖学金答辩会上，陈立杰曾立下宏愿：「有生之年，希望能看到 P vs NP 问题被解决。

大三时期，他曾赴 MIT 进行科研交换，师从著名量子信息科学家 Scott Aaronson 教授。2017 年，作为大四本科生的他在 FOCS（IEEE 计算机科学基础年会）上发表了论文，成为首位在该顶级会议上发文的中国本科生。

该论文是他在 MIT 访问期间与 4 名博士研究生及博士后合作完成的，解决了 John Watrous 于 2002 年提出的关于「量子统计零知识证明」（QSZK）的开放性问题，引入了「量子区分复杂度」这一新概念，证明了其与 QSZK 查询复杂度的关系，解释了传统分析方法的局限性。

论文地址已省略。

本科毕业后，陈立杰赴 MIT 攻读数位博士学位，师从计算复杂性权威 Ryan Williams 教授。这一时期，他在计算复杂性、电路复杂度、伪随机性等领域取得了实质性突破，主要贡献包括：

硬度放大：他与合作者发现了一条绕过「自然证明」壁垒的潜在路径：证明某些问题在极弱的电路模型下是困难的，可以自动「放大」推导出它们在极强电路模型下也是困难的（即推导出 P ≠ NP）。严谨的是，他也提出了「局部性壁垒」，客观指出了目前技术在利用这一发现时面临的实际困难。非黑盒去随机化：他提出了一种新框架，证明在比传统要求更弱的假设下，可以去除算法中的随机性。他还证明了在特定条件下，随机性对于计算可能是「无用」的。量子霸权的理论基石：他参与证明了存在一个 Oracle，使得量子多项式时间（BQP）不包含在多项式层级（PH）中。这为量子计算机在理论上超越经典计算机提供了坚实的数学支撑。

他在博士期间多次获得理论计算机顶级会议的最佳学生论文奖，包括 STOC 2019（Danny Lewin Award）和 FOCS 2019（Machtey Award）。2024 年，他的博士论文获得 ACM 博士论文奖荣誉提名以及 MIT George M. Sprowls 最佳博士论文奖。

2024 年博士毕业后，陈立杰获得了 UC Berkeley 米勒基础科学研究所的 Miller Fellowship。这是一项面向全球杰出青年科学家的全额资助计划，历史上曾诞生过多位诺贝尔奖和菲尔兹奖得主。作为米勒研究员，他拥有完全的学术自由，在三年内专注于自己感兴趣的前沿课题。

他于 2025 年 7 月入职 UC Berkeley 电气工程与计算机科学系（EECS）担任助理教授，继续从事教学与科研工作。

相关信息来源已省略。