实验室在人才培养方面实行竞争与激励并举的机制，通过营造优越的软硬件环境，为实验室成员提供充分施展才智的平台。

在学生培养定位上，实验室依托首批入选的国家“基础学科拔尖学生培养计划2.0”，不断完善科教融合、科研育人的协同培养机制，构建多层次、全方位的经济学拔尖人才培养体系。培养目标面向计算经济学的学科前沿、经济发展的主战场和国家的重大需求，致力于培养既具备扎实经济学与数理基础，又掌握计算机与人工智能算法，同时具备金融与经济专业知识，并兼具社会责任感与创新精神的拔尖创新人才。

实验室多年坚持开设经济学、人工智能、金融科技等方向的暑期课程与夏令营，利用暑期开展系统性的人才培养活动。课程体系对标国际一流高校，师资力量雄厚，参与项目的教师和学生均能通过课程与讲座获得学术前沿知识与专业能力提升。

此外，依托计算经济学的学科优势，实验室着力加强国家急需和交叉复合型人才培养，注重引导学生投身国家战略需求。多名学生参与商业、工程及互联网等领域的实际项目，包括国家电网机组组合优化、数学规划求解器开发等“卡脖子”工程关键任务，以及地月工程飞行器轨迹控制算法研发等。这些实践不仅为国家重点领域紧缺人才的培养提供了有力支撑，也推动形成了具有财经特色的国家急需与交叉人才培养新高地。

目前，实验室共指导博士研究生 116 名、硕士研究生 287 名。

1.研究生培养：在深度科研合作中成长

在研究生培养方面，实验室在建设期内坚持深度科研合作模式，强调通过导师与学生的紧密协作来提升独立研究能力。

（1）代表性师生合作成果

在博弈论与机器学习领域，王晓副教授与博士生冯一展开了深入合作。他们聚焦于博弈学习动态问题，其代表性工作“Prediction Accuracy of Learning in Games: Follow-the-Regularized-Leader meets Heisenberg” 被机器学习顶会 ICML 2024 接收。该研究为理解市场中参与者的动态学习行为提供了微观基础，与实验室在 “算法机制设计” 和 “人工智能经济预测” 领域的使命紧密相关。冯一的系列研究成果已发表于 NeurIPS、AAAI、UAI、IJCAI 等其他人工智能与计算机科学顶级会议，展现了其研究工作的系统性与持续性。其优异的学术表现也获得了国际同行的认可，毕业后将赴丹麦奥胡斯大学（Aarhus University）进行博士后研究。

在机制设计理论方向，Nick Gravin教授指导博士生汪至祺取得了重要突破。其论文“On Robustness to k-wise Independence of Optimal Bayesian Mechanisms” 被理论计算机科学顶会 FOCS 2024 接收。该工作研究了经典拍卖理论中的收益最大化问题，通过放宽“竞拍人估值相互独立”这一较强的假设，为设计在更现实信息环境下的最优机制提供了坚实的理论依据。这项成果是实验室在 “算法机制设计与市场机制设计” 核心方向上的深度贡献。

贾荐豪同样在Nick Gravin教授的指导下，解决了机制设计领域的一个公开难题。他的论文“Approximation Guarantees of Median Mechanism in ℝᵈ” 被理论计算机科学顶会STOC 2025接收。该论文首次为高维空间中应用广泛的中位数机制提供了常数近似比保证，对于推动 “资源公平分配” 等子方向的理论发展具有重要意义，充分体现了实验室在基础理论人才培养上的显著成效。

同时，也是在机制设计理论方向，在2025年中国生产与运营管理(POMS)国际会议（2025 POMS International Conference in China）会议上，由博士生黄晨宇、江波教授、王震助教授及合作者合作的学术论文“Tractable Robust Mechanism Design with General Concave Objectives”荣获“最佳学生论文奖”一等奖。

在经济与计算的交叉领域，唐志皓副教授与博士生彭博的合作专注于在线算法与经济理论的结合。他们关于“Optimal Robust Contract Design” 的研究，成果发表于该领域的重要会议EC 2024。该工作为不确定环境下的经济活动提供了新的理论框架，是实验室在 “数据驱动的经济决策” 方向上的重要探索，尤其契合鲁棒优化与经济决策这一子方向。

2.本科生培养：科研实践的早期引导

重点实验室高度重视对本科生科研兴趣和能力的早期引导，为有志于学术研究的本科生提供深度参与前沿课题的机会。通过让学生在科研一线接受锻炼，实验室旨在帮助他们建立扎实的学术视野，掌握独立研究的方法，并为其未来的学术或职业生涯奠定坚实的基础。这一培养理念在学生的科研实践中取得了显著成效，涌现出一批优秀的本科生代表。

本科生唐皓玥同学便是一个典型范例。她在实验室学习期间，在伏虎副教授的悉心指导下，深度参与了关于亚马逊“Buy Box”机制的研究项目。她聚焦于平台展示设计对价格稳定性和消费者效用的影响展开分析，并作为作者之一，在国际顶级会议WWW'25上合作发表了论文“Price Stability and Improved Buyer Utility with Presentation Design: A Theoretical Study of the Amazon Buy Box”。该研究是“算法机制设计”领域中理论与现实问题相结合的优秀应用，这段宝贵的科研经历也为她毕业后前往芝加哥大学布斯商学院继续深造提供了有力的支持。

此外，在王晓副教授的指导下，本科生赵子轩同学同样取得了亮眼的研究成果。他针对现代随机优化算法的前沿领域展开探索，聚焦于融合黎曼流形的几何结构与自适应梯度方法，以应对金融工程中的非凸优化挑战。作为项目成果之一，赵子轩同学参与撰写的论文“On Perturbed Natural Adaptive Gradient Descent and its Application in Portfolio Optimization”被人工智能领域的国际知名会议欧洲人工智能会议 (ECAI) 录用。该研究提出的新算法在理论与应用层面均展现了卓越性能，是实验室在金融领域培养本科生科研创新能力的又一具体体现。

总而言之，通过为本科生提供一流的导师资源、前沿的科研平台和开放的学术环境，实验室成功地将人才培养的宗旨落到了实处，有效激发了学生的创新潜力，并助力他们在世界顶级的学术舞台上崭露头角。

3.访问学生培养

实验室致力于推动计算经济学及相关领域的研究，访问学生项目是我们对外学术交流的重要一环。我们为来自海内外高校的学生提供一个开放的研究平台，参与者包括来自北京大学、清华大学、上海交通大学、中国人民大学，以及耶鲁大学、佐治亚理工学院等院校的学生。

表6 访问学生列表

访问学生的研究兴趣广泛，集中在在线算法、算法博弈论、市场设计等前沿方向。在访问期间，学生们与实验室成员就具体学术问题进行深入的交流与合作研究。我们认为，这种双向的学术互动不仅能为来访学生提供宝贵的研究经验，也能为实验室带来新的活力与观点，从而共同促进该领域的知识创新与人才培养。

例如，在唐志皓副教授的悉心指导下，其访问学生王逸凡与合作者孙恩泽共同完成的论文“Online Stochastic Matching with Unknown Arrival Order: Beating 0.5 against the Online Optimum”于2025年被国际理论计算机科学顶会 STOC 接收发表。这项由教授与访问学生紧密合作的研究成果，在经典的在线随机匹配问题上取得了重大突破。传统算法在该问题上最好的竞争比长期被限制在0.5，而本文首次打破了这一壁垒。研究团队创新性地设计了一种新算法，其性能超越了以往所有在线算法的最优值（Online Optimum）。这一成果不仅是指导访问学生进行前沿探索的成功典范，更在理论上解决了在线算法领域的核心难题，为处理不确定性决策问题提供了更高效的理论工具，显著推动了在线随机优化算法的发展。

来自天津大学的访问学生王康在徐韧喆助理教授的指导下合作完成的论文“Heterogeneous Data Game: Characterizing the Model Competition Across Multiple Data Sources”于2025年被国际人工智能顶级会议ICML接收发表。论文提出了“异质数据博弈”框架，系统分析了多家机器学习模型提供商在多源异质数据下的竞争行为。研究发现，市场可能呈现无稳定均衡、模型趋同或模型提供商聚焦不同数据源三种典型结果；特别地，当部分数据源权重较大时，提供商更倾向于集中于这些主流数据源，从而形成差异化均衡。这些结论为平台激励机制和政策设计提供了新的理论参考。