刘为

最新消息

• 09.11 新预印本：A sequential smoothing majorant stochastic approximation method for nonconvex nonconcave minimax problems。
• 06.27 获香港研究资助局（RGC）GRF 项目资助：Oracle complexity bounds of first-order methods for nonsmooth optimization with nonconvex function constraints。
• 03.14 论文被 Transactions on Machine Learning Research 接收：“LoDAdaC: a unified local training-based decentralized framework with Adam-type updates and compressed communication”。
• 01.26 论文被 SIAM Journal on Optimization 接收：A SPIDER-type stochastic subgradient method for expectation-constrained nonconvex nonsmooth optimization。
• 01.06 论文发表于 Mathematical Programming Computation：Damped proximal augmented Lagrangian method for weakly-convex problems with convex constraints。
• 07.09 论文被 Transactions on Machine Learning Research 接收：Compressed decentralized momentum stochastic gradient methods for nonconvex optimization。

关于我

我于2017年在浙江大学数学系获得学士学位，同年9月进入中国科学院数学与系统科学研究院计算数学与科学/工程计算研究所攻读硕士学位，导师为刘歆教授，并于2019年8月转为博士候选人。2019年8月至2021年8月，在陈小君教授支持下访问香港理工大学。2022年6月获得计算数学博士学位。

2022年至2025年，我在伦斯勒理工学院担任博士后研究员，与徐扬扬教授合作。随后加入香港理工大学应用数学系，担任研究助理教授。于2027年加入武汉大学，任研究员及准聘副教授。

研究兴趣

我的研究聚焦于非线性优化问题的（随机）一阶方法的设计与分析，致力于开发简单而高效的算法。核心思路是通过精确惩罚、光滑化与凸化，将复杂问题转化为更易处理的问题，从而利用成熟的算法框架，建立理论保证并取得良好的实际表现。

• 大规模优化的一阶方法。
• 面向统计数据分析与机器学习的随机模型和方法。
• 复杂度分析：迭代复杂度、预言机（oracle）复杂度与计算复杂度。
• 人工智能与机器学习中的应用，包括公平性、深度神经网络、分布式鲁棒优化、去中心化分布式学习、半监督学习、双层优化、极小极大问题与大语言模型。

研究总结（英文）

精选论文

• Wei Liu and Yangyang Xu. A SPIDER-type stochastic subgradient method for expectation-constrained nonconvex nonsmooth optimization. SIAM Journal on Optimization, 2026. [arXiv] [Code]
• Wei Liu, Muhammad Khan, Gabriel Mancino-Ball, and Yangyang Xu. A stochastic smoothing framework for nonconvex-nonconcave min-expectation-max problems with applications to Wasserstein distributionally robust optimization. [arXiv]
• Hari Dahal, Wei Liu, and Yangyang Xu. Damped proximal augmented Lagrangian method for weakly-convex problems with convex constraints. Mathematical Programming Computation, 2026. [arXiv] [MPC]
• Wei Liu, Qihang Lin, and Yangyang Xu. First-order methods for affinely constrained composite non-convex non-smooth problems: Lower complexity bound and near-optimal methods. [arXiv] [Related MOR paper]
• Wei Liu, Xin Liu, and Xiaojun Chen. An inexact augmented Lagrangian algorithm for training leaky ReLU neural network with group sparsity. Journal of Machine Learning Research, 2023. [arXiv] [Code] [JMLR]
• Wei Liu, Xin Liu, and Xiaojun Chen. Linearly-constrained nonsmooth optimization for training autoencoders. SIAM Journal on Optimization, 2022. [arXiv] [Code] [SIOPT]

全部论文与预印本 →

教育背景

• 2017–2022 · 中国科学院数学与系统科学研究院计算数学与科学/工程计算研究所。
  计算数学博士，导师：刘歆教授。
• 2013–2017 · 浙江大学竺可桢学院求是数学班，数学学士。

工作与访问经历

• 2019年8月–2021年8月 · 香港理工大学，研究助理，合作导师：陈小君教授。
• 2023年5月 · 布朗大学，研讨会访问学者。
• 2022年8月–2025年8月 · 伦斯勒理工学院，博士后研究员，合作导师：徐扬扬教授。

获奖情况

• 2026年 · 入选国家高层次青年人才计划。
• 2022年 · 中国科学院院长奖学金。
• 2017年 · 浙江大学优秀毕业生一等奖。
• 2014–2016年 · 基础学科拔尖学生奖学金一等奖（三次）。

技能

• 编程语言：MATLAB、C、Python。
• 语言能力：中文（母语）、英文（专业工作水平）。
• 专业知识：非光滑分析、凸优化、机器学习、优化中的一阶方法。

期刊审稿

1. Mathematics of Operations Research
2. Mathematical Programming Computation
3. Computational Optimization and Applications
4. Journal of Machine Learning Research
5. SCIENCE CHINA Mathematics
6. IEEE Transactions on Cybernetics
7. Journal of Computational Mathematics
8. Journal of Scientific Computing