近日，科技领域传来一则引人瞩目的消息：理论计算机科学领域的杰出青年学者陈立杰正式加盟OpenAI，将专注于数学推理方向的研究。这一消息引发了学界和业界的广泛关注。
陈立杰的学术履历堪称辉煌。1995年出生的他，自初中起便投身于信息学竞赛，迅速成为该领域的传奇人物。2011年至2013年间，他连续斩获全国信息学联赛浙江赛区冠军、全国信息学冬令营全场第一名、中国队选拔赛第一名以及国际信息学奥林匹克竞赛金牌等重量级奖项。凭借这些卓越成就，他在高三时拒绝了谷歌的实习邀请，并于同年被保送至清华大学“姚班”。
进入姚班后，陈立杰逐渐将研究重心从竞赛转向科研。本科期间，他已在AAAI、AAMAS、COLT、CCC等计算机领域顶级会议上发表多篇论文，系统性地深耕计算复杂性理论。大三下学期，他前往麻省理工学院（MIT）交流，师从著名理论计算机与量子信息学者Scott Aaronson，研究量子复杂性，并成功解决了John Watrous于2002年提出的一个开放性问题。值得一提的是，Scott Aaronson教授后来也加入了OpenAI，专注于AI安全的理论基础研究。
2017年，陈立杰在计算机科学基础年度研讨会（FOCS）上发表论文，解决了计算复杂性领域的重要问题，成为首位在FOCS上发表论文的中国本科生。同年，他从清华姚班毕业，赴MIT攻读计算机科学博士学位，师从Ryan Williams，研究方向集中于计算复杂性理论与细粒度复杂度理论。博士期间，他多次在FOCS、STOC等理论计算机顶级会议上发表论文，并荣获2019年STOC最佳学生论文奖和2019年FOCS最佳学生论文奖等重要学术荣誉。
2022年，陈立杰从MIT获得博士学位后，加入加州大学伯克利分校（UC Berkeley）Miller研究所，担任米勒博士后研究员。该职位每年仅授予少数杰出青年学者，他在伯克利期间的合作导师包括Avishay Tal以及量子计算奠基人Umesh V. Vazirani。2024年，他发表的论文《复杂性下界的逆向数学》为困扰学界近50年的一类计算复杂性难题提供了新思路，进一步巩固了他在理论计算机科学领域的地位。
2025年，陈立杰正式入职UC Berkeley电气工程与计算机科学系（EECS），担任助理教授，并成为伯克利理论计算机科学团队成员，主讲研究生课程《Computational Complexity Theory》。他的主要研究方向包括P与NP、电路复杂性、细粒度复杂性、去随机化、算法下界等理论计算机科学核心问题，并在去随机化与复杂性下界之间的联系、复杂性难度放大等方向做出了系统性贡献。他还开始将复杂性理论的方法引入量子物理与AI安全等前沿领域。
如今，随着OpenAI明确开启AI4S的探索方向，陈立杰的加入为这一领域注入了新的活力。尽管已成为学术界的明星人物，他依然保持着低调的作风，个人平台上仅分享最新的论文成果，未对加盟OpenAI一事进行过多宣传。这一举动再次印证了他对科研的纯粹热爱与专注。
