金加顺，bw·西汉姆联首席教授，必威betway西汉姆院长，博士生导师。2003年毕业于斯坦福大学，获得统计学博士学位。专注于大数据统计推断研究，尤其擅长处理信号稀疏且微弱（Rare and Weak）的极端挑战性场景。

金教授早期研究聚焦于大规模多重检验问题，致力于发展（Tukey提出的）高阶批评法（Higher Criticism, HC）及实用的错误发现率（Palse Discovery Rate, FDR）控制方法。他将HC方法拓展为一套系统性工具，精确刻画稀疏弱信号相变规律（Phase transition）（见图1左），并成功应用于遗传学、基因组学、宇宙学及天文学领域的关键问题，包括癌症分类、癌症聚类分析，以及宇宙微波背景辐射（Cosmic Microwave Background, CMB）中的非高斯信号检测。

近期，他转向复杂图结构、社交网络、稀疏主成分分析及随机矩阵理论研究，相继提出多项开创性方法：面向高维变量选择的图元筛选法（Graphlet Screening, GS）、用于降维与高维聚类的隐因子主成分分析（IF-PCA），以及网络社群检测的谱聚类评分法（SCORE）。

金教授还带领团队系统收集整理了统计学者的合作网络与引文网络数据集——MADStat数据集，该数据集涵盖了1975-2015年间发表在36个统计杂志上的83331篇论文文本和引用数据，是第一个关于统计学论文的大型多属性高质量现代数据集，为统计和机器学习等领域提供了有价值的数据资源。基于MADStat数据集，团队设计了现在广为人知的统计三角形（见图1右），完美的印证了非负矩阵谱空间的单纯形结构。

图1 稀疏弱信号相变（左） 统计三角形（右）

1. 2020 年获得国际华人数学家大会（ICCM）杰出论文奖（Distinguished Paper Award）

2. 2019年当选美国统计学会会士（ASA Fellow）

3. 2016 年受邀做国际数理统计学会应用统计年鉴讲座（IMS AOAS Lecture）

4. 2015 年受邀做国际数理统计学会奖章讲座（IMS Medallion Lecture）

5. 2011 年当选国际数理统计学会（IMS）会士

6. 2009 年获得国际数理统计学会（IMS）Tweedie 奖

7. 2007 年获得美国国家科学基金会（NSF）CAREER 奖

（一）Some Recent Papers about AI:

1. Gao, T., Jin, J., Ke, Z. T., & Moryoussef, G.(2025+). A Comparison of DeepSeek and Other LLMs. arXiv preprint arXiv:2502.03688.

2. Jin, J., Ke, Z. T., Sui, B, & Wang, Z.(2025+). Counting Cycles with AI.

3. Gao, T., Jin, J., Ke, Z. T., & Moryoussef, G.(2025+). When Machines writes: Statistics Approaches to AI Text Detection.

（二）Select Recent Papers:

1. Jin, J., Ke, Z. T., Luo, S., & Ma, Y. (2024). Optimal network pairwise comparison. Journal of the American Statistical Association, 1-15.

2. Jin, J., Ke, Z. T., & Luo, S. (2024). Mixed membership estimation for social networks. Journal of Econometrics, 239(2), 105369.

3. Zhang, H., Liu, M., Jin, J., & Wu, Z. (2023). Signal-noise ratio of genetic associations and statistical power of SNP-set tests. The Annals of Applied Statistics, 17(3), 2410-2431.

4. Jin, J., Ke, Z. T., Luo, S., & Wang, M. (2023). Optimal estimation of the number of network communities. Journal of the American Statistical Association, 118(543), 2101-2116.

5. Ji, P., Jin, J., Ke, Z. T., & Li, W. (2022). Co-citation and co-authorship networks of statisticians. Journal of Business & Economic Statistics, 40(2), 469-485.

6. Jin, J., Ke, Z. T., & Luo, S. (2021). Optimal adaptivity of signed-polygon statistics for network testing. The Annals of Statistics, 49(6), 3408-3433.

7. Jin, J., Ke, Z. T., & Wang, W. (2017). Phase transitions for high dimensional clustering and related problems. The Annals of Statistics,45(5): 2151-2189.

8. Jin, J., & Wang, W. (2016). Influential features PCA for high dimensional clustering. Annals of Statistics,44(6): 2323-2359.

9. Ji, P., & Jin, J. (2016). Coauthorship and citation networks for statisticians. The Annals of Statistics,10(4): 1779-1812.