个人简介

曾艳，女，广东人。北京工商大学数学与统计学院讲师，硕士生导师。获得广东工业大学工学博士学位，日本理化学研究所联合培养博士，并于清华大学计算机科学与技术系从事博士后研究。

更多信息请参考个人主页：https://yanazeng.github.io/

研究兴趣

主要研究因果推断、因果强化学习、机器学习等理论与应用研究，特别是含隐变量、混合数据等复杂场景下的因果关系识别与估计问题、策略学习问题，致力于构建更可靠、可解释的智能决策系统，推动因果理论在机器人、医疗、金融等领域的实际应用。

主讲课程

本科生课程《概率论与数理统计》、《分布式并行计算》、《数据科学的概率基础》、《数理统计》、《概率论》。

学习经历

2012年9月-2016年7月，广东工业大学，应用数学学院，理学学士；

2016年9月-2021年6月，广东工业大学，计算机学院，工学博士；

2019年10月-2020年10月，日本理化学研究所，因果推断团队，联合培养博士。

工作经历

2021年7月-2023年8月，清华大学，计算机科学与技术系，博士后；

2023年9月至今，北京工商大学，数学与统计学院，讲师。

主要获奖荣誉

2024年度、2025年度北京工商大学优秀工会积极分子。

主要科研项目

主持国家自然科学基金青年科学基金项目（C类）1项、北京市自然科学基金青年项目1项，市教委科研计划科技一般项目1项、中国博士后科学基金面上项目1项，参与国家自然科学基金项目1项、国家重点研发计划子课题1项。主要有：

1. 国家自然科学基金青年科学基金项目（C类），面向复杂混合数据的因果推断理论与方法研究，2027年1月至 2029年12月，30万元，主持人。

2. 北京市自然科学基金青年项目，面向不完全观测数据的因果强化学习理论与方法研究，2026年1月至 2027年12月，20万元，主持人。              

3. 市教委科研计划科技一般项目，面向灵巧操作任务的因果强化学习方法研究，2024年01月至2026年12月，10万元，主持人。

4. 中国博士后科学基金面上项目，面向复杂任务的因果强化学习方法研究，2022年06月至2023年07月，8万元，主持人（已结题）。

5. 国家重点研发计划子课题，基于药食同源作物和微生物的活性物质和消费者端的大数据的品质判别模型构建，参与人。

5. 国家自然科学基金项目，高阶网络模体聚类算法与应用研究，2020年01月至2023年12月，61万元，参与人（已结题）。

主要学术成果

发表论文20余篇，主要有：

[1]. Yan Zeng, Zhifeng Hao*, Ruichu Cai*, et al. A causal discovery algorithm based on the prior selection of leaf nodes [J]. Neural Networks, 2020, 124: 130-145.

[2]. Yan Zeng, Zhifeng Hao*, Ruichu Cai*, Feng Xie, Libo Huang, Shohei Shimizu. Nonlinear Causal Discovery with Multiple High-Dimensional Observations [J]. IEEE Transactions on Neural Networks and Learning Systems, 2021.

[3]. Yan Zeng, Shohei Shimizu*, Ruichu Cai, Feng Xie, Michio Yamamoto, Zhifeng Hao. Causal discovery with multi-domain LiNGAM for latent factors[C]. International Joint Conferences on Artificial Intelligence (IJCAI), 2021.

[4]. Yan Zeng, Shohei Shimizu, Hidetoshi Matsui, Fuchun Sun. Causal Discovery for Linear Mixed Data [C]. Conference on Causal Learning and Reasoning. PMLR, 2022: 994-1009.

[5]. Feng Xie, Ruichu Cai*, Yan Zeng, et al. An Efficient Entropy-Based Causal Discovery Method for Linear Structural Equation Models with IID Noise Variables [J]. IEEE Transactions on Neural Networks and Learning Systems, 2019, 31(5): 1667-1680.

[6]. Takashi Ikeuchi, Mayumi Ide, Yan Zeng, Takshi Nicholas Maeda, Shohei Shimizu*. Python package for causal discovery based on LiNGAM[J]. Journal of Machine Learning Research, 2023, 24(14): 1-8.

[7]. Feng Xie, Yan Zeng, Yangbo He*, Zhengming Chen, Zhi Geng. Causal Discovery of 1-Factor Measurement Models in Linear Latent Variable Models with Arbitrary Noise Distributions[J]. Neurocomputing, 2023.

[8]. Feng Xie, Zheng Li, Peng Wu, Yan Zeng*, Chunchen Liu, and Zhi Geng. Local Causal Structure Learning in the Presence of Latent Variables [C]. International Conference on Machine Learning (ICML), Vienna, Austria, 2024.

[9]. Peng Wu, Ziyu Shen, Feng Xie, Zhongyao Wang, Chunchen Liu, and Yan Zeng*. Policy Learning for Balancing Short-Term and Long-Term Rewards [C]. International Conference on Machine Learning (ICML), Vienna, Austria, 2024.

[10]. Tianying Ji, Yongyuan Liang, Yan Zeng, Yu Luo, Guowei Xu, Jiawei Guo, Ruijie Zheng, Furong Huang, Fuchun Sun, Huazhe Xu. ACE: Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [C]. International Conference on Machine Learning (ICML), Vienna, Austria, 2024.

[11]. Feng Xie, Zhen Yao, Lin Xie, Yan Zeng*, and Zhi Geng. Identification and Estimation of the Bi-Directional MR with Some Invalid Instruments. NeurIPS 2024 (oral).

[12]. Libo Huang, Yan Zeng, Chuanguang Yang, Zhulin An, Yongjun Xu. e-Tag: Class-Incremental Learning with Hierarchical Embedding Distillation and Task-Oriented Generation. The 38th Annual AAAI Conference on Artificial Intelligence, 2024.

[13]. Yan Zeng, Ruichu Cai, Fuchun Sun*, Libo Huang, Zhifeng Hao. A Survey on Causal Reinforcement Learning [J]. IEEE Transactions on Neural Networks and Learning Systems, 2025.

[14]. Peng Wu, Haoxuan Li, Chunyuan Zheng, Yan Zeng, Jiawei Chen, Yang Liu, Ruocheng Guo and Kun Zhang. Learning Counterfactual Outcomes Under Rank Preservation[C]. NeurIPS 2025.

[15]. Zheng Li, Xichen Guo, Feng Xie, Yan Zeng, Hao Zhang and Zhi Geng. Local Learning for Covariate Selection in Nonparametric Causal Effect Estimation with Latent Variables[C]. NeurIPS 2025.

[16]. Xichen Guo, Feng Xie, Yan Zeng, Hao Zhang and Zhi Geng. Data-Driven Selection of Instrumental Variables for Additive Nonlinear, Constant Effects Models[C]. International Conference on Machine Learning, 2025.

[17]. Ruichu Cai, Siyang Huang, Jie Qiao, Wei Chen, Yan Zeng, Keli Zhang, Fuchun Sun, Yang Yu and Zhifeng Hao. Learning by doing: an online causal reinforcement learning framework with causal-aware policy[J]. Science China Information Sciences, 2026, 69(2): 122104.

[18] Zeyu Liu, Zheng Li, Feng Xie*, Yan Zeng*, Hao Zhang, Kun Zhang. Local Covariate Selection for Average Causal Effect Estimation without Pretreatment and Causal Sufficiency Assumptions. International Conference on Machine Learning (ICML), Seoul, South Korea, 2026.

[19] Xichen Guo, Zheng Li, Biwei Huang, Yan Zeng, Zhi Geng, Feng Xie*. Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models. Journal of Machine Learning Research (JMLR), 2026.