近日，2024年国家自然科学基金集中接收申请项目评审结果公布，我院共获批立项项目8项。其中，面上项目7项，青年科学基金项目1项，立项金额总计379万元。

项目介绍

1. 赵静：基于不确定性估计的可靠多视图融合判别研究

由于现实场景中不同视图信息的不平衡性，多视图学习方法仍然面临融合后性能退化和模型过度自信等可靠性问题。项目研究基于不确定性估计的可靠多视图融合判别方法并进行实例化应用，为多视图学习提供更精确和较全面的不确定性建模方法以及可靠的多视图融合判别框架，也将为人工智能在多源数据融合中的应用提供共性技术与应用示范。

2. 张志忠：面向提示学习的跨模态大模型持续微调方法研究

大模型在提示微调过程中会产生“灾难性遗忘”现象，不仅对已有概念发生遗忘和混淆，其零样本能力也将快速坍塌。项目研究面向提示学习的图文大模型持续微调方法，以构建大模型通用高效抗遗忘微调方法为目标，突破提示空间遗忘建模、持续微调固化等技术瓶颈，针对图文大模型在智能制造中的感知、识别与溯源应用挑战，构建融合领域知识的持续微调增强模型，为提示持续学习理论提供关键支撑。

3. 钱鸿：面向绿色需求的稳健零阶优化理论与方法研究

零阶优化在被使用时对资源有一定要求，当资源受限时存在优化算法绿色性与稳健性的矛盾。本项目面向绿色、普惠需求，从数据、评估、计算资源角度，拟提出相应的理论与方法，缓解其稳健性不强的瓶颈，从而进一步降低零阶优化的应用门槛。

4. 陈琴：面向学习者情绪评估和疏导的情感对话增强技术研究

尽管近期以大语言模型为代表的对话技术取得了突破性进展，在情感对话这个与人的心理活动密切相关的领域，仍然面临着主动交互机制缺乏、心理理论引导不足、评测和持续优化难等挑战性问题。项目将针对这些问题，聚焦面向学习者情绪评估和疏导的情感对话增强技术研究，立足通过心理理论引导实现情感对话难点技术突破，助力实现更具人性和温度的智能教育。

5. 贺樑：基于多智能体仿真沙盒的人机协同教学技术研究

项目基于大模型的多智能体系统搭建交互式的沙盒环境，为面向高阶思维能力培养的人机协同教学技术研究提供无风险的试验场，让学生、教师、教研员可以通过类似“兵器推演”的方式探究更合适的学习方式与更好的教学方法。本项目重点研究：（1）面向协同知识建构的多角色智能体拟人化技术研究；（2）多学习共同体间的交互机制研究；（3）智能体的高阶思维能力增强与动态演化机制研究。

6. 江波：对话式导学中面向知识建构的有效对话生成机制研究

项目针对当前大语言模型在对话式导学场景中存在的诊断归因缺失、教学策略单一、对话内容有误的问题，开展面向知识建构的有效对话生成机制研究。解构师生对话影响知识建构的路径， 构建诊断归因和教学策略双驱动的有效对话生成技术路线，并在中小学开展大规模实证研究。项目期望揭示一对一辅导中师生对话影响知识建构的机制，提出诊断归因与教学策略双驱动的有效对话生成的新技术，研发可信好用的智能助教。

7. 王晓玲：面向中医传承的中医教育大模型关键技术

针对中医诊疗思维的复杂性、中医数据的异质性等挑战，项目拟研究基于中医“辨证论治”诊疗过程的建模理论、“望闻问切”多模态中医知识的表征学习、面向中医传承的中医教育大模型，旨在为中医认知思想的传承提供新的支撑工具。此外，项目计划实现一个中医传承创新平台原型系统，探索具有自主知识产权的核心技术和系统平台，辅助中医理论的学习和中医思维的训练。通过评估相关理论和技术的效果和开展示范应用，推动中医的传承创新与发展。

8. 刘旦麟：多尺度视角下蛋白质作用位点语言模型及其可解释性研究

近年来，人工智能技术在蛋白质相互作用位点预测方面虽有进展，但在预测精度、结合位点的生物学特性及形成机制解析等方面存在局限。主要原因包括：缺乏蛋白质的多尺度研究、难以处理位点的多样性和差异、以及模型可解释性不足。本研究通过整合多尺度特征、多任务学习和增强模型解释性，提出创新方案。利用图神经网络和自注意力机制，融合多种蛋白质特征，构建适应多种类型相互作用位点的预测模型。同时，引入物理化学原理，以提高模型的预测准确性和解释力。