近日，2026年国家自然科学基金集中接收申请项目评审结果正式公布。我院共计获批立项项目7项，其中面上项目5项，青年科学基金项目2项，总资助金额310万元。

项目介绍

1.方发明：复杂低空环境下感知增强驱动的无人机视觉语言导航方法研究

本项目聚焦无人机视觉语言导航技术研究，针对复杂低空环境下视觉观测退化、多模态信息表征差异大、导航决策稳定性不足等关键问题，突破现有理想观测条件下的被动感知范式，提出以感知增强为核心的主动式导航决策框架。研究成果有望显著提升无人机在复杂低空场景的自主感知与决策能力，为低空智能装备的自主运行提供创新的方法支撑与技术路径，在低空经济、智慧城市巡检等场景中具有广泛应用潜力。

2.谭鑫：异构表征下海量三维场景的部件级动态交互机制研究

构建高保真、可扩展且可交互的虚拟环境，并通过Sim2Real路径实现大规模闭环演练，是突破具身智能数据瓶颈的关键。 现有三维场景构建面临异构表征难以兼容、静态重建难以交互的困境， 本项目提出面向异构三维数据的统一可计算表征关联映射方法，突破稀疏视角下的场景高保真补全与海量语义扩展技术，实现从静态观测到可交互部件的转变，最终搭建具身长程任务Sim2Real闭环验证原型系统。

3.吴雯：面向教育场域隐性风险的大模型内生安全加固机制研究

大模型正加速进入教育教学场景，并逐步从工具型应用走向长期陪伴与深度交互，但长程交互中潜在的价值观侵蚀、风险累积和防御失效等问题，也对教育大模型的安全应用提出新的挑战。本项目面向教育大模型内生安全，围绕“风险发现—动态治理—能力内化”主线，研究长程交互风险的主动发现与持续治理方法，推动安全规则由外部约束向模型内在能力转化。项目旨在突破传统外挂式防御的被动局限，在保持教学交互柔性和个性化能力的同时，提升大模型长期交互中的安全性、稳定性与正向价值引导能力，为可信赖的“数字良师”提供理论与技术支撑。

4.吴苑斌：预训练模型新型词表架构研究

大规模预训练模型是当前人工智能领域的代表性技术。现有预训练模型在运行机理、应用可控性方面仍面临诸多挑战。预训练词表作为连接原始数据与模型表示空间的关键接口，其设计直接影响模型的表达能力、泛化性能和应用边界。本项目将围绕预训练模型词表架构展开，探索新一代面向通用任务预训练模型架构。

5.谢源：Any-to-Any多模态大模型持续学习理论与方法

Any-to-Any多模态大模型是推动人工智能由单一感知走向通用智能的重要技术路径，但其在动态环境中的持续学习容易引发参数冲突、能力退化等问题。本项目围绕多模态持续学习评测与遗忘机理、持续微调中的知识保持，指令跟随与跨模态对齐等关键问题，研究高效、鲁棒的持续学习理论与方法。本项目将丰富多模态大模型持续学习的理论基础与技术体系，提升模型在动态开放环境中的知识积累、迁移和持续适应能力，为智能制造、工业视觉等领域提供可持续演进的多模态智能解决方案。

6.李铁英：面向熵差异的跨模态检索关键技术研究

本项目聚焦面向信息熵差异的图像-文本跨模态检索研究，针对现有方法忽视模态间信息结构差异所导致的冗余特征稀释核心语义、双向映射目标不匹配及高熵干扰样本排序虚高等关键问题，引入检索充分熵刻画核心语义与冗余信息，提出熵引导的特征筛选、非对称映射优化与熵感知排序方法。研究成果有望提升复杂场景下跨模态检索的准确性与鲁棒性，为多模态智能检索提供新的理论视角与技术支撑。

7.施晓明：耦合矩阵低秩分解与结构稀疏感知的医疗大模型加速机制研究

根据国家“十五五”规划及《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》关于“建设100个专病专科垂直大模型”的战略目标，医疗大模型已成为工业界与学术界的研究重心。然而，医疗大模型的训练面临极高的资源壁垒，其算力需求随参数规模的扩张与海量数据的增长呈指数级上升。为破解高算力制约瓶颈，本项目拟聚焦大模型核心生命周期（监督微调、价值对齐、量化压缩），开展算法深度优化。针对上述阶段，本项目创新性地提出：基于矩阵分块Hadamard乘积的高效微调方法、基于动态几何感知的高效强化学习方法，以及基于自适应分块量化的量化压缩方法，旨在训练效率、算力成本与模型性能之间构建帕累托最优平衡。

热烈祝贺本次获得国家自然科学基金资助的各位老师！成绩的背后，是老师们深耕基础研究、潜心科研攻关的不懈努力。

计算机学院将继续厚植科研沃土，支持教师开展前沿探索，促进基础研究与行业应用紧密结合，奋力推动学院科研工作再上新台阶。