实验室可信人工智能方向工作“Distilling the Essence, Discarding the Dross: Improving Fairness in Multimodal Large Language Models via Historical Reflection-Guided Prompt Optimization”被CCF A类会议Annual Meeting of the Association for Computational Linguistics（ACL）接收为Findings论文。该论文第一作者为吉林大学副教授胡俊成，通讯作者为吉林大学助理研究员李莹姬，其他合作者包括吉林大学24级博士生于济铭、助理研究员吕克敌和宋瑞，以及南开大学教授刘哲理。该论文提出了一种面向黑盒多模态大语言模型的去偏框架HRPO，通过引入历史对比信息引导的自我反思机制，在提示优化过程中实现有效经验的保留与冗余探索的抑制，从而自动生成更具公平性的去偏提示，显著降低模型输出中的刻板偏见，并提升整体优化效率。 研究背景多模态大语言模型（MLLM）中的社会偏见问题正日益凸显。基于提示的方法为偏见缓解提供了一种轻量级路径，但现有方法高度依赖人工设计的提示，其鲁棒性不足、情境依赖性强，且难以在跨任务、跨偏见类型及多模态场景中实现有效泛化。 为此，本文提出一种基于历史反思引导的提示优化自适应去偏框架（HRPO），旨在缓解黑盒MLLM输出中的公平性风险。受自动提示优化研究的启发，HRPO充分利用大模型的推理与生成能力，以自适应方式迭代优化提示，从而增强去偏效果并减少偏见决策与歧视性内容的产生。针对提示优化过程中普遍存在的“遗忘”问题，即有效历史提示被忽略而低效路径被反复探索，本文进一步引入历史对比信息引导的自我反思机制（HCSR）。该机制通过向模型提供提示优化的历史轨迹，引导其对正负历史链进行对比性反思，从而激活历史记忆，并利用过往有效提示引导后续优化方向。该过程显著提升了提示优化的收敛效率与整体性能。 具体而言，HRPO采用一种迭代式优化范式，由四个核心模块构成：历史记忆构建、历史对比式自我反思、提示生成与提示选择。首先，历史记忆构建模块对当前迭代中的任务提示进行评估，并记录其偏见得分，从而形成用于后续优化的对比历史链。随后，历史对比信息引导的自我反思模块指导MLLM在综合分析偏见示例与历史对比链的基础上，识别当前提示的局限性，并生成具有针对性的改进建议。接着，提示生成模块利用MLLM的推理与生成能力，根据反思结果构造改进后的提示。最后，提示选择模块依据预定义的策略对候选提示进行筛选与更新，从而为下一轮迭代提供更优的提示初始化。 实验设计在实验部分，我们将通过探究以下问题来展示HRPO的实际表现： RQ1. HRPO在偏见缓解方面的效果如何？ RQ2. HRPO在可解释性方面表现如何？ RQ3. 各个模块的贡献如何？ RQ4. 迭代训练对HRPO有何影响？ RQ5. HRPO的泛化能力如何？ 实验结果RQ1：去偏性能分析。我们在三项任务上，将HRPO与六种基线方法在八个开源MLLM和两个闭源MLLM上进行去偏效果的对比。结果表明，HRPO在不同架构与规模的MLLM、不同任务及偏见类型上均展现出强健且稳定的去偏能力。 RQ2：可解释性分析。我们展示了HRPO去偏训练过程的一个示例。通过历史对比信息引导自我反思机制，当前提示在针对性改进建议的引导下得到优化，生成新的候选提示，并将偏差分数从3.03显著降低至0.96，表明HRPO的去偏过程具有良好的透明性，且生成的提示具备较强的可解释性。 RQ3：消融分析。为分析HRPO各模块的贡献，我们开展了消融实验，对三种变体进行比较：移除偏见示例版本、移除历史信息版本和移除自我反思版本，并将HRPO分别结合三种提示选择算法（UCB、SH和SR）进行实例化。实验结果表明，不同选择算法对整体性能影响较小，而移除核心模块会在不同程度上导致性能下降，验证了各模块设计的必要性，进一步证明了所提出HRPO框架的有效性。 RQ4：去偏效率分析。我们报告了HRPO在不同迭代次数下的性能表现，并与移除HCSR机制的版本进行对比。实验验证了迭代训练不会削弱去偏效率，而HCSR机制能够进一步提升训练过程的稳定性与收敛速度。 RQ5：可泛化性分析。我们从任务、偏见类型和偏见维度三个方面评估了HRPO的泛化能力。在跨任务方面，验证了在某一任务上学习得到的去偏提示能够迁移至其他任务。在跨偏见类型方面，验证了针对某一偏见类别优化得到的提示在其他偏见类型上同样具有良好的泛化效果。在跨偏见维度方面，验证了所学习的提示能够在单一偏见与交叉偏见之间有效迁移，从而支持跨维度的灵活去偏。 ACL是自然语言处理、计算语言学与人工智能领域的顶级国际会议，也是中国计算机学会(CCF)推荐的A类人工智能国际顶级会议，旨在探讨大语言模型和智能体、文本挖掘、对话系统等方向的最新研究成果、技术创新及系统应用。本届会议共收到投稿12148篇，主会录用率为19%，Findings录用率为18%，体现了严格的审稿标准与高水平的学术竞争。

2026年度浪潮存储青蓝基金课题任务书评审工作已顺利完成并进行公示，吉林大学智能计算与系统实验室胡俊成副教授申报的课题《跨节点QLC SSD寿命优化与负载均衡技术研究》获得项目资助。 2026年度浪潮存储青蓝基金围绕应用融合、协议融合、管理融合和介质融合四大方向进行布局，聚焦AI场景数据管理、系统架构优化与存储效率提升等关键技术领域，面向产学研协同创新开展项目征集与技术研究。在评审阶段，基金组织由行业与高校专家组成的9人评审专家组开展评审工作。评审过程采用线上答辩、专家独立评分及集中汇总排名相结合的方式进行。评审标准参考中国计算机学会产学合作基金任务书评选要求，并结合本次指南内容，从研究任务完整性、技术方案可行性及技术先进性等维度进行综合评议。经多轮评审，最终共有10个项目入选资助，相关评审工作已完成。 2026年度浪潮存储青蓝基金资助课题名单 浪潮存储及青蓝基金介绍浪潮集团（Inspur）是中国领先的新一代信息技术企业，在云计算、大数据、服务器、存储、人工智能等领域拥有深厚技术积累与全球化布局，产品和服务覆盖120多个国家和地区。浪潮存储作为其核心基础设施产品线，提供从分布式存储、集中式存储到软件定义存储、全闪存/混合存储等丰富解决方案，满足政企、科研、金融、制造等行业对海量数据、高性能访问和智能运维的严苛需求。在面向分布式存储和集中式存储两大平台的基础上，浪潮存储将原有的容量、性能、架构和管理四大极致能力进一步升级为七大极致能力：包括基于“一个存储平台、一个数据中心”的极简架构、基于 iTurbo 智能引擎的极速性能、自动感知风险的极致安全、六重保护的极致稳定、EB 级且高效利用的极致容量、基于 iSCMI 多云接入的极致云化，以及基于 AIOps 的极易管理，从而为智算中心等关键场景提供“安全可靠、经济高效、易用易管”的存储基础设施。 青蓝基金是由浪潮存储联合山东省信息存储系统技术创新中心共同发起的产学研协同创新计划，旨在促进存储技术前沿研究与产业实践的深度融合，构建良性的科研与产业协作生态。基金围绕协议融合、应用融合、介质融合和管理融合四大技术方向，聚焦统一存储架构、智能数据服务、新型介质融合及跨域数据治理等关键领域，面向全球高校和科研机构公开征集具有创新性与产业落地潜力的研究课题。2026年度青蓝基金总资助规模达200万元，单课题最高支持30万元，重点支持能够解决实际产业问题、推动技术成果转化的前沿探索与创新实践。 入选项目介绍随着数据中心规模的持续扩张和存储密度的快速提升，SSD已成为现代分布式存储系统的核心基础设施。然而，SSD有限写入寿命与数据中心日益增长的数据写入需求之间的矛盾日益突出，成为制约存储系统总体拥有成本(TCO)和服务可靠性的关键瓶颈。新一代FDP(Flexible Data Placement) SSD通过暴露内部物理布局信息，为上层应用提供了数据放置的精细化控制能力，但如何充分利用这一特性实现分布式存储系统的寿命优化，仍面临两大核心挑战：一是单节点层面缺乏感知FDP特性的智能数据放置策略，传统方法无法根据数据冷热特征和访问模式动态调整数据布局，导致写放大严重和磨损不均；二是多节点分布式环境下缺乏全局协同优化机制，节点间负载不均衡和数据迁移策略不当会加剧局部热点，降低整体系统寿命。 针对上述问题，本项目将从两大方向展开研究： 方向一：面向FDP SSD的单节点智能数据放置与寿命优化技术。 项目将突破传统静态数据布局的局限，实现基于数据特征和设备状态的自适应放置策略。研究多维度数据冷热识别策略，综合考虑访问频率、更新模式、数据生命周期等特征；提出FDP感知的动态数据放置算法，将冷热数据分离映射到不同物理区域，减少写放大并均衡磨损；设计轻量级的在线监控与调整机制，根据实时工作负载动态优化数据布局。 方向二：分布式存储系统的全局协同寿命优化技术。 项目将构建跨节点的智能调度框架，实现从局部优化到全局最优的突破。研究分布式环境下的负载感知与预测方法，建立节点级SSD健康状态模型和寿命预测机制；设计全局协同的数据放置与迁移策略，综合考虑节点间负载均衡和SSD磨损状态，最大化系统整体寿命；提出基于滑动窗口的自适应优化算法，在动态工作负载下持续优化数据分布和访问路径。 项目研究成果将瞄准OSDI、SOSP、FAST、EuroSys等国际顶级学术会议发表，为推动新型存储硬件在大规模分布式系统中的高效应用和TCO优化提供关键技术支撑。 关于胡俊成副教授胡俊成，副教授/博导，JLU智能计算与系统实验室负责人。入选吉林省青托，中国计算机学会/通信学会高级会员，CCF体系结构/分布式计算与系统/网络与系统安全专委执行委员，CIC开源技术专委执行委员，YOCSEF长春AC委员。受邀担任网络空间安全科学学报青年编委、Tsinghua Science and Technology客座编委。研究方向为计算机系统结构、大数据可信计算、存储系统、AI安全，以责任作者身份发表包括FAST、TOS、TCOM、WWW、AAAI等高水平文章30余篇，授权国家发明专利9项，相关成果落地于天谋科技、浪潮信息、清智元视、吉大正元等头部企业，担任多个国际会议/期刊审稿人，主持国家重点研发计划子课题、吉林省重点研发计划项目等省部级及以上纵向项目4项，获吉林省自然科学二等奖（序2）、中国商业联合会科学技术一等奖（序3）。 此次项目的成功获批，标志着实验室在存储系统性能与效率优化研究领域的实力获得了业界权威认可。未来，实验室将继续深化产学研用协同创新，积极寻找行业头部企业合作，推动我国系统软件领域的自主创新，为培养更多具备核心竞争力的拔尖人才贡献智慧与力量！

2025年实验室全体师生凝心聚力，在科研攻关的征途上乘风破浪。这一年，我们的高水平学术成果亮相国际顶刊顶会，获得同行高度认可；依托教育部工程中心积极承担国家重点研发计划课题以及多项省重点研发计划项目，科研经费与平台能力显著增强；教学上推进课程体系与实验教学改革，牵头教学案例入选首届CCF教学成果案例集、另外获CECC中国计算机教育大会教学案例特等奖和一等奖，主持多项各级教改项目，教学改革成效显著；青年骨干崭露头角，形成创新人才成长的良性生态，交出一份厚重的年度答卷。展望未来，实验室将继续深化改革，聚焦前沿，推动科研与教学协同发展，为学科与社会贡献更大力量！ 科研成果2025年，实验室师生在国内外高水平期刊及会议共发表/录用论文近30篇，其中CCF-A类/中科院 1 区17篇。授权发明专利3项。成果涵盖计算机系统结构、存储系统、数据安全、量子机器学习、AI安全等多个方向。 科研项目2025年，实验室在科研项目申报与在研项目推进方面双线发力，积极接触同元软控、浪潮存储、华为云、蚂蚁Oceanbase、天谋科技等前沿企业，项目布局持续优化： 新获批国家重点研发专项课题1项，该课题由吉林大学牵头，胡亮教授担任课题负责人 新获批吉林省重点研发计划2项，副教授胡俊成、助理研究员吕克敌分别担任项目负责人 新获批吉林省教育厅优秀青年科学基金1项，助理研究员李莹姬担任项目负责人 科研奖励团队研究成果《Boosting File Systems Elegantly: A Transparent NWM Write-ahead Log for Disk File Systems》获2025年中国存储大会最佳论文海报奖 教学改革实验室坚持立德树人根本任务，深度投身教育教学改革，围绕计算机网络课程群，依托最新版入选“101计划”核心教材，立体化前沿知识体系；打造虚拟仿真实践教学系统，持续推动科研资源与教学实践深度融合： 胡亮教授牵头的《“教材建设+AI赋能+产教融合”三位一体的计算机网络课程改革与实践》教学成果入选2025年度CCF教学成果案例集，该案例集为首次设立 胡俊成副教授牵头的《IPv6 路由的全场景构建与互通实验》实验案例获得第七届中国计算机教育大会计算机类教学与实验案例特等奖 胡俊成副教授牵头的《外部网关路由协议BGPv4：基于国产基础设施构建AS间路由选择》教学案例获得第七届中国计算机教育大会计算机类教学与实验案例一等奖 胡俊成副教授牵头的《AI赋能的计算机网络类课程混合教学与虚实融合体系构建研究》教改项目被批准确立为2025年吉林省高教科研重点课题(JGJX25C009) 胡俊成副教授牵头的《基于产教融合的计算机网络立体化教学生态重构》教改项目获批**吉林大学 2025 年度本科教学改革研究项目（教学成果专项）**立项建设 霍严梅副教授撰写的《“101计划”中《计算机网络》教材建设特色与实践》教研论文在**《计算机教育》**期刊正式发表 霍严梅副教授主持的吉林大学课程思政“学科育人示范课程”：《网络协议分析实验》项目结题，验收结果为优秀 学生培养实验室始终聚焦人才培养根本目标，坚持以学生成长为中心，不断完善育人体系，为学生搭建全方位、多层次的成长发展平台，指导大学生创新创业项目3项，指导本科生发表高水平论文4篇，指导本科生开展科研训练10人次以上，毕业年级保研到浙江大学、中科院计算所等名校深造，部分同学留组保研或直博： 在 2025 年全国大学生计算机系统能力大赛-操作系统设计赛（全国）-OS 内核实现赛道，吉林大学本科生黄梓胜、邓驰同学组成的团队荣获三等奖 实验室本科生马天昊的一作论文“Forming Auxiliary High-confident Instance-level Loss to Promote Learning from Label Proportions”被CCF-A类会议CVPR 2025录用 学术交流2025年，实验室积极鼓励师生“走出去”，在国际国内高水平学术舞台展示ICS-Lab的研究成果，与顶尖学者交流学习： 国际会议展示 王国毓同学赴美国加州参加计算机系统领域顶级会议FAST 2025 马琳同学赴广州参加人工智能领域顶级会议IJCAI 2025 吕克敌老师赴新加坡参加人工智能领域顶级会议AAAI 2026 国内论坛交流团队师生积极参与并组织中国计算机大会（CNCC）、CCF中国存储大会、CCF中国系统大会等前沿会议。此外，还积极参加CCF中国数据库学术会议（NDBC）、CCF青年精英大会、CAAI人工智能与安全大会、CCF中国数据大会（ChinaData）、中国计算机教育大会（CECC）、全国大模型智能生成大会（LMG）、中国图象图形学学会 （CSIG)、中国图象图形学学会青年科学家会议等国内权威学术会议，紧跟学科发展前沿，通过多维度学术互动进一步拓宽科研视野，激发创新活力。 胡俊成老师与浙江大学何水兵教授共同主办 CNCC2025 专题论坛 “面向超大规模智算集群的新型存算技术” 胡俊成老师积极组织中国系统大会并担任宣传主席 王国毓同学受邀参加**中国存储大会“新介质与新场景下的存储顶会论坛”**并做题为“Boosting File Systems Elegantly: A Transparent NVM Write-ahead Log for Disk File Systems”的报告 ICS-Lab常年面向全体同学开放招募，热忱欢迎对科研探索、项目实操及学科竞赛抱有热忱的伙伴加入。实验室秉持开放包容、协同共进的良好氛围，依托教育部工程中心优质平台，倡导以兴趣为导向开展学习与实践，无需同学们具备完备的科研功底或工程经验。实验室核心研究方向涵盖计算机体系结构、信息安全、人工智能三大领域，同时也热烈欢迎对相关交叉学科、延伸研究方向抱有好奇心的同学，只要你愿意付出时间主动钻研、踏实务实、乐于交流，课题组将借助平台优势，为大家提供全方位的科研指导与项目实践机会，助力每一位成员稳步成长。 此外，实验室将学术诚信与科研规范作为发展基石，始终坚守严谨治学、求真务实的科研态度，期待每一位成员都能坚守优良学术品德，严格恪守科研与学术道德准则，在团队协作中相互尊重、彼此成就、共同提升，携手在相关研究领域潜心深耕、实现自我突破与成长。 如你对实验室方向感兴趣，欢迎将个人简历发送至：jchu@jlu.edu.cn 期盼与你携手同行，在ICS-Lab大家庭中并肩学习、共促成长。

2025CCF颁奖典礼于2026年1月31日在北京隆重举行。颁奖会以“责任•创新•奉献”为主题，颁发了2025年度CCF最高科学技术奖、CCF夏培肃奖等奖项，并为CCF年度志愿者、CCF年度合作伙伴、CCF博士学位论文激励计划的入选者、年度教学成果案例集和新晋会士颁发了证书。此次颁奖典礼线上线下同步直播，线下近500位在过去一年里为CCF发展做出贡献的嘉宾从全国各地汇聚一堂，与线上观众共同见证和分享这辉煌荣耀的时刻。共有近18万名观众（含人气值）通过CCF视频号、爱奇艺等多个官方直播间及多家CCF奖励合作单位的直播间一同观看了典礼盛况。颁奖大会由CCF秘书长唐卫清主持。 实验室胡亮教授牵头实验室教学团队，依托“101计划”教材建设以及多维度、多层次教学改革项目，所主持的项目《“教材建设 + AI 赋能 + 产教融合” 三位一体的计算机网络课程改革与实践》成功入选 2025 年度 CCF 教学成果案例集。该案例集为首次设立，全国仅11项成果获此殊荣。 此次入选 CCF 教学成果案例集，反映了实验室在计算机网络理论与实践教学领域的长期投入与持续建设成效。实验室教学团队始终坚守教学一线，深耕课程建设与教学创新，逐步形成重教学、强实践、促创新的优良团队传统，持续推动课程改革与质量提升。此次入选体现了实验室在课程体系建设、交叉拔尖人才培养与教学模式创新方面的系统性成果，彰显了团队教学改革实践的整体水平。未来，实验室将继续深化教育教学改革，持续推进人才培养模式创新，为培养新时代卓越计算机人才贡献力量。

实验室存储系统方向工作“Crash Consistency in an NVM-enabled Hybrid Storage System: Problems, Solutions, and Verification”被CCF-B类期刊The Journal of Systems Architecture: Embedded Software Design (JSA) 接收。该论文第一作者为吉林大学博士生王国毓，通讯作者为吉林大学副教授胡俊成，其他合作者包括吉林大学25级博士生裴辰举、助理研究员吕克敌、教授车喜龙以及东北师范大学博士后李腾飞。本文为实验室FAST’25工作的一个补充性工作，该论文对混合介质文件系统面临的数个一致性问题进行了讨论和解决，并使用模型检查方法验证了提出的方案。 研究背景崩溃一致性是存储系统设计中的核心问题之一。即便在仅包含单一存储介质的系统中，如传统磁盘文件系统或 NVM 文件系统，其一致性机制本身就已相当复杂。而在混合介质文件系统中，多种异构存储介质并存，使得系统状态更加多样，对崩溃一致性机制的设计提出了更高要求。基于此，本文重点关注一种被称为 Sync-triggered Selective Absorption（SA）的高性能混合存储系统设计范式，系统分析并总结了该类混合介质文件系统所面临的若干关键一致性问题。 研究内容我们发现，混合介质文件系统在崩溃一致性方面主要面临三类挑战： 写入顺序问题（Write Ordering）：同步写入 NVM 与后台写回磁盘可能以任意顺序交错发生。在崩溃恢复时，到底该相信 NVM 还是磁盘中的数据，并不是显而易见的。 写入粒度问题（Write Granularity）：NVM 支持字节级写入，而磁盘通常以页为单位管理数据。当 NVM 中只记录了“部分更新”，而磁盘中保存的是“整页数据”时，如何在恢复阶段重建用户期望的最终数据状态？ 并行写入问题（Parallel Write）：NVM 可由 CPU 直接访问，而磁盘写入通常通过 DMA 异步完成。这两条写路径在时间上的并行性，会进一步放大前两类问题的复杂度。为分析上述问题，本文首先提出一种基于“执行序列”的文件系统形式化建模方法，并基于该方法对同步操作的崩溃一致性提出了两项形式化规范，分别称为“存在性”和“保序性”。 进一步地，文章基于上述形式化方法对写入顺序问题、写入粒度问题和并行写入问题进行了讨论，并逐步地给出了在SA系统设计范式下针对各项问题的解决算法。通过文章给出的一致性解决方案，SA类型混合介质文件系统能够以更激进的方式在不同介质间调度数据，相比于朴素的、不考虑上述一致性方案的混合介质文件系统设计能够提升高达2倍的性能。文章同时还使用模型检查方法对提出的算法进行了正确性验证。该成果受到国家重点研发计划（2024YFB3310202）和吉林省重点研发计划（20250201076GX）的支持。 Journal of Systems Architecture: Embedded Software Design，简称 JSA，是一本涵盖嵌入式系统与软件相关的所有设计与体系结构方面内容的学术期刊。其研究范围从微体系结构层面，经由系统软件层面，一直到面向特定应用的体系结构层面。期刊关注的主题包括但不限于：实时系统、操作系统、编程语言、通信（限于分析与软件协议栈）、移动系统、并行与分布式体系结构，以及计算机与系统体系结构领域中的其他相关主题。

实验室可信人工智能方向工作“Enhancing Fairness in Decision-Making of Natural Language Understanding Systems: An Intersectional Bias Debiasing Model via Information Theory-based Disentanglement”被中科院SCI一区期刊Expert Systems With Applications接收。该论文第一作者为吉林大学助理研究员李莹姬，通讯作者为吉林大学副教授胡俊成，其他合作者包括吉林大学助理研究员宋瑞和教授胡亮。该论文提出了一种基于信息论解缠的交叉偏见去偏模型IBDM，通过将交叉偏见的指数级复杂度降至线性级，并结合变分自编码器与随机反事实数据增强，有效缓解预训练语言模型中的交叉偏见问题。 研究背景在预训练语言模型（PLMs）社会偏见缓解研究中，现有方法多针对单一偏见进行设计与评估，普遍忽视跨多个人口群体的交叉偏见问题。然而，偏见方向的非线性组合使得现有去偏方法难以有效推广到交叉场景，并导致计算复杂度呈指数级增长。 为此，本文提出一种基于信息论的解纠缠交叉偏见去偏模型（IBDM），通过对 PLMs 编码的表征进行信息解纠缠，缓解交叉偏见并提升下游任务的决策公平性。 具体而言，我们利用不同人口群体间的独立性假设，将去偏过程的计算复杂度从指数级降低至线性级，并基于变分自编码器解耦公平表征与多个单一偏见表征，在任务标签与敏感属性标签的共同约束下进行学习。同时，引入随机反事实数据增强策略，以进一步提升公平表征的准确性与稳定性。 实验设计在实验部分，我们将通过探究以下问题来展示IBDM的实际表现：Q1：在下游任务中，IBDM在准确性与公平性的权衡方面表现如何？Q2：IBDM对公平表征与偏见表征的有效解纠缠程度如何？Q3：IBDM中的各个组成部分分别起到什么作用？Q4：独立性假设如何影响IBDM的去偏性能？ 实验结果Q1：去偏性能分析。我们评估了IBDM在下游任务中的去偏能力并展示了具体的去偏示例。结果表明，IBDM 能有效减少交叉偏见，同时保持了下游任务的预测性能。 Q2：表征解纠缠分析。我们进行了定性和定量分析，以评估在 IBDM 所采用的解纠缠策略的有效性。实验证实了IBDM 能够成功地将与任务相关表征与偏见相关表征区分开来，验证了我们所采用的信息论框架。 Q3：消融研究。我们在三个下游任务上进行了消融实验。实验表明，所有变体在不同程度上影响了 IBDM 的公平性和准确性。每个组成部分对于去偏和下游任务都至关重要，其中 RCDA 特别有助于提高解耦的稳定性。 Q4：独立性假设的敏感性分析。我们通过进行一项有控制的敏感性分析来研究独立性假设如何影响 IBDM 的去偏效果。结果显示，当敏感属性之间的依赖性增强时，去偏效果会减弱。但 IBDM 在轻微至中度的偏见情况下仍保持相对稳定，而且即使在独立性假设明显被违背的情况下，其表现也依然优于基准模型。该成果受到国家重点研发计划（2024YFB3310200）、吉林省教育厅（JJKH20261301KJ）和博士后科学基金（2024M761122）的资助。 Expert Systems With Applications（ESWA）是爱思唯尔旗下专注于人工智能与智能系统应用的国际权威期刊（2024年影响因子7.5，中科院SCI一区，JCR一区）。该刊强调理论结合实践，聚焦机器学习、智能决策等前沿技术在工程、医疗、金融等领域的创新应用。其审稿标准严格，要求研究兼具算法创新与充分的实证验证，是国际学界公认的高水平应用人工智能研究成果发表平台。

2025年11月28日至30日，以 “新智能・新范式・新时代”为主题的第七届中国计算机教育大会（CECC）在厦门国际会议中心正式开幕。本届大会紧扣人工智能快速发展的时代背景，深入贯彻二十届四中全会精神、响应国家人工智能创新发展战略部署，汇聚了百余位学术界、教育界与产业界知名专家学者，围绕计算机教育变革路径与未来发展大计展开研讨，致力于通过深化产教融合、革新教育范式、拓展国际视野等途径，为构建高质量人才培养体系、助力新质生产力发展注入动能。大会由教育部四大计算机相关教指委联合主办，多所厦门本地高校及麦思博公司共同承办，还获得了多家知名出版社、专业委员会的协办以及华为、阿里云等企业的支持。 在本届大会计算机类教学和实验案例成果的评选中，依托实验室教学团队多年在《计算机网络》理论课和《网络协议》、《IPv6技术与实践》等实践课程的深耕，由实验室负责人胡俊成老师牵头打造的《IPv6 路由的全场景构建与互通实验》实验教学案例，在近400项计算机类教学与实验案例的激烈角逐中脱颖而出，成功入选优秀案例库并一举获评特等奖，尽显团队在计算机实验教学领域的深厚积淀与顶尖实力，团队另外提交的《外部网关路由协议BGPv4：基于国产基础设施构建AS间路由选择》也获得了教学案例一等奖的好成绩。 《IPv6 路由的全场景构建与互通实验》案例针对传统路由实验内容陈旧、缺乏跨域互联实践且未融入信创技术的痛点，依托华为国产 eNSP 仿真平台，以跨自治系统（AS）IPv6 通信为核心，设计了三大核心任务： 完成 IPv6 接口地址规划与连通性验证； 部署 OSPFv3 实现 AS 内 IPv6 动态路由； 配置 BGP 协议达成跨 AS IPv6 路由交换。 全方位培养学生 IPv6 网络问题分析与解决能力。从教学目标来看，该案例可帮助学生掌握 IPv6 地址及相关协议的配置应用，形成网络拓扑设计、故障排查的核心能力，同时培育自主学习与综合设计的专业素养。此案例在创新特色方面，不仅结合 “101计划” 核心教材、携手华为融入国产信创技术，贴合工程实际需求，还实现了 IPv6、OSPFv3 与 BGP 协议基础及进阶技能的全覆盖。目前该案例已应用于吉林大学《IPv6 技术与实践》课程，服务 94 名计算机科学与技术、网络空间安全专业大四学生，借助仿真实验助力学生夯实技术能力，且已形成标准化实验手册。 实验室教学团队深耕计算机网络课程教学实践多年，成果实现了教学质量与示范辐射的双重突破。在课程与教材建设上，核心课程 “计算机网络” 获国家级精品课程、国家级精品资源共享课、省级课程思政示范课程等多项荣誉，系列教材被全国 100 余所高校采用、国家级精品资源共享课面向社会开放后学习人次超 2.3 万，将育人成果延伸至社会学习者，实现了优质资源的全国广泛辐射。在教学改革引领上，团队累计开展20余场全国性师资培训和经验推广，惠及千余名高校教师，有效破解课程育人共性难题；形成可复制、可推广的改革范式。在成果与团队荣誉层面，团队先后斩获 3 项国家级教学成果二等奖、2 项省级教学成果一等奖，还获评 “吉林省优秀教学团队”“吉林大学黄大年式教师团队” 等称号，充分彰显了团队在教学领域的卓越担当与突出贡献。

实验室物联网数据挖掘方向工作被IoTJ（中科院一区）接收，论文题目为“LLM4TAP: LLM-enhanced TAP Rule Recommendation”。该论文提出一种名为LLM4TAP的触发-动作编程（TAP）规则推荐方法，通过大语言模型推断用户创建TAP规则的需求和意图来实现更准确的规则推荐，是实现意图驱动的智能化TAP规则推荐系统的一项创新性探索。该论文第一作者为实验室2020级博士吴刚，通讯作者为吉林大学副教授王峰，其他合作者包括吉林大学教授胡亮和2022级硕士胡喻晓。 研究背景 TAP规则推荐旨在通过分析用户的历史行为和规则文本语义，来预测用户需求和意图，并为其提供个性化的自动化规则推荐。然而，实现有效的TAP规则推荐存在两方面局限： 难以识别与区分用户需求和意图：在TAP中，用户需求（如离开家时关闭灯光）通常隐含着用户意图（如节能或增强安全性），理解需求与意图之间的微妙关系对于生成相关且个性化的规则至关重要。 用户-规则图的高稀疏性：由于每个用户通常仅创建少量规则，导致用户-规则图高度稀疏。这种稀疏性阻碍了用户偏好的准确表示，并限制了基于图的推荐方法的有效性。 为了应对以上挑战，研究团队提出了一种基于多视图嵌入的物联网TAP规则用户意图预测方法MvTAP，通过从用户视图、开发者视图和知识视图中学习规则的嵌入向量来预测用户意图。其次，应用MPNN、TextCNN和RKE分别学习用户视图、开发者视图和知识视图的嵌入向量，并提出了一种基于Transformer的多视图嵌入融合方法，以有效整合这些嵌入向量，保存全局和局部信息。 实验设计 LLM4TAP利用LLM来编码用户创建规则背后的需求与意图，并采用图增强技术缓解用户-规则交互中的稀疏性问题。其核心由以下四个模块组成： 用户需求与意图推断模块：该模块设计了一种提示模板，将规则的文本描述及用户-规则交互作为输入传递给LLM，从而生成用户需求与意图及其对应的语义嵌入向量。 用户规则图增强模块：该模块采用奇异值分解构建用户-规则图的增强视图，以捕捉用户与规则之间的全局结构关系。随后，通过基于GNN的二分图嵌入技术学习增强图的结构，生成用户与规则的全局结构嵌入向量。 双重表示对齐模块：为提高模型性能，该模块采用对比学习技术，将用户需求与意图的语义嵌入向量以及全局结构嵌入向量与主干模型的特征嵌入向量进行对齐。 推荐和模型训练模块：该模块采用BPR损失函数对 LLM4TAP 模型参数进行优化，进而基于用户与规则的嵌入向量，预测用户创建相应规则的概率。 实验结果 实验在IFTTT和Wyze数据集上引导，与LightGCN、SGL、NCL、RLMRec等方法进行对比。实验结果表明，在Wyze数据集上，LLM4TAP在所有评价指标上均优于现有最优的对比方法。而在IFTTT数据集上，LLM4TAP在HitRate@10至HitRate@50以及NDCG@5至NDCG@50等指标上均取得了最优性能。 IoTJ全称为IEEE Internet of Things Journal，是物联网研究领域的权威性、综合性顶级期刊。它专注于发表从底层硬件、通信技术，到上层数据处理、人工智能应用的创新研究成果。该期刊由IEEE出版，在JCR和中科院分区中均具有较高评价，影响因子稳定在8.9以上，审稿周期约6个月，其核心研究领域覆盖物联网、通信、人工智能等前沿技术。

实验室物联网数据挖掘方向工作被ESWA（中科院一区）接收，论文题目为“User intention prediction for trigger-action programming rule using multi-view representation learning”。该论文提出一种名为MvTAP的触发-动作编程（TAP）规则用户意图预测方法，利用多视图嵌入技术学习用户创建TAP规则背后的意图，以提升规则推荐的多样性，是实现智能家居、智慧城市等物联网智能化应用的关键技术。该论文第一作者为实验室2020级博士吴刚，通讯作者为吉林大学副教授王峰，其他合作者包括吉林大学教授胡亮、2022级硕士胡喻晓和2020级博士邢永恒。 研究背景TAP规则用户意图预测旨在推断用户创建规则背后的隐性意图，从而提高TAP规则推荐的多样性，是智能家居平台、自动化工具或规则推荐实现更高智能化和用户体验的关键组成部分。然而，预测用户创建TAP规则背后的意图存在三个问题： 触发器和动作之间的上下文依赖关系导致用户在组合不同功能时会产生多种意图。例如，规则“人离开时关灯”体现了节能的意图，而“日出时关灯”则更多体现了光照调控的意图，尽管二者具有相似的动作，但其背后隐含的用户意图却显著不同。 触发器与动作通常仅以简短的文本描述呈现，造成意图边界难以精准识别。这类描述在语义层面存在高度压缩，导致模型在解析用户需求时面临较大困难，尤其是在缺乏上下文补充信息的情况下尤为明显。因此，如何在简短的功能描述中准确识别用户意图是一个挑战。 实体之间缺乏常识知识使得实体相关性的发现受到限制，导致跨功能自动化的局限性。例如，空调和风扇虽然属于不同类型的设备，但它们具有相似的功能（如制冷）和使用场景（如卧室）。 为了应对以上挑战，研究团队提出了一种基于多视图嵌入的物联网TAP规则用户意图预测方法MvTAP，通过从用户视图、开发者视图和知识视图中学习规则的嵌入向量来预测用户意图。其次，分别应用了MPNN、TextCNN和RKE来学习用户视图、开发者视图和知识视图的嵌入向量，并提出了一种基于Transformer的多视图嵌入融合方法，以有效整合这些嵌入向量，保存全局和局部信息。 实验设计 基于多视图嵌入的物联网TAP规则用户意图预测方法包含以下五个主要模块。如上图所示： 用户视图嵌入：该模块基于用户创建的触发-动作对构建用户视图。为编码用户语义信息，采用MPNN对用户视图进行学习，生成触发器和动作的嵌入向量。 开发者视图嵌入：该模块以开发者提供的触发器和动作的描述文本为输入，利用NLP技术（即TextCNN）学习触发器和动作的句子级嵌入向量。 知识视图嵌入：该模块将与触发器和动作相关的实体映射到外部知识库（即ConceptNet），建立从实体到知识图谱概念的链接。随后，采用RKE方法，基于知识图谱聚合语义邻居的嵌入向量，学习知识增强的触发器和动作的嵌入向量。 多视图嵌入融合：该模块引入基于Transformer的融合方法，将从上述三种视图学习到的触发器和动作嵌入进行融合，并在用户视图约束下结合，生成TAP规则的嵌入向量。 用户意图预测：该模块以TAP规则的嵌入向量作为输入，预测每条规则对应的用户意图。 实验结果 实验在IFTTT数据集上进行，首先对比了MvTAP与GAT、SeHGNN、KGAN等15种对比方法在TAP用户意图预测任务上的有效性，然后展示了MvTAP在TAP规则上的表现。实验结果表明，在TAP规则用户意图预测任务方面，提出的MvTAP方法在准确性、Micro-F1和Macro-F1指标上表现优异，较现有最优方法分别提升了1.8%、4.36%和4.52%。与单视图方法相比，MvTAP的准确性分别比开发者视图、用户视图和知识视图中表现最好的方法提高了34.65%、1.8%和11.33%。与效果最好的多视图方法相比，MvTAP在准确性、Micro-F1、Macro-F1和特异性指标上的提升分别为19.28%、8.55%、5%和0.35%。此外，MvTAP在准确性、Micro-F1和Macro-F1指标上的表现也优于其变体方法。另外，在TAP规则推荐任务方面，相较于IFTTT平台，基于MvTAP预测的用户意图来推荐TAP规则实现了更高的优越性。 ESWA全称为Expert Systems With Applications，是人工智能领域的重要国际期刊，专注于人工智能理论方法研究及实践应用。该期刊由Elsevier出版，在JCR和中科院分区中均具有较高评价，影响因子稳定在7.5以上，审稿周期约13.8个月，是闭源期刊。其核心研究领域覆盖专家系统、数据挖掘、物联网等前沿技术，尤其注重方法应用创新。

实验室在量子计算方向的研究工作被Applied Soft Computing（中科院2区）接收，题目论文为“Design and Implementation of Run-length Encoding on Quantum Computers for Resource-efficient Data Representation”。这篇论文为ICASSP 2025（oral）论文：”Quantum Run-length Encoding: Optimizing Data Compression on Quantum Computers with Exponential Resource Efficiency”的更详细期刊版本。本文提出了经典游程编码的量子算法形式，实现最优条件下指数级量子自资源优化的数据存储方式，并在一般情形下也增加额外开销，解决了经典游程编码的局限性，同时探索了其在图像处理方面的应用。该论文的第一作者为实验室2022级博士张嘉乐，通讯作者为实验室负责人吉林大学副教授胡俊成，其他合作者包括吉林大学教授车喜龙、实验室本科生彭顺、2023级硕士生范滨丞、电子科技大学博士生陈庚和信息工程大学博士生马权公。 研究背景量子计算借助叠加态和量子纠缠，可以在数据处理上展现出比经典系统更高的比特效率。然而，如何将经典数据有效地编码为量子态，仍然是当前量子计算中的一大难题。现有的量子数据表示方法虽然能在某些情况下降低资源消耗，但大多数依赖于复杂的预处理过程，且无法做到无损的数据恢复。 实验设计 如上图所示， QRLE通过对数据中的连续重复部分进行编码，将每段重复数据的值和重复长度分别存储在量子位上，利用量子计算中的Hadamard门和控制非门（CNOT）对数据进行高效编码。在最优条件下，QRLE能够将量子比特消耗从O(n)降低至O(log n)，并将运行时间复杂度从O(n ⋅ 2^2n)降至O(log n ⋅ n)，这使得其在量子计算中具有显著的资源优势。 实验结果为了验证QRLE的有效性，研究团队在IBM的超导量子计算机（IBM_Sherbrooke）上进行了实验，并与现有的量子图像表示模型进行了对比。实验结果表明，在处理具有大量重复数据的图像时，QRLE显著减少了量子资源消耗，并且运行时间复杂度比现有方法低得多。此外，QRLE对量子噪声具有更强的抗干扰能力，能够在噪声环境下保持较高的恢复准确度。 QRLE作为一种量子数据表示的新型方法，在减少量子资源消耗、提高量子计算效率方面展现出了巨大的潜力。尤其在量子图像处理领域，QRLE能够大幅提升量子图像处理操作的效率，尤其是在量子硬件噪声较大的环境下，表现出比现有方法更强的鲁棒性。未来的研究方向可能包括结合量子神经网络，进一步优化QRLE在实际量子计算任务中的应用，推动量子计算在实际场景中的应用落地。该成果受到国家重点研发计划（2024YFB3310202）和吉林省重点研发计划（20250201076GX）的资助。 Applied Soft Computing是一本国际期刊，致力于推广软计算的综合应用以解决现实问题。Soft Computing是一系列方法论的集合，其目的在于利用对不精确性、不确定性和部分真实性的容错能力，以获得可处理性、鲁棒性及较低的求解成本。该期刊聚焦于发布在模糊逻辑、神经网络、进化计算、粗糙集及其他类似技术的应用与融合方面的最高质量研究，以应对现实世界的复杂性问题。