近日，实验室博士生周健魁作为第一作者的论文"Disentangling Consensus and Value-Specific Representations for Controllable Pluralistic Value Alignment in LLMs" 被Forty-Third International Conference on Machine Learning (ICML 2026) 会议录用。 大模型不同价值维度通常彼此相关、同时存在，导致各“价值专家”的表征高度相似、相互纠缠。结果是，调整某一种价值专家的作用时，可能会无意中影响其他价值，限制了精细化控制能力。为解决这一问题，提出了 DisAlign，一种模型合并框架。它从信息几何的视角，将价值表征显式拆分为共识部分和价值特定部分：先提取不同价值之间共享的共识锚点与子空间，再对剩余表征做谱分解，构造彼此解耦的价值子空间。这样可以更准确、独立地调节多种价值。在涵盖三种不同价值框架的数据集实验中，DisAlign 相比现有基线方法，持续提升了价值解耦效果，并实现了更准确的多元价值控制。 会议简介 ICML (International Conference on Machine Learning) 是机器学习顶级国际学术会议，是中国计算机学会推荐的A类国际学术会议。ICML汇集了来自学术界和工业界的研究人员，共同探讨机器学习理论，优化、统计算法等领域的前沿研究。今年，该会议计划于2026年7月6日至10日在韩国首尔召开。本届ICML会议共收到超过3万篇投稿，其中6352篇论文被接受，录用率26.6% 论文简介大语言模型中可控多元价值对齐的共识表征与价值特定表征解耦 论文链接：https://icml.cc/virtual/2026/poster/66729 代码仓库：https://github.com/erzhoujk/DisAlign 随着大语言模型被广泛应用到真实场景中，传统只追求“平均偏好”或单一价值取向的对齐方法，已经难以满足现实需求，因为不同用户、文化和任务场景往往对应着不同且可组合的人类价值观。因此，“多元价值对齐”变得越来越重要，模型应当能够根据不同价值维度及其权重，实现可控的行为调节。现有方法虽然已经尝试通过提示、单独训练价值专家模型，或通过参数合并来实现多价值对齐，但在真实数据中，不同价值通常不是孤立出现的，而是彼此相关、共同表达的，这使得模型内部学到的价值表示往往高度相似并相互纠缠。 要想实现上述的这种精准对齐，面对的核心挑战在于：如何把多种价值中“共享的共识部分”和“各价值独有的特定部分”有效分离出来。由于不同价值专家在训练时会受到混合价值信号的共同影响，调整某一个价值维度的强度时，往往会连带影响其他价值维度，导致控制不够精细、独立性不足。此外，如果直接做参数干预，还可能破坏模型原有的通用能力，出现所谓的“对齐税”。我们通过去除共识部分实现多价值观表征的解耦，实现对多个价值维度更精准、低干扰、可独立调节的控制。 方法概述 本文提出了 DisAlign，一种面向大语言模型可控多元价值对齐的模型合并框架。其核心思想是将不同价值专家中混杂在一起的表征，显式拆分为两部分：一部分是多个价值共享的“共识成分”，另一部分是各个价值独有的“价值特定成分”。具体来说，DisAlign首先从信息几何视角出发，通过专家分布的乘积形式提取一个能够刻画多价值共同结构的共识锚点与共识子空间。 其次，对去除共识后的剩余表示进行分解和正交化，构造彼此解耦的价值特定子空间。最终，模型可以通过线性组合共识部分和用户指定权重的价值特定部分，实现对多种价值维度更精确、独立的调节。相比现有直接合并价值专家的方法，该方法减少了不同价值之间的相互干扰，同时尽可能保留了模型原有的通用能力。 实验结果 我们在三个价值观真实数据集（MIC, Daily Dilemmas, ValuePrism）上，使用两种代表性LLM backbone（Llama3.2-3B和Qwen3.5-4b）进行了广泛实验，结果展示在表1中: 可以发现: DisAlign的表现优于其他方法，尤其是在随机组合的多元价值观对齐场景，实现了多元化对齐的精准调控。另外我们的方法相比多目标优化和其他模型合并方法可以取到更大的帕累托边界 并且我们首先通过POE理论，只通过一次数据遍历计算费舍尔信息矩阵就可以识别共识表征部分， 在对去除共识部分后价值观表征正交化处理，不仅实现了多元价值观的解耦，还避免了对齐税的产生，实现持续价值对齐： 讨论 1. 实际应用价值 这项研究的实用价值主要体现在，它让大语言模型的价值对齐从“整体调一个大方向”提升到“按具体价值维度精细调节”。在真实应用中，用户、机构和文化背景的价值偏好往往并不相同，而且这些偏好还需要动态组合，因此一个能够独立控制“关怀、公平、忠诚、真实”等不同价值权重的模型，比只适配单一价值标准的模型更有落地意义。DisAlign 提供了一种更可控的技术路径，使系统能够根据场景需求灵活调整输出风格和决策倾向，适用于智能助手、教育、医疗、公共服务等对价值表达较敏感的场景。此外，这项工作还有很强的工程意义。它不是每次都重新训练一个新模型，而是通过对多个价值专家进行结构化合并来实现控制，因此更有扩展性和部署效率。更重要的是，它试图减少价值调节过程中的“串扰”和“对齐税”问题，也就是避免在加强某一价值时误伤其他价值，或明显损害模型原有的通用能力。这意味着该方法更有希望被用于构建既安全、又灵活、还能保持性能稳定的实际大模型系统。 2. 研究的局限性和未来方向 首先，DisAlign 依赖“局部二次近似”和“局部度量同质性”等假设，即默认各个价值专家都分布在基座模型附近，并且它们在局部具有相对一致的信息几何结构。 如果模型经过非常强的优化、与基座模型偏移过大，这种近似可能失效，影响共识锚点和价值子空间分解的准确性。其次，该方法主要适用于“预先定义好价值维度、且已有对应偏好数据”的场景，因此对开放世界中更动态、更模糊、甚至不断演化的价值需求，适应性仍然有限。 未来的研究方向可以从几个方面展开：一是放宽当前的局部几何假设，使方法能够适应更大幅度的模型偏移和更复杂的对齐训练过程；二是将该框架推广到更开放、动态的价值体系中，而不只依赖固定的价值标签和静态偏好数据；三是进一步研究价值控制与模型通用能力保持之间的平衡，降低“对齐税”在更复杂任务中的风险；四是加强在人类真实使用场景中的评测，例如多轮对话、群体差异、文化迁移和长期行为一致性等问题。总体来说，这篇工作为“精细可控的多元价值对齐”提供了一个有力起点，但要真正走向大规模实际应用，还需要在泛化性、鲁棒性和开放环境适应性上继续推进。 总结 本研究的主要贡献如下： (1) 我们识别出多元价值对齐中“精确权重控制”的关键挑战，并提出了 DisAlign，这一新框架能够显式地将价值共享的共识成分与价值特定成分分解开来，从而实现解耦且精确的价值控制。 (2) 我们在信息几何框架下对这种分解进行建模，以捕捉语义层面的价值共识，并保证不同价值调节过程中的低干扰性。 (3) 大量实验结果表明，DisAlign 能够学习到更加解耦的价值表征，并显著提升多元价值对齐的可控性。 如果您对本文内容感兴趣，可与通讯作者联系: zhangpeng_@fudan.edu.cn 实验室相关论文 [1] Shitong Duan, Xiaoyuan Yi, Peng Zhang, Tun Lu, Xing Xie, Ning Gu Denevil: Towards Deciphering and Navigating the Ethical Values of Large Language Models via Instruction Learning (ICLR'24) [2] Shitong Duan, Xiaoyuan Yi, Peng Zhang, Tun Lu, Xing Xie, Ning Gu Negating Negatives: Alignment with Human Negative Samples via Distributional Dispreference Optimization (EMNLP‘24) 如果您对我们实验室的相关工作感兴趣，欢迎访问我们的网站： 协同信息与系统实验室（CISL） 实验室网站主页：https://cscw.fudan.edu.cn/ 实验室Github主页：https://github.com/FudanCISL

近日，实验室硕士生冯跃博作为第一作者的论文"Drift-Aware Incremental Token Adaptation with Collaborative Semantics for Generative Recommendation"被The 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR 2026) 会议录用。 生成式推荐通常采用两阶段流水线：可学习的分词器将物品映射为离散Token序列（即标识符），自回归生成式推荐模型（GRM）基于这些标识符进行预测。近期的分词器进一步引入协同信号，使具有相似用户行为模式的物品获得相似的编码，从而显著提升推荐质量。然而，现实环境持续演化：新物品导致标识符冲突与偏移，新交互引发现有物品的协同漂移（如共现模式和流行度的变化）。完全重训分词器和GRM通常代价高昂，而朴素微调分词器会改变大多数现有物品的Token序列，破坏GRM已学习的Token-嵌入对齐。为平衡协同分词器的可塑性与稳定性，我们提出DACT框架，通过漂移感知的选择性适配策略，在适应协同信号演化的同时保持GRM Token嵌入知识的稳定性。在三个真实数据集和两种代表性GRM上的实验表明，DACT持续优于基线方法。 会议简介 ACM SIGIR (International ACM SIGIR Conference on Research and Development in Information Retrieval) 是信息检索领域的顶级国际学术会议，是中国计算机学会推荐的A类国际学术会议。SIGIR汇集了来自学术界和工业界的研究人员，共同探讨信息检索、搜索和推荐系统等领域的前沿研究。今年，该会议计划于2026年7月20日至24日在澳大利亚墨尔本召开。本届SIGIR会议共收到1271篇有效投稿，其中234篇论文被接受，录用率18.4%。 论文简介面向生成式推荐的漂移感知增量更新框架 论文链接：https://doi.org/10.1145/3805712.3809645 代码仓库：https://github.com/HomesAmaranta/DACT 生成式推荐将推荐任务重新建模为序列生成任务，大多采用两阶段设计：可学习分词器（如RQ-VAE）将物品映射为离散的层次化Token序列作为标识符，生成式推荐模型（GRM）基于这些Token进行自回归生成与预测。近期研究将协同过滤模型中的协同信号注入分词器，确保用户行为模式相似的物品获得相似的Token序列，从而大幅提升推荐效果。 然而在真实系统中，新物品和新交互持续涌入，带来两大挑战：（1）分词器未见过新物品，导致标识符冲突与偏移；（2）新交互反映了底层变化，包括物品流行度的变化和共现模式的演化。如果Token不能自适应更新以反映这种协同漂移，过时的标识符将无法代表物品最新的协同特征，成为GRM性能的关键瓶颈。 图1 协同信号漂移举例 在协同感知分词器的增量学习中，如何准确识别经历显著协同语义漂移的物品子集，并设计机制选择性地更新其标识符，同时严格约束静止物品？本文将此称为"漂移感知的选择性适配策略"，旨在通过适应演化的协同信号实现可塑性，同时确保生成式推荐模型Token嵌入知识的稳定性。 方法概述 我们提出DACT（Drift-Aware Continual Tokenization），通过两个阶段捕获并适应协同漂移： 第一阶段：漂移感知的分词器适配 协同漂移识别模块（CDIM）：与分词器端到端联合训练，通过模式记忆和注意力机制，为每个物品预测漂移置信度分数。该模块维护可学习的关键槽（表示漂移模式）和值槽（表示更新策略），通过比较前一时期和当前时期的潜在表示与最新协同嵌入的对齐程度来构造查询向量，最终输出漂移置信度。 差异化更新策略：基于CDIM预测的漂移置信度，选取置信度最高的top-K物品作为漂移集合，其余为静止集合。对漂移物品，鼓励其自由适应最新协同信号；对静止物品，引入锚定正则化约束其潜在表示保持稳定，防止破坏GRM已学习的Token-嵌入对齐。 全局编码分配稳定性约束：通过KL散度惩罚所有物品在第一层码本的分配分布偏移，保持标识符整体稳定。 图2 DACT自适应更新框架 第二阶段：层次化编码重分配 采用"松到严"的策略：第一层始终重新分配编码以捕捉显著的协同漂移；更深层仅在第一层编码发生变化时才触发重新分配，否则保持不变。这一设计过滤了潜在空间中的微小波动，稳定了大多数标识符。 实验结果 我们在三个Amazon真实数据集（Beauty、Tools、Toys）上，使用两种代表性GRM backbone（TIGER和LC-Rec）进行了广泛实验，结果展示在表1和表2中： 表1 DACT在TIGER上的表现 表2 DACT在LC-Rec上的表现 可以发现：DACT的表现优于其他基线方法，有效平衡了可塑性与稳定性。此外，我们做了进一步的消融实验，说明DACT的每一个模块都是不可或缺的，如图3所示。 图3 DACT上的消融实验 我们进一步验证了DACT能否感知协同信号的演化，并据此微调分词器以适应协同信号漂移。为量化分词器捕获演化协同信号的能力，我们计算了每个时期量化嵌入与当前时期协同过滤嵌入之间的余弦相似度，并报告所有物品的平均值。我们对比了两种设置：冻结分词器（不做任何更新）和DACT更新后的分词器，结果如图4所示。 图4 量化嵌入和协同嵌入的余弦相似度变化对比图 对于冻结分词器，相似度随时间稳步下降，反映出初始语义空间与不断演化的协同信号之间的错位日益加剧——即协同漂移的存在。相比之下，DACT在各时期保持了相对稳定的相似度，表明其能有效适应最新的协同模式。 为更直观地理解DACT如何处理具体的漂移实例，我们从Tools数据集中选取了200个物品，使用t-SNE对其第1时期的协同过滤嵌入进行可视化，如图5所示。物品按其在编码本第一层的令牌分配着色，星形标记代表对应的编码嵌入。在两个子图中，大多数物品都位于其所分配令牌的编码嵌入附近，说明第一层令牌总体上能捕获主导的协同信号。然而，在图5(a)中（冻结分词器），圆圈标注的物品偏离了其原始编码嵌入，转而更接近其他编码嵌入，表明它们的协同语义在第1时期已发生漂移。而在图5(b)中，DACT将这些漂移物品重新分配到与其当前协同过滤嵌入更匹配的令牌，从而将标识符适配到最新的协同信号。 图5 物品潜在表示可视化 讨论 1. 协同漂移识别的挑战 我们的实验发现，在识别和应对协同漂移时存在两个主要挑战：（1）漂移边界的模糊性。协同信号的演化是一个渐进的过程，物品从"静止"到"漂移"之间并不存在明确的分界线。CDIM虽然通过端到端学习漂移模式来预测漂移置信度，但在漂移程度较轻微的边界区域，仍可能出现误判，导致部分轻微漂移的物品未被及时更新，或将噪声波动误识别为真实漂移。（2）冷启动物品的不稳定性。新物品由于交互数据有限，其协同嵌入本身就具有较大的不确定性。在这种情况下，CDIM难以准确区分新物品的协同信号变化究竟是由真实的用户偏好演化引起，还是仅仅源于初始交互数据的稀疏性和噪声。 2. 对实际系统的潜在影响 尽管DACT的核心设计聚焦于分词器端的增量更新，其影响会通过更新的标识符传递到整个推荐系统。首先，通过选择性更新而非全量重训，DACT大幅降低了计算开销，使得工业级推荐系统可以在有限的计算预算下实现更频繁的模型更新。其次，DACT通过稳定大多数物品的标识符，避免了大规模令牌重分配对在线服务造成的干扰，有助于维护推荐系统的服务稳定性。最后，DACT对漂移物品的及时适配能够帮助系统更快地捕捉到季节性趋势、突发事件等带来的用户行为变化，从而提升推荐的时效性和准确性。 3. 研究的局限性与未来方向 我们从以下三个方面阐述了研究的局限性与潜在改进方向：（1）漂移检测方面：当前CDIM通过top-K选择策略划分漂移与静止物品，这种固定比例的划分可能无法适应漂移强度随时间动态变化的场景。未来可探索自适应阈值机制，根据当前时期的整体漂移程度动态调整选择比例。（2）信号来源方面：本研究目前仅考虑了基于用户行为的协同信号漂移。未来可拓展至多模态信号的联合漂移检测，如结合物品内容特征的变化（如价格调整、描述更新）与协同信号的演化进行综合判断。（3）评估方面：实验基于三个Amazon数据集的离线评估，虽然验证了方法的有效性，但尚未在大规模工业级实时系统中进行部署测试。未来需要在更大规模、更长时间跨度的在线环境中评估DACT的实际效果。 总结 本研究的主要贡献如下： 我们研究了生成式推荐中协同感知分词器的增量学习问题，指出了现有方法忽略物品协同语义漂移的关键不足，并提出了漂移感知的选择性适配问题定义。 我们提出了DACT框架，通过协同漂移识别模块（CDIM）端到端地估计物品级漂移置信度，实现对漂移物品与静止物品的差异化更新策略，并结合层次化编码重分配策略有效平衡了可塑性与稳定性。 我们在三个真实数据集上使用两种代表性生成式推荐模型（TIGER和LC-Rec）进行了广泛实验，结果表明DACT在相同设置下持续优于强基线方法，验证了其在协同漂移环境下的有效性与高效性。 我们进一步通过消融实验、可视化分析和效率对比，深入分析了各组件的作用机制，讨论了协同漂移识别的挑战及未来研究方向，为生成式推荐的持续学习提供了新的视角。 如果您对本文内容感兴趣，可与通讯作者联系: zhangpeng_@fudan.edu.cn 实验室相关论文 [1] Jiahao Liu, Dongsheng Li, Hansu Gu, Peng Zhang, Tun Lu, Li Shang and Ning Gu. Unbiased Collaborative Filtering with Fair Sampling. SIGIR 2025. [2] Mingzhe Han, Dongsheng Li, Jiafeng Xia, Jiahao Liu, Hansu Gu, Peng Zhang, Ning Gu, Tun Lu. FedCIA: Federated Collaborative Information Aggregation for Privacy-Preserving Recommendation. SIGIR 2025 [3] Jiahao Liu*, Xueshuo Yan*, Dongsheng Li, Guangping Zhang, Hansu Gu, Peng Zhang, Tun Lu, Li Shang and Ning Gu. Improving LLM-powered Recommendations with Personalized Information. SIGIR 2025. [4] Jiahao Liu, Dongsheng Li, Hansu Gu, Tun Lu, Peng Zhang, Li Shang and Ning Gu. Triple Structural Information Modelling for Accurate, Explainable and Interactive Recommendation. SIGIR 2023. [5] Jiahao Liu, Yiyang Shao, Peng Zhang, Dongsheng Li, Hansu Gu, Chao Chen, Longzhi Du, Tun Lu, Ning Gu. Filtering Discomforting Recommendations with Large Language Models. WWW 2025. 如果您对我们实验室的相关工作感兴趣，欢迎访问我们的网站： 协同信息与系统实验室（CISL） 实验室网站主页：https://cscw.fudan.edu.cn/ 实验室Github主页：https://github.com/FudanCISL

论文导读 当不同母语的孩子共编故事，沉默像一块透明的坚冰，能看见彼此，话却温暖不进。SparkTales化作隐形的“交响指挥”，将差异化的兴趣与文化背景，调和为相互应和的和声。 AI如同深谙童心的“戏剧顾问”：察觉两人都爱冒险的默契，也捕捉对某个角色的执念，帮大人找到打开孩子话匣子的钥匙。 这背后是技术为“连接”而退让的隐喻：算法托住那些在语言转换中即将坠落的好奇心，让相隔山海的孩子在共编的故事里照见彼此。 近日，人机交互顶级学术会议 The ACM CHI conference on Human Factors in Computing Systems，CHI 2026（CCF A类会议）在西班牙巴塞罗那举行。实验室博士生赵雯欣作为第一作者，在会上报告论文“SparkTales: Facilitating Cross-Language Collaborative Storytelling through Coordinator-AI Collaboration” 该研究以大语言模型为技术基底，构建了面向跨语言教育场景的协作式讲故事SparkTales。跨语言协作式讲故事是儿童语言与文化教育中的重要实践，有助于提升儿童的语言表达能力与跨文化理解。研究深入剖析了协调者在组织儿童跨语言协作式讲故事时所面临的认知负荷与社会性挑战，包括难以兼顾多语引导、儿童兴趣捕捉与文化差异调适等现实困境。SparkTales通过建模儿童的个体与共同社会特征，动态生成故事框架、个性化提问与文化理解材料，有效分担了协调者的负担，使其得以回归更具深度的教育引导本身。实验表明，该系统不仅显著提升了儿童的互动参与度与语言表达意愿，也为构建人机协同的教育支持系统提供了新的理论视角。该成果可广泛应用于跨文化教育、儿童语言发展及教育公平实践，展现了人工智能赋能社会科学研究的可行路径与广阔前景。 会议简介 ACM CHI 2026 (The ACM Conference on Human Factors in Computing Systems)是国际公认的人机交互顶级学术会议，其在学术界和工业界享有极高声誉，是中国计算机学会推荐的A类国际学术会议。与其它计算机科学会议相比，CHI规模庞大，更加注重人与技术之间的互动、探索创新的交互方式、新兴技术在真实世界的应用、以及技术使用中的社会影响与伦理因素。今年CHI 2026会议录用结果公布，本次会议共收到6730份完整投稿，最终录用1703篇，录用率为25.3%。 论文简介 论文链接：https://arxiv.org/abs/2603.04806 协作式讲故事（Collaborative Storytelling）是一种被广泛应用于儿童语言教育与文化教学的实践形式，用于提升儿童的语言表达能力与理解水平。在协作式讲故事过程中，由教师或家长作为协调者的角色，提供待学习的目标词汇（通常为单语种或双语种）及基础的故事框架，通过提问、反馈等方式，引导儿童使用学习的语言围绕故事细节进行补充和情节改编，并轮流作为Storyteller进行故事续写（1个儿童作为Storyteller续写故事并补充细节，其它儿童作为Storylistener倾听故事并进行内容理解），最终共同形成结构完整故事作品。 协作讲故事尤其对于跨语言学习具有重要的作用，已成为跨语言学习的重要模式。首先，在跨语言学习中，与单纯的概念学习相比，协作式讲故事能够通过情境模拟、角色扮演和语言互动等多种形式启发儿童对于语言结构、文化背景及实际应用的认知、反思和灵活运用，从而实现语言能力与跨文化理解的综合提升。其次，在跨语言的协作讲故事过程中，儿童通过扮演Storyteller和Storylistener的角色，轮流协作共同创作与讲述故事，促进协作与互动，推动故事的发展，呈现出典型的配对式沉浸式学习效果。相较于传统的多人活动，配对式协作式讲故事的沉浸式学习更有效促进儿童之间的平等互教与相互支持，增强语言输入的真实感和互动的主动性，进而提升语言习得与跨文化交流能力。 然而，相比单语言场景，跨语言协作式讲故事也面临着新的问题，最为典型的是儿童参与度不足。协作式讲故事主要适用于需要提升口语语言能力的中小学生群体，尤其是处于皮亚杰认知发展理论中具体运算阶段（7-11岁）的儿童。该阶段儿童的认知发展尚处于具体思维阶段，抽象思维能力尚未成熟，因而在语言互动过程中容易出现语用理解偏差、话题中断以及互动策略不足等问题。同时，跨文化差异进一步加剧了这些困难，导致儿童在理解同伴意图时存在障碍，进而削弱了彼此之间的沟通意愿。这使得跨语言协作式讲故事非常依赖于协调者的引导和协调。然而，有效的引导和协调是非常具有挑战性的工作。一方面，协调者需要基于预设的目标词汇和故事框架，实时完成话题引导、提问设计等多项任务，对协调者的知识、经验和能力等提出了较高要求；另一方面，协调者与两位儿童之间会存在不同程度的文化、代际等的代购，导致协调者在与儿童的沟通过程中遇到障碍。上述多方面约束使得很多教师和家长时常难以扮演好协调者的角色，最终导致儿童难以充分的参与到协作式讲故事的任务。 这一背景启发我们思考如何设计用于辅助协调者的跨语言协作式讲故事工具，既减轻协调者负担，同时有效促进儿童在在线跨语言互动中的参与度。 用户调研 现状 跨语言儿童的协作式讲故事作为一个特殊的活动场景，基于该需求的辅助系统、工具和应用程序尚未在研究中充分探讨。因此，为了对这一场景中协调者的需求进行更加深入的理解，我们进行了一项形成性研究，以了解协调者在跨语言儿童在线交流中承担的角色、面临的问题和期望等。 协作式讲故事的互动性、趣味性和有效性被多位老师提到，并在相关实践中得到应用与检验。教师将其描述为“通过和学生一起创编故事来学习语言”的有效方法，强调该方法“通过丰富故事促进学生之间互动”的优势。根据用户调研，在跨语言协作式讲故事中，教师通常将其分为准备、讲故事和回顾三个阶段，以提升儿童参与度并维持互动连续性，如图1所示。 图1 协作式讲故事流程 发现 我们进一步探讨并总结了协调者在上述协作式讲故事的准备、讲故事以及回顾等环节中遇到的突出问题，以及他们对智能辅助工具的相应需求和期望。 F1：儿童在语言文化和兴趣偏好上的显著差异削弱了互动的驱动力，协调者期望辅助工具支持对儿童的特征配置与匹配以支持协作互动。 F2：儿童表达的自主性与开放性增加了协调者引导的不确定性，协调者期望辅助工具能够生成故事框架及相关的启发性和针对性的问题，以促进表达和互动。 F3：由于跨语言协作中协调者-儿童与儿童-儿童中存在显著的语言和文化理解障碍，协调者期望辅助工具能生成多模态素材来作为上下文和背景信息辅助理解。 F4：在协作式讲故事过程中，某一方的发言机会时常被弱化，协调者期望智能工具在提供故事框架、辅助提问以及多模态素材生成等功能的同时，结合儿童的共性和个性特征，协调双方发言以确保参与度的平衡。 F5：协调者系统记录和追踪儿童在协作式讲故事过程中的表现较为困难，期望辅助工具能自动生成反馈报告，并将结果转化为后续个性化配置。 设计 基于上述发现，我们针对基于多模态大模型的辅助协调者协作式讲故事过程工具设计提出了以下5个设计目标： D1：支持协调者配置与动态更新儿童个性化异同特征（F1） D2：提供共性与个性共同驱动的协作式讲故事辅助 D2-1：基于儿童共性特征的目标词汇驱动型故事框架生成（F1，F2，F4） D2-2：基于儿童个性特征的多元化提问生成（F1，F2，F4） D2-3：基于儿童个性特征和互动语境的理解辅助多模态内容生成（F1，F3，F4） D3：围绕协作式讲故事过程提供互动记录和基于回顾的个性化配置优化建议（F1，F5） D4：保证协调者对于系统的可控性（F1-F5） 系统设计 图2 SparkTales框架图 根据用户调研及形成的设计目标，我们设计并实现了SparkTales—— 一个基于大模型、面向跨语言场景的协作式讲故事辅助智能系统，旨在协助在协作式故事活动开展过程中，提供基于儿童个体与共性特征的辅助内容。我们将在本章节中详细介绍SparkTales的设计和实现过程。 SparkTales系统整体架构如图2所示，由以下五个核心模块组成： 配置模块：该模块支持协作者根据协作式讲故事目标选择目标词汇，并根据活动中参与儿童的具体情况，配置其相关特征信息，包括语言水平、文化背景、年龄、性别和性格等基础信息，以及主题、内容特色以及互动方式等偏好信息。 个性特征总结模块：根据系统中配置的儿童特征，对每位参与儿童进行个性化特征的提取与总结，形成个性化特征，突出其在偏好、能力和行为等方面的个体差异性，为后续生成强调个体特色的内容提供支持。 共性特征总结模块：基于配置的儿童特征，利用儿童特征指南，通过完全匹配、部分匹配和推理推断等方式，深入挖掘两位儿童之间在兴趣、表达方式等偏好方面的共性特征，生成共性特征，为后续共享任务中内容的生成提供有力支持。 协作式讲故事模块：基于个性化特征和共性特征，为协作式讲故事活动生成故事框架、多元化提问和辅助理解内容，帮助coordinator有效引导儿童持续表达，协作完成故事的填空、改编与续写任务，促进故事情节的连贯发展，最终生成完整的最终协作式故事书作为成果。 回顾与反馈模块：在协作式讲故事活动结束后，系统自动生成基于儿童参与度及其特征反馈的总结报告，为协作者提供活动质量的评估参考，支持其反思儿童的参与表现与自身的实践过程。同时模块对儿童在活动中表达的基础信息和偏好特征进行汇总，并与配置中的数据进行对比分析，生成更新建议及相应解释。协作者可根据建议自主决定是否采纳更新，从而支持协作式讲故事活动的持续优化与个性化调整。 结果分析 围绕设计目标，我们设计了度量标准对SparkTales进行了广泛的评估，以探索以下三个研究问题： RQ1: 协调者是否认为SparkTales功能完备、高效且易于使用？ RQ2: SparkTales能否提升儿童的参与度？ RQ1 经过分析，我们将SparkTales共性与个性动态结合机制的核心优势总结如下： 准确性表现突出：教师一致强调总结模块在概括儿童特征上的精准性，这不仅保证了生成内容能够满足每位儿童的个性化需求，也提升了在配对式互动环节中内容的准确性和适宜性。这些反馈表明，高准确性的特征总结为教师提供了可靠依据，使问题设计和素材呈现既精准又符合互动需求，从而显著提升了协作式讲故事的整体质量与效率。 实现个性化与共性化的平衡：个性化总结与共性总结在差异化回应与整体活动节奏之间形成互补，使协作式讲故事既关注每位儿童的个性，又兼顾参与的两位儿童共性特征，从而保持整体流程的连贯与顺畅。这些反馈显示，个性化与共性化的平衡是支持教师有效组织协作式讲故事的核心优势。 功能支撑充分：两个总结模块提供了稳定的语义基础，使内容生成任务具备系统化、可依赖的支撑能力。这些评价显示，系统在组织活动方面提供了实质性和充分的功能帮助，使协作式讲故事过程能够顺利推进，也提升了儿童参与的积极性。 易用性支持活动即时操作：个性化与共性化特征总结以清晰、结构化的方式呈现，使教师在活动中能够快速理解和应用，从而支持实时操作和即时决策。这些反馈显示，总结模块的高可读性和操作便捷性显著降低了教师的认知负荷，使他们能够在活动中迅速做出判断并高效组织内容。 RQ2 基于本研究的核心目标，我们需要评估SparkTales在协作式讲故事过程中对儿童言语投入的影响。参考亲子共读领域的相关文献，我们通过分析儿童对活动中问题的回答来衡量其言语投入水平，具体包括：问题数、产出性、词汇多样性、话题相关性、准确性和可理解性。结果如图3所示。 图3 儿童参与度评估 综上所示，在SparkTales辅助协调者开展的协作式讲故事过程中，大部分指标均体现出儿童语言参与度的显著提升，其表达能力在语言产出量、词汇丰富度、话题相关性、回答准确性以及可理解性等方面都有所增强。同时，SparkTales能够根据儿童不同的语言能力水平，结合共性与个性特征，灵活调整问题设置与引导方式，从而不仅促进了儿童的积极表达，也提供了更具针对性和支持性的互动环境。 讨论 协调者角色的转变 SparkTales的引入使跨语言协作讲故事从协调者主导转向协调者-AI协作，显著减轻了协调者在处理多任务时的负担。然而，系统引入也带来挑战。首先，对不同经验水平的协调者会带来多种使用问题。经验较少的协调者倾向于过度依赖LLM生成内容，而经验丰富的协调者会批判性评估系统输出并花更多时间手动调整。同时，AI介入对协调者-儿童互动也会带来影响。未来研究可考虑针对不同经验水平的协调者采用分层引导和推荐机制。 儿童参与度的提升 SparkTales通过利用儿童的共同和个体特征来提升参与度。共同特征方面，系统通过语义匹配和推理识别共享特征，生成与双方画像一致的内容，激发互惠表达和协作探索。个体特征方面，系统根据每个儿童的特征提供个性化内容和反馈，确保参与在其能力范围内，同时从实时语言输出中调整后续内容。通过整合共同和个体特征，SparkTales拓宽了传统跨语言协作讲故事的适用范围。共享内容建立共同基础，个性化内容满足个体需求，减少了沟通障碍，支持有效表达、理解和语言实践。然而，系统也带来挑战。SparkTales通过调节每个儿童回答问题数量来平衡发言机会，这种"绝对公平"可能抑制儿童的潜力和主动性。同时，儿童个性特征在内容生成与活动设计中也可能带来挑战。未来可探索更灵活的平衡策略，如"相对公平"，在不同活动阶段采用不同机制。与此同时，可优化内容生成与任务设计、提升协调者支持与筛选能力，并建立AI内容动态审核机制，以防止内容极化、保障安全并促进儿童语言与认知的全面发展。 控制与可见性的平衡 SparkTales允许协调者对AI进行灵活控制，这是确保系统支持而非替代的关键。协调者可以编辑故事内容、选择问题、管理多模态输出，同时根据情境灵活调整AI辅助程度。然而，协调者控制也可能带来问题。过度依赖或忽视AI生成内容可能影响输出质量。SparkTales设计为AI对儿童不可见，只呈现协调者选择的内容，这有助于维持儿童专注并培养对成人的信任。但完全不可见的AI可能限制儿童接触新技术和自主探索。未来可探索在协调者调节条件下，灵活调整AI可控性和可见性。 泛化性 本研究聚焦于教师协调、中英文双语、7-11岁儿童的特定场景，但 SparkTales 的设计原则与核心机制具有一定的可推广性，有望适用于不同年龄段、语言环境及协调器角色的场景中。 小结 本研究开发了SparkTales系统，旨在应对跨语言协作讲故事活动中协调员面临的多维度任务与文化挑战，助力深化儿童互动体验并提升其参与主动性。通过形成性研究，我们明确了协调员的需求与期望，据此设计出具备多阶段AI辅助功能的SparkTales。实地评估表明，该系统在减轻协调员工作负担、促进儿童参与方面成效显著，但也暴露出个性化体验与用户多样性方面的局限。这些发现启示未来研究需开发适应性协调策略与动态交互机制，在平衡儿童、协调员与AI三方关系的同时，提升系统的适用性与普适性。 如果您对本文内容感兴趣，可与通讯作者联系: zhangpeng_@fudan.edu.cn 实验室相关论文 [1] Wenxin Zhao, Fangyu Yu, Peng Zhang, Hansu Gu, Lin Wang, Siyuan Qiao, Tun Lu, and Ning Gu. 2025. YouthCare: Building a Personalized Collaborative Video Censorship Tool to Support Parent-Child Joint Media Engagement. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). Association for Computing Machinery, New York, NY, USA, Article 1042, 1–20. [2] Yaqiong Li, Peng Zhang, Hansu Gu, Tun Lu, Siyuan Qiao, Yubo Shu, Yiyang Shao, and Ning Gu. 2025. DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship. Proc. ACM Hum.-Comput. Interact. 9, 2, Article CSCW061 (May 2025), 24 pages. 如果您对我们实验室的相关工作感兴趣，欢迎访问我们的网站： 协同信息与系统（CISL）实验室 实验室网站主页：https://cscw.fudan.edu.cn/ 实验室Github主页：https://github.com/FudanCISL

论文导读 在每一次在线纠纷中，规则、威胁、专业术语如同隐形的砝码，将公正的天平悄悄拽向强势一方。或许都曾体会：对方一句“这是平台规定”，就轻易瓦解了你所有的据理力争。 人类审核者难逃这权力引力，AI的加入像一面布满指纹的镜子——擦除了多数偏见污迹，却在权威的角度反射出更刺目的光。 偏见并非靠技术就能一键清零，它是权力结构的固有回响，若不剥离这层底色，AI只会让旧日回声借新声放大，弱势者的控诉终将沉没于喧嚣。 近日，人机交互顶级学术会议 The ACM CHI conference on Human Factors in Computing Systems，CHI 2026（CCF A类会议）在西班牙巴塞罗那举行。实验室博士生李亚琼作为第一作者，发表论文“Power Echoes: Investigating Moderation Biases in Online Power-Asymmetric Conflicts”。 在当今平台治理日益重要的背景下，内容审核的公正性成为广受关注的话题。该文章聚焦在线权力不对称冲突中的内容审核偏见问题，结合社会心理学“社会权力基础”理论，系统探讨了人类审核员在面临权力不对称冲突时所表现出的权力相关偏见类型，并进一步分析了AI建议对这些偏见的影响。本研究以在线环境中真实发生的消费者与商家冲突为实验情境，采用混合实验设计方法对50名参与者开展了系统研究。研究发现，人类审核员在审核过程中存在五种倾向于支持权力强势方的偏见类型，包括合法诉求、惩罚威胁、补偿、专业知识以及内容长度偏见。这些因素会在无形中影响审核判断，使人类审核员更倾向于支持权力强势方（商家）。当AI建议被引入协助审核决策时，我们发现多数审核偏见得到明显缓解，包括惩罚威胁、补偿、专业知识和内容长度偏见；少数偏见却被放大，其中合法诉求偏见被加剧，新的权威引用偏见被引入。基于上述发现，本文不仅揭示了在线权力不对称冲突情境下的内容审核机制，也为未来构建更加公平的人机协作审核系统提供了重要启示，尤其是设计AI辅助的内容审核系统时，需考虑其可能对人类判断产生的放大效应，从而在技术赋能的同时，避免新的偏见被引入。 会议简介 ACM CHI 2026 (The ACM Conference on Human Factors in Computing Systems)是国际公认的人机交互顶级学术会议，其在学术界和工业界享有极高声誉，是中国计算机学会推荐的A类国际学术会议。与其它计算机科学会议相比，CHI规模庞大，更加注重人与技术之间的互动、探索创新的交互方式、新兴技术在真实世界的应用、以及技术使用中的社会影响与伦理因素。今年CHI 2026会议录用结果公布，本次会议共收到6730份完整投稿，最终录用1703篇，录用率为25.3%。 论文简介 论文链接：https://arxiv.org/abs/2603.01457 Twitter和Yelp等平台一直是促进社交互动和活动的重要媒介。随着这些平台的用户基数不断扩大，不同角色之间的冲突变得日益普遍，给平台监管带来了挑战。例如，在像Yelp这样的电子商务平台上，消费者与商家之间因产品质量或服务问题而产生的冲突频繁发生。根据《全球数字信任与安全指数》报告，2023年第三季度全球范围内此类冲突报告多达数百万起。不同角色之间的冲突通常具有显著的结构性特征，它们往往发生在权力不对等的关系中。一方通常拥有更多的专业知识和资源（例如商家或雇主），而另一方则缺乏冲突解决经验，并严重依赖平台的协调（例如消费者或工人）。以在线购物场景为例，当消费者对商品质量提出投诉并给出负面评价时，商家可能会援引平台的“恶意评价处理规则”来提出投诉，并提供详细的解释。相比之下，消费者的谈判技巧、规则解释能力以及申诉渠道通常都很有限，他们难以提供更多的证据，最终导致他们的评价被判定为不合适。 许多平台引入了审核策略来处理权力不对等的冲突问题。与传统内容审核方式（如毒性语言审核和隐私内容审核）不同，权力不对等冲突审核需要在权力失衡的背景下以及双方模糊表述的情况下，对“谁更可信、谁应该得到支持”做出判断，这大大增加了审核的难度。因此，目前多数平台依靠人工审核员或众包审核员来进行权力不对等冲突审核。然而，现有研究表明，在涉及主观判断的冲突场景中，人工审核员往往难以始终保持中立，他们的观点往往受到政策模糊性、任务压力或个人信念的影响。例如，Reddit 监督者在处理用户冲突时往往会强化现有的权力结构和主导的社区价值观，从而导致边缘化的声音被忽视或删除。心理学中的“弱者效应”也表明，人类审核员在冲突判断中可能会同情较弱的一方。这些发现表明，在权力不对等的冲突审核中，人类审核员的判断不仅会受到个人立场和偏好的影响，还会受到强势一方的社会权力线索（如语言风格、规则引用和表达自信）的进一步放大，从而影响监督过程的公正性。因此，本文提出第一个研究问题（RQ1）：在处理权力不对等的冲突时，人类审核员会表现出哪些与权力相关的偏见？ 随着基于机器学习和深度学习的AI工具的不断发展，尤其是大型语言模型（LLMs）的出现，AI辅助的审核工作在各种平台上变得越来越普遍。它们被广泛用于生成解释、提供决策建议以及确定风险等级，从而显著提高了内容审核效率。然而，现有研究表明，人类审核员对 AI 生成建议的接受程度也受到人们对该建议是否由AI生成这一认知的影响。这种现象属于算法遵从效应，即用户对“这是GPT-4大模型的判断结果。”可能会持有不同态度。因此，本文进一步提出第二个研究问题（RQ2）：AI生成的建议将如何影响在权力不对称冲突审核中的人类审核员的权力相关偏见？这些偏见会增强还是减轻？ 为解决两个研究问题，本文关注两种判断模式，即人类审核和人类与AI协作审核，并系统地探究了在权力不对称冲突审核中相应的偏见类型。基于“社会权力基础”理论中定义的六种权力类型，我们将消费者与商家之间的冲突作为代表性的权力不对称场景，并从大众点评平台收集真实数据以进行审核偏见研究。我们通过编码方式提取了与在线冲突情境相匹配的权力表现形式，然后引入了权力不对称冲突审核中潜在的与权力相关偏见的分类，例如合法诉求偏见、惩罚威胁偏见等。然后，本文采用包括组间和组内实验的混合设计方法，并开发了一个名为“I Support”的程序进行实验。实验共招募了50 名参与者，并随机分配到人类审核和人类与AI协作审核组。对于RQ1，人类审核组的参与者独立阅读权力不对等的冲突样本，且不受外部建议的影响。每个冲突样本包含一种权力表现（例如合法诉求），参与者需要使用Likert 量表判断他们希望支持哪一方。研究中的“支持某一方”意味着审核员认为该方陈述更合理或更可信。通过比较他们在不同情况下的决策，我们可以确定哪些权力表现更有可能引发有偏见的判断，从而揭示人类审核中存在的偏见。对于RQ2，对于相同的冲突样本，人类与AI协作审核组的参与者会获得额外的AI生成建议。为了控制不同大语模型输出的潜在差异，本文采用了“Wizard-of-Oz”设计，从而研究参与者对AI生成建议的看法如何影响他们的审核决策。具体地，我们首先利用来自真实审核员的众包数据编制了高质量建议，并告知参与者这些建议是由“AI”生成的。通过比较两组在不同权力表现下的判断，我们探究了AI辅助审核是否会放大或减轻不同的偏见。通过定性定量分析发现，对于RQ1，人类审核存在五种与权力相关的偏向，倾向于支持权力强势方（商家）。对于RQ2，这些偏见在人类与AI协作审核中依然存在。尽管AI辅助缓解了人类审核中的大部分偏见数审核偏见得到明显缓解，包括惩罚威胁、补偿、专业知识和内容长度偏见；但它也放大了少数偏见，其中合法诉求偏见被加剧，新的权威引用偏见被引入。此外，当AI生成建议采用不支持对立方的观点策略时，可能会促使审核员支持权力弱势方（消费者）。这些发现为改进审核过程和减轻审核偏见提供了实证依据。 在线权力不对称冲突的权力表现形式 本文首先回顾了社会互动中的权力类型，并根据现有理论和实证研究推导出相应的潜在偏见类别。社会心理学家提出的“社会权力基础”理论将社会权力分为六类：合法权力、强制权力、奖励权力、专家权力、参照权力和信息权力。这一框架已在线下人际互动、组织沟通和谈判研究中得到广泛应用，近年来也用于解释在线互动中的权力动态。这些应用为描述权力关系和理解在线冲突中的权力不对称提供了理论视角。因此，本研究以“社会权力基础”理论为参考，将在线消费者与商家之间的冲突作为研究场景进行了实证分析，系统地探究在线权力不对称冲突中各类权力的表现形式。 数据收集：本文选择“大众点评”平台作为数据来源，原因包括：1）大众点评是中国领先的本地生活服务平台，涵盖餐饮、酒店、娱乐和旅游等领域，拥有超过 2.5亿用户，其功能与Yelp和TripAdvisor类似；2）大众点评的评论区中消费者与商家之间存在大量争议和冲突，这些冲突表现出信息不对称和角色地位差异等权力不对等的特点；3）该平台提供“公众评论”功能，这是一种典型的众包审核方法。该功能公开展示了冲突样本，并允许不同用户投票，同时还会显示投票结果和详细原因。 整体分析：依据“社会权力基础”理论，我们对在线冲突语料库中六种权力类型的具体表现形式进行了研究。通过开放式迭代编码等定性分析方法，我们对冲突语料库中的六种权力类型的表现形式进行分析，最终提取了十种权力表现形式，包括合法诉求、权威引用、惩罚威胁、补偿、专家知识、群体偏好、陈述顺序、表达语气、选择陷阱和长度差异（见表1）。 表1 在线权力不对称冲突中的权力表现形式 实验设计 基于权力不对等表现分类法，本文采用干预设计来探究审核员与权力相关的偏见，流程如图1所示。我们首先通过在真实冲突语料库中添加与每个偏见相关的干扰来准备实验数据（见表2），然后采用包含组间和组内变量的混合实验设计（见图3）。其中，组间变量区分人类审核和人类-AI协作审核模式，组内变量是每个参与者随机阅读冲突样本的初始版本或干扰版本。 图1 实验设计流程 表2 初始样本和干扰样本示例 图2 “I Support”程序设计 结果分析 本节展示了实验结果。首先，本文展示了人类审核组和人类与AI协作审核组在判断任务中的总体结果（表3），以验证数据分布的均衡性。针对RQ1，本文研究了人类审核小组在不同干扰下的判断变化情况。对于RQ2，本文分析了人类审核组和人类与AI协作审核组在不同条件下的判断变化情况。最后，我们比较这两种模式之间的差异，以揭示AI辅助可能产生的潜在影响。本文使用G*Power方法对实验数据进行功效分析，基于来自同一样本ID在不同条件下的配对结果采用配对t-test方法。在效应大小为Cohen’s dz = 0.50，显著性水平0.05，统计功效0.95的条件下，两组完成配对样本均达到阈值（54），确保统计功效。为避免参与者主观偏见的影响，本文对人类审核组在初始条件下的判断结果进行了混合效应模型分析，用户ID和初始样本ID被设定为随机截距。结果表明，模型截距不显著，参与者对商家或消费者没有表现出显著的偏向。对于随机效应，用户层面的方差较小（0.31），表明参与者没有展现出明显个体差异；样本层面的方差（0.62）显示不同的初始样本在审核过程中虽引入波动，但未达到统计学显著水平。 表3 不同干扰条件下，人类审核和人类与AI协作审核组样例完成的数量分布 人类审核员在多数干扰条件下倾向于支持权力强势方：在人类审核结果分析中，我们发现有五种权力表现形式能够显著影响审核员的判断（见表4和图3），包括合法诉求、惩罚威胁、补偿、专业知识以及长度差异，这些因素促使审核员倾向于支持处于强势地位的一方（即商家）。此外，尽管其他干扰因素未达到统计学显著水平，但分布变化和访谈反馈表明它们也可能对审核员的判断产生影响。 表4 人类审核和人类与AI协作审核组的组内配对t-test结果 图3 与初始样本相比，不同干扰条件下人类审核组的选择分布 与权力相关的偏见在人类与AI的协作审核中依然存在：人类与AI协作审核在多数干扰条件下仍倾向于支持权力强势方。在人类与人工智能的审核过程中，我们发现有五种权力表现形式会影响审核者的判断（见表4和图4），包括合法诉求、权威依据、惩罚威胁、补偿以及长度差异，这些因素引发了偏向支持强势一方（商家）的偏见。尽管其他干扰因素未达到统计学显著水平，但选择“中立”的比例呈现出下降趋势，这表明这些表现促使审核者将判断从中立转向明确立场。AI缓解了多数与权力有关的偏见，但也强化了少数偏见。在不同干扰条件下，AI的引入对审核因素有着不同的影响（见表5和图5)。对于人类审核中多数与权力相关的偏见，引入AI生成的建议能够减轻审核员在支持强势一方时的偏见。然而，在合法诉求干扰条件下，AI则会放大现有偏见。 图4 与初始样本相比，不同干扰条件下人类与AI协作审核组的选择分布 表5 人类审核和人类与AI协作审核组的组间配对t-test结果 图5 与人类审核组相比，人类与AI协作审核组在不同干扰条件下的选择变化 小结 本文详细研究了权力不对等冲突中人类审核和人类与AI协作审核两种模式的权力有关偏见。通过一项包含50名参与者的混合设计实验，我们发现两种审核模式均表现出对支持权力强势方的权力相关偏见。尽管AI生成的建议缓解了人类审核员的多数偏见，但它也放大了少数偏见。此外，当AI生成的建议采用不支持对方的原因策略展示时，也会一定程度上促进审核员支持权力弱势方。这些发现为权力不对等冲突审核机制和AI辅助的审核系统设计提供了若干见解。 如果您对本文内容感兴趣，可与通讯作者联系: zhangpeng_@fudan.edu.cn 实验室相关论文 [1] Yaqiong Li, Peng Zhang, Hansu Gu, Tun Lu, Siyuan Qiao, Yubo Shu, Yiyang Shao, and Ning Gu. 2025. DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship. Proc. ACM Hum.-Comput. Interact. 9, 2, Article CSCW061 (May 2025), 24 pages. [2] Wenxin Zhao, Fangyu Yu, Peng Zhang, Hansu Gu, Lin Wang, Siyuan Qiao, Tun Lu, and Ning Gu. 2025. YouthCare: Building a Personalized Collaborative Video Censorship Tool to Support Parent-Child Joint Media Engagement. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). Association for Computing Machinery, New York, NY, USA, Article 1042, 1–20. [3] Jiahao Liu, Yiyang Shao, Peng Zhang, Dongsheng Li, Hansu Gu, Chao Chen, Longzhi Du, Tun Lu, and Ning Gu. 2025. Filtering Discomforting Recommendations with Large Language Models. In Proceedings of the ACM on Web Conference 2025 (WWW '25). Association for Computing Machinery, New York, NY, USA, 3639–3650. 如果您对我们实验室的相关工作感兴趣，欢迎访问我们的网站： 协同信息与系统（CISL）实验室 实验室网站主页：https://cscw.fudan.edu.cn/ 实验室Github主页：https://github.com/FudanCISL

论文导读 当你在评论区偶遇一句刺眼的恶言，手指悬在键盘上，最终却还是划走——怕孤军奋战，怕恶意反扑，怕那句“关你什么事”。这一刻，你成为沉默的大多数。 基于大语言模型的反言论助手 Civilbot，则像一台内置策略引擎的辩手：它能识别仇恨言论的上下文，自动援引事实与逻辑，生成理性或感性的反驳。旁观者只需按下一个“赞”——因为你看到了意见的代表，也看到了可以模仿的榜样。它输出的每一条回应，都是一份可复用的模板，让犹豫的人终于敢写下自己的第一句反驳，或者留下哪怕只是声援与表态。 算法不止会筑起信息茧房，也能成为社群文明的锚点。只要有人率先开口，定下文明的基调，沉默便不再是唯一答案。 近日，人机交互顶级学术会议 The ACM CHI conference on Human Factors in Computing Systems，CHI 2026（CCF A类会议）在西班牙巴塞罗那举行。实验室博士生王梦瑶作为第一作者，在会上报告论文“Echoes of Norms: Investigating Counterspeech Bots' Influence on Bystanders in Online Communities”。 反言论（counterspeech）为在线社区治理仇恨言论提供了一种非压制性的替代路径。既有研究主要关注反言论聊天机器人如何约束仇恨发言者、支持受害者，却较少探讨其对“旁观者”的影响。然而，在多数网络冲突场景中，真正占据数量优势、并潜在影响舆论走向的，往往正是这些未直接发声的旁观者。为此，我们构建了一个系统化的反言论策略框架，并基于该框架开发了反言论机器人 Civilbot，通过混合方法的被试内实验设计，系统考察其对旁观者认知与行为的影响。研究发现，旁观者普遍认为 Civilbot 具有较高的可信度与规范性，但其相对浅层的论证深度在一定程度上限制了说服效果。其行为影响呈现出微妙而情境化的特征：当表现良好时，机器人能够引导旁观者参与讨论，甚至在一定程度上“代为发声”；当表现欠佳时，则可能抑制旁观者参与，或反向激发其主动介入。进一步分析表明，策略选择至关重要。诉诸理性的认知型策略整体更为有效，尤其是在搭配积极语气时效果更佳；而策略与语境的不匹配则可能削弱影响力。基于上述发现，我们提出了一系列面向设计的启示，旨在更有效地动员旁观者、塑造在线讨论的互动规范，强调在何时介入、如何通过以推理为核心、具备情境敏感性的策略实现更具建设性的公共对话。 本研究不仅拓展了对反言论机器人作用机制的理解，也为在线社区中“规范如何被看见、被回应、被再生产”这一问题提供了新的实证视角。通过关注旁观者这一长期被忽视的关键群体，我们揭示了技术如何在不依赖压制性手段的前提下，潜移默化地影响公共讨论生态，并为构建更具包容性与理性表达空间的数字社区提供了理论与实践基础。 会议简介 ACM CHI 2026 (The ACM Conference on Human Factors in Computing Systems)是国际公认的人机交互顶级学术会议，其在学术界和工业界享有极高声誉，是中国计算机学会推荐的A类国际学术会议。与其它计算机科学会议相比，CHI规模庞大，更加注重人与技术之间的互动、探索创新的交互方式、新兴技术在真实世界的应用、以及技术使用中的社会影响与伦理因素。今年CHI 2026会议录用结果公布，本次会议共收到6730份完整投稿，最终录用1703篇，录用率为25.3%。 论文简介 论文链接：https://arxiv.org/abs/2603.03687 在线社区旨在构建开放、多元与理性讨论的公共空间，但仇恨言论（hate speech）的扩散正在持续削弱这一理想。仇恨言论通常指针对特定群体、具有攻击性与伤害性的表达形式，不仅会对个体造成情绪与心理层面的严重伤害，也会在群体层面强化刻板印象与社会偏见。更重要的是，它具有明显的传播与模仿效应：当用户暴露于敌意表达时，即便本身并非高度攻击性个体，也更可能产生类似言论，从而推动负面互动的扩散。这一过程本质上影响的并不仅是单条内容，而是社区规范（community norms）的形成机制。在线讨论中的“什么可以说”“什么值得回应”“什么会被默认”并非天然存在，而是在互动中不断被再生产。当仇恨言论频繁出现且缺乏公开回应时，沉默可能被误读为容忍，进一步固化“多数人默认”的社会感知。传统内容审核（content moderation）主要依赖删除、封禁或降权等限制性手段。然而，过度依赖压制式干预可能带来误删风险，也难以处理隐性或语境化的仇恨表达。在此背景下，反言论（counterspeech）逐渐被视为一种非压制性（non-repressive）、以“以言对言”为核心的替代路径。通过公开回应、理性论证、情感支持或价值重申，反言论不仅针对具体事件发声，更通过可见的表达影响旁观者认知，从而参与社区规范的塑造。 随着生成式人工智能的发展，反言论聊天机器人（counterspeech chatbot）逐渐成为可能。已有研究围绕语料构建、生成模型训练与策略增强展开，重点考察其如何约束仇恨发言者或支持受害者。然而，作为在线社区中人数最多、影响广泛的群体，针对旁观者（bystanders）的研究却不足。旁观者并非中立存在。他们通常倾向于反对仇恨言论，却往往选择沉默。沉默可能被解读为默认，从而强化“多数人容忍仇恨”的感知，并加剧沉默螺旋（spiral of silence）。既有研究表明，人类发起的反言论能够打破这种感知，甚至触发从众效应（herd effect），激发更多人发声。然而，当反言论由机器人发出时，它是否能够产生类似的社会影响？这种技术介入，是否同样能够改变旁观者的认知与行为倾向？为此，本研究提出两个核心研究问题： RQ1：旁观者在多大程度上认同聊天机器人的反言论，并在行为倾向上发生变化（例如，对论证强度的感知、对机器人的可信度评价，以及自身进行反言论的信心）？ RQ2：不同类型的聊天机器人反言论策略，如何影响旁观者对回应的认同程度，以及其行为倾向的变化？ 为系统研究反言论策略，我们构建了一个三维策略框架，涵盖句式形式（疑问/陈述）、语气（积极/消极）与策略意图（认知型与情感型），组合形成八种反言论策略。在此基础上，我们开发了原型机器人 Civilbot，使其能够在不同语境下生成对应策略的反言论回应。我们采用混合方法（mixed-method）的被试内实验设计（within-subject design），邀请对敏感议题感兴趣、通常在公共讨论中保持沉默、但明确反对仇恨言论的参与者加入研究。每位参与者在多个议题情境下阅读仇恨言论与 Civilbot 的回应，并完成前后测量与半结构化访谈。研究指标包括：反言论质量感知（如论证强度与说服力）、主观认同（如可信度与重要性评价），以及行为倾向（如反言论信心与参与意愿）。研究结果表明，Civilbot 的反言论能够影响旁观者对回应内容与机器人的整体判断，并对行为倾向产生细微但可观察的影响。参与者普遍认为机器人具有可信度，并能够传递社区规范信号；然而，其推理深度有限，在一定程度上制约了说服效果。行为层面呈现情境化特征：当表现良好时，机器人可以引导旁观者参与，甚至在一定程度上“代为发声”；当表现欠佳时，则可能抑制参与，或激发旁观者主动介入。策略因素具有关键作用。整体而言，认知型策略相较情感型策略更具效果；语气与句式的影响则依赖具体语境及其与策略的匹配程度。基于上述发现，我们提出了面向设计的启示：反言论机器人不仅需要判断“是否介入”，还需要明确“为何介入”，并通过以推理为核心、信息支持充分、情境敏感的策略，更有效地参与社区规范的建构。 反言论策略框架构建 表1 反驳策略的框架 为了系统研究不同反言论策略对旁观者的影响，我们首先构建了一个结构化的反言论策略框架，我们围绕仇恨言论干预与反言论生成研究开展文献梳理，在既有策略标签基础上，通过归纳式编码（inductive coding）整合与重组策略类型，并以精细化可能性模型（Elaboration Likelihood Model, ELM）为理论基础，将策略区分为不同的影响路径。最终框架由三个二元维度构成： 句式形式（Sentence Type）。区分疑问式与非疑问式表达。疑问式反言论（如反问）被视为一种独立策略形式，其作用在于引发批判性思考或挑战前提；其他表达形式（陈述、祈使等）则归为非疑问式。 语气（Tone）。区分积极语气与消极语气。积极语气强调礼貌、合作与同理心；消极语气则更具批评性或对抗性，可能包含讽刺或直接指责。为保证实验可控性，我们采用二元划分。 策略意图（Strategic Intent）。参考 ELM 理论，我们将策略意图分为认知型策略（Cognitive Strategy）和情感型策略（Affective Strategy）。前者通过改变认知路径产生影响，例如驳斥错误信息（rebutting falsehoods）或强调事实与证据（highlighting truth）。后者通过情绪唤起影响判断，例如谴责仇恨发言者（denouncing hate speakers）或支持受害群体（supporting targets of hate）。 最终构成一个 2 × 2 × 2 共八种不同反言论策略，为后续实验中的刺激材料提供清晰可控的操作基础。 实验设计：从真实语料到可控情境 反仇恨语料构建。我们基于来自知乎（Zhihu）的中文偏见语料库 CDIAL-BIAS DATASET筛选仇恨言论样本，最终保留涵盖性别、种族、地域与职业四类议题的27条代表性仇恨言论。随后，基于前述三维反言论策略框架，利用 GPT-5 生成严格对应八种策略组合的回应文本，并通过双人标注验证其在“句式、语气、策略意图”三个维度上的一致性，确保实验材料的可控性与策略纯度。 模拟平台与界面设计。为增强生态效度，我们构建了一个仿知乎结构的模拟讨论平台，复现问答浏览体验。为避免额外线索干扰，我们移除了点赞、评论排序等社会信号，仅保留问题、若干中性回答、仇恨言论及 Civilbot 的反言论回应。Civilbot被明确标注为平台官方账号，以避免人格化或性别化联想。所有视觉元素与呈现顺序均经过控制，以隔离反言论策略本身的影响。 图1 模拟讨论平台的示例页面 参与者招募与筛选。我们通过便利抽样与滚雪球抽样方式，在微信平台招募参与者。研究重点为“潜在旁观者”：活跃于网络社区、关注敏感议题、反对仇恨言论，但通常保持沉默的用户。样本量基于 G*Power 功效分析确定，满足重复测量设计所需统计功效，最终纳入52名有效参与者。研究通过伦理审批。 实验流程。实验采用被试内设计（within-subject design），每位参与者在八个不同议题情境中分别体验八种反言论策略。参与者首先浏览仇恨言论并完成前测评价，随后阅读 Civilbot 的回应，再完成后测。议题顺序与策略分配均随机化，以避免固定搭配造成偏差。实验结束后进行半结构化访谈，深入了解参与者对机器人角色、策略效果及社区规范影响的主观理解。 图2 实验流程 测量指标。我们围绕反言论质量感知（如论证强度与说服力）、主观认同程度（如可信度与重要性）、行为倾向变化（如反言论信心与参与意愿）三个核心维度进行测量。 数据分析。本研究采用混合方法（mixed-methods approach）。在定量分析方面，我们通过单因素与双因素方差分析（ANOVA）检验“策略意图、语气、句式形式”三个维度的主效应与交互效应，并结合探索性比较分析不同策略组合之间的差异。在定性分析方面，我们对访谈与开放式反馈进行主题分析（thematic analysis），归纳参与者对 Civilbot 可信度、情境适配性与规范影响的理解，从而补充量化结果。 实验结果 图3 RQ1、RQ2结果与设计启示总览 1. RQ1：反言论机器人对旁观者的整体影响 结果显示，Civilbot 的影响是复杂而有限的，但具有稳定的规范价值。在态度层面，参与者普遍将 Civilbot 视为一种“合法的规范性声音”。它强化了“仇恨言论不可接受”的社区共识，也为长期沉默的用户提供了心理支持。然而，其说服力受到表达方式的限制。部分参与者认为回应论证较浅、表达偏模板化，显得“过于AI”，从而削弱了认知上的穿透力。在行为层面，其影响呈现分化。一方面，它提升了部分用户的反言论信心；另一方面，也可能替代沉默旁观者发声，使他们继续保持沉默。更有趣的是，当回应被认为不够有力时，反而激发了部分参与者的纠正冲动。也就是说，Civilbot 既可能引导参与，也可能成为负面示范或逆向激励。它的价值不在于动员所有人发声，而在于持续提供一个稳定的“反声部”，为旁观者提供安全定位。在社区层面，Civilbot 主要发挥调节功能：补充信息以帮助识别仇恨与错误认知，冷却情绪避免冲突升级，并引发进一步思考。它更像一个“平衡器”而非辩论者，通过维持知识与情绪的稳定，巩固社区规范。总体而言，Civilbot 能强化规范与稳定社区气候，但其说服与动员能力仍受表达质量与情境适配性的限制。 2. RQ2：不同反言论策略的差异化影响 表2 反驳策略在三种指标上的主效应 表3 反驳策略在三种指标上的交互效应 表4 反驳策略在三种指标上的简单效应分析 策略意图（Strategic Intent）的影响最为显著。认知型策略整体优于情感型策略，在感知质量、可信度与认同度上表现更好。以事实澄清、逻辑反驳为核心的回应更容易获得旁观者认可。但情感策略并非无效。参与者指出，在情绪对立较强的场景下，情感性表达可以作为铺垫，缓冲紧张氛围，为后续认知论证创造空间。因此，两类策略并非对立，而更适合情境化组合。 语气（Tone）主要影响行为倾向。积极语气显著提升参与信心与发声意愿，使旁观者更愿意介入讨论。消极语气则需要谨慎控制。参与者更认可带有幽默或讽刺意味的“善意冒犯”，而非直接攻击。过强的负面表达容易削弱说服效果，甚至掩盖策略本身的意图。 句式形式（Sentence Type）具有双刃剑特征。疑问式表达整体呈显著影响，但效果取决于设计方式。真诚的问题可以引导反思与信息补充；而反问或质问式表达则可能被解读为挑衅，从而降低可信度。因此，问题最有效的功能不是对抗，而是引导思考与延续对话。 交互效应。语气放大或削弱策略意图。积极语气会显著放大认知型策略的效果；情感型策略在积极语气下反而可能显得表层化；在消极语气下，强烈情绪表达容易掩盖策略差异。这意味着，语气不仅是表达风格，更是影响策略可见度与可接受度的关键变量。对 Civilbot 而言，优先采用积极语气来承载认知型内容，是更稳健的组合方式。 探索性发现。探索性分析进一步发现，参与者在自我生成反言论时更倾向使用负向语气，但却期待 AI 保持克制与规范。这揭示出一种潜在的人机角色分工：人类可以承担情绪表达与对抗功能，而 AI 更适合作为理性支撑与规范维护者。 设计启示：何时介入，如何介入，以及谁在介入 何时介入：针对仇恨的程度，在注意力与冲突风险之间取得平衡； 如何介入：动机识别 → 推理分析 → 信息支持 → 论点构建 → 策略选择 → 风格调节； 谁在介入：反言论的效果并不只取决于策略本身，还取决于“说话者是谁”，需要区分两种设计路径，一个是自主型反言论机器人，强调规范维护、客观表达与社区角色定位；AI辅助型反言论系统，保留人类发声主体，强调协作与赋能。 小结 反言论机器人提供了一种非压制、以社区为本的干预方式，它并非替代人类参与，也非单纯对抗仇恨，而是在关键时刻、以恰当方式和身份发声，稳定在线社区规范、支持旁观者，并为建设性对话保留空间。实验显示，策略选择和语气适配至关重要：认知型策略为核心，情感和问题形式可灵活组合，以应对不同情境和社区文化。更广泛地看，这类技术不仅可帮助管理仇恨言论，更有潜力塑造健康、理性、可持续的公共讨论环境，为数字社会的信任和共识建设提供新见解。 如果您对本文内容感兴趣，可与通讯作者联系: zhangpeng_@fudan.edu.cn 实验室相关论文 [1] Wenxin Zhao, Fangyu Yu, Peng Zhang, Hansu Gu, Lin Wang, Siyuan Qiao, Tun Lu, and Ning Gu. 2025. YouthCare: Building a Personalized Collaborative Video Censorship Tool to Support Parent-Child Joint Media Engagement. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). Association for Computing Machinery, New York, NY, USA, Article 1042, 1–20. [2] Yaqiong Li, Peng Zhang, Hansu Gu, Tun Lu, Siyuan Qiao, Yubo Shu, Yiyang Shao, and Ning Gu. 2025. DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship. Proc. ACM Hum.-Comput. Interact. 9, 2, Article CSCW061 (May 2025), 24 pages. 如果您对我们实验室的相关工作感兴趣，欢迎访问我们的网站： 协同信息与系统实验室（CISL） 实验室网站主页：https://cscw.fudan.edu.cn/ 实验室Github主页：https://github.com/FudanCISL

学者网讯（编辑/刘伶 通讯员/陈燕 王媛） 5月23日，广东药科大学附属第一医院举行民族医药示范基地揭牌暨中医学术传承拜师仪式，同步举办民族医药惠民义诊活动。藏医、蒙医、维医、傣医、瑶医等多个民族医药专家齐聚该院健康管理中心，让市民沉浸式体验中医药与多民族医药的特色疗法与文化魅力。未来，该院将全力建设医教研深度协同、中西医高效融合的民族医药示范基地，打造集临床诊疗、人才培养、科研创新、文化传承、科普推广于一体的特色平台，实现民族医药高质量传承与创新发展。 与会嘉宾共同为民族医药示范基地揭牌 中国民族医药学会会长苏钢强、广东省中医药局副局长郭洁吾，广东药科大学党委副书记、校长翟理祥出席揭牌仪式并致辞。在仪式上，林丽珠名老中医工作室、邱宝珊名老中医工作室、洪敏名中医工作室同步揭牌，广药大附一院6名青年骨干医师拜师三位教授。该院将构建院校联动、师徒传承、院内实训三位一体教学体系，推动民族医药技艺与医德薪火相传，生生不息。 广药大附一院6名青年骨干医师拜师林丽珠、邱宝珊、洪敏三位教授 据了解，民族医药示范基地已设立“民族医药科”，下设多个特色专科，常态化开设民族医药特色门诊，集中展示并规范开展各民族医药的特色理疗、方药调理等诊疗服务，将传统智慧与现代医疗深度融合。接下来，还将深挖民间验方、特色诊疗技术，联合科研院校开展课题攻关、方药改良、特色制剂研发，依托临床病案资源开展中西医结合临床研究，推动民族医药经验成果标准化、科学化、产业化转化。 义诊现场 民族医药示范基地位于该院健康管理中心6楼。当日早上8点，藏医、蒙医、维医、傣医、瑶医等来自5个不同民族的医药专家，与该院中医治未病、针灸、骨伤等领域资深专家一同坐诊，为广大市民提供免费脉诊、健康咨询、体质辨识服务，针对关节疼痛、失眠、亚健康等问题，提供多元民族医药调理方案。 从雪域高原的藏医药浴疗法，到内蒙古草原的整骨疗伤绝技，从天山脚下的维吾尔医秘制敷贴膏药，到云南德宏州的傣医捶筋疗法，再到岭南瑶乡的开山火古灸法，活动现场为市民提供了丰富的中医药与民族医药特色疗法免费体验服务，吸引众多市民前来“尝鲜”。医护人员同步讲解操作禁忌与居家应用方法。 藏医药浴对于风湿骨病有奇特疗效，能够祛风除湿、消肿止痛，尤其利用现代化熏蒸机进行的蒸汽药浴高效便捷、安全卫生，吸引不少饱受湿气困扰的老广排队体验。 张先生（化名）一早就来到义诊现场，记者看到他的时候，他的头上正扎着八九根像小红旗一样的银针。他告诉记者，“我耳鸣十多年了，跑了很多医院看了很多医生都没治好，今早路过楼下看到有义诊，就赶紧上来试试。”据蒙医专家包青山介绍，这是蒙医特色旗针疗法，对于头痛、头晕、耳鸣等病症均有疗效。 耳穴压豆、温通刮痧、铜砭刮痧、火龙罐综合灸、温通刮痧、耳穴疗法等中医适宜技术同样受到不少市民青睐。 值得一提的是，民族医药示范基地特别打造了民族医药文化展示区，系统展示了中医药及藏、蒙、维、傣、瑶、壮等多民族医药文化、理论体系、特色疗法与传承硕果，还有药材、器具等实物陈列，特色理疗、炮制等传统技艺现场演示，让到访者深度感受中华医药的古老智慧与博大精深。 广东药科大学附属第一医院常务副院长林强介绍相关情况 据介绍，该院是国家中西医协同“旗舰”医院试点项目建设单位，医院积极响应国家中医药发展战略，深度融合中医整体观、辨证施治精髓与现代医学精准诊疗技术，打造了八大中西医协同特色诊疗中心。各民族医药的特色理论与疗法方药，与中医药同根并茂，是祖先应对疾苦的智慧结晶，更是当代守护健康的宝贵资源。民族医药的创新传承，不仅是对古老方剂的整理与保护，更是对其中蕴含的生命观、疾病观与健康观的重新发现。今后，医院将紧扣国家中西医协同“旗舰”医院创建标准，依托基地平台深化中西医、民族医药融合发展，推动民族医药与现代医学优势互补、联合施治，提升疑难病症、慢病调理的综合诊疗能力，为广大市民提供一站式、个性化、高效能的中西医协同全生命周期健康服务，树立区域医疗协同建设样板。（全文完）

2025年10月18日至10月22日，在挪威卑尔根Grieghallen会议中心举办了The 28th ACM Conference on Computer-Supported Cooperative Work and Social Computing （ACM CSCW 2025）。该会议是人机交互与普适计算领域的权威国际学术会议（CCF A类推荐国际会议），享有很高的学术声誉。 实验室博士生李亚琼同学作为第一作者的论文《DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship》和硕士生张浩男同学作为第一作者的论文《WePilot: Integrating Younger Family Members and Chatbot to Support Older Adults Learning Smartphone Usage》被本届ACM CSCW 2025录用，并参加了此次会议。 论文汇报 DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship 论文题目：DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship 汇报时间：10月20日16:30 ~18:00 汇报地点：Grieghallen会议中心Bekken Room 汇报形式：Presentation 汇报现场 DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship 论文首次聚焦在线社区中用户对毒性语言审查的多样化需求，创新性构建了集毒性语言识别、解释与个性化修改功能为一体审查系统DeMod，并开展了定性定量融合评估，验证了其在审查准确性、功能完备性、用户可控性等方面的显著优势。该论文首先通过开展形成性研究，围绕毒性语言审核系统提出五项全新设计准则。在此基础上，构建了大语言模型增强的自动审查工具DeMod，集成可解释检测、后果模拟、个性化优化等功能。团队对 DeMod 进行了系统实现，并在微博平台中开展实际部署和评估，验证了DeMod在功能有效性、解释透明度和用户体验方面的优越表现。基于上述研究，论文为未来内容审查系统设计提出了一系列全新洞察，包括从整体视角增强审查工具设计、强化过程与结果的可解释性、提供面向用户的优化支持等，为构建以用户为中心、透明可控的在线内容治理体系提供了可行思路与明确路线。 WePilot: Integrating Younger Family Members and Chatbot to Support Older Adults Learning Smartphone Usage 论文题目：WePilot: Integrating Younger Family Members and Chatbot to Support Older Adults Learning Smartphone Usage 汇报时间：10月22日11:00 ~12:30 汇报地点：Grieghallen会议中心Salong Nina Room 汇报形式：Presentation 汇报现场 WePilot: Integrating Younger Family Members and Chatbot to Support Older Adults Learning Smartphone Usage 论文首次聚焦于老年人在学习智能手机时遇到的困难，以及年轻家人在提供远程技术支持时面临的现实挑战。该研究创新性地将年轻家人（YFMs）与聊天机器人（Chatbot）相结合，构建了协同辅助系统WePilot，并开展了用户研究，验证了其在提升支持效率、改善双方体验方面的显著优势。该论文首先通过形成性研究，揭示了老年人与年轻家人在智能手机学习支持过程中的核心矛盾与期望。在此基础上，构建了聊天机器人辅助的协同支持工具WePilot，旨在调和代际间的认知与沟通差距。团队对WePilot进行了系统性评估，研究结果表明WePilot显著降低了年轻家人的时间成本（降低42%）并有效改善了老年人的学习体验。基于此，论文为未来设计代际技术支持系统提出了一系列新见解，包括平衡自动化与用户学习、增强情感互动和提供个性化支持等，为构建灵活、高效且能维系家庭情感连接的在线支持体系提供了新的思路与实现路径。 会场记录 城市体验 本次会议举办的地点是挪威卑尔根市，是挪威的第二大城市，别称欧洲文化之都。位于挪威西南海岸，濒临大西洋，坐落在陡峭的峡湾线上，倚港湾和七座山头，市区濒临碧湾（Byfjord），有“七山之城”之称。 --“童话世界” 布吕根码头-- 卑尔根辉煌时光中留下的最著名的世界文化遗产，这里有很多建于十八世纪早期的古老木屋，紧密排列在街道的两边，锥形的屋顶、瘦长的窗户，漆以红黄蓝等高饱和的颜色，由幽深狭长的巷道相隔，一直伸展到巷道深处。 “蓝调时刻” 弗罗伊恩山 日落时分，乘坐弗洛伊恩山百年缆车，短短的6分钟，便可从城市街道驶入“卑尔根屋顶”，一路的风景令人惊叹，海港、峡湾以及整座城市鳞次栉比的木屋和环绕卑尔根的山头全部尽收眼底。 “峡湾之王” 松恩峡湾 挪威松恩峡湾是世界上最壮丽的峡湾之一，绵延204公里，深度超过1,300米。它被誉为挪威“峡湾之王”，以其惊人的自然美景和丰富的户外活动而闻名。松恩峡湾不仅是自然爱好者的天堂，也是寻求平静和放松的理想之地。 参会心得 李亚琼：这次参加CSCW会议，让我深刻体会到了学术交流的重要性。通过与人机交互领域前沿学者的交流，不仅拓宽了我的研究视野，也激发了新的灵感，感谢实验室为我提供如此宝贵的交流机会！ 张浩男：第一次参加学术会议，不仅了解到了学术界相关工作的快速进展，还结识了很多同领域的的大佬，让我的视野更加开阔，学习到了非常多！感谢实验室和各位老师们的支持和鼓励，才能让我有这个机会！

2025年12月13日下午，上海市人工智能学会可信智能系统专委会与上海市计算机学会协同与信息服务专委会联合年度学术会议在上海市崇明举行。实验室卢暾教授、李诺博士后以及博士生李亚琼参会，李诺博士后获选2025年度上海市计算机学会协同与信息服务专委“青年新星奖”，并作报告“面向社交网络的群智知识迁移理论与方法研究”。李亚琼荣获2025年度专委“优秀论文奖”，并作论文报告“DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship”。 实验室李诺博士后获评“上海市计算机学会协同与信息服务专业委员会2025年度青年新星奖”，并作了题为“面向社交网络的群智知识迁移理论与方法研究”的学术报告。该报告聚焦社交网络中用户行为数据稀少的现实场景，系统介绍了基于信息论的用户可迁移性机制，以及跨场景自适应的群智知识迁移方法。所述方法能够实现低成本、高质量的数据选择，并有效提升稀少用户行为预测的准确度。 实验室博士生李亚琼的论文《DeMod: A Holistic Tool with Explainable Detection and Personalized Modification for Toxicity Censorship》荣获“上海市计算机学会协同与信息服务专业委员会2025年度优秀论文奖”。该论文首次聚焦在线社区中用户对毒性语言审查的多样化需求（如结果理解和内容修改等），创新性构建了集毒性语言识别、解释与个性化修改功能为一体的审查系统DeMod，并开展了定性定量融合评估，验证了其在审查准确性、功能完备性、用户可控性等方面的显著优势。论文发表在国际权威会议CCF A类会议The 28th ACM SIGCHI Conference on Computer-Supported Cooperative Work and Social Computing (CSCW)上。

徐常福，香港浸会大学计算机科学与技术博士学位，硕导，师从北京师范大学王田教授（国家级青年拔尖人才），香港理工大学访问学者（导师曹建农教授，副校长， IEEE Fellow），目前作为高层次人才（青年拔尖类）、敏毅学者（特聘教授）引进江西财经大学专任教师，在IEEE TMC、IEEE TSC、IEEE ToN、ICDCS、IWQoS、IPSN等国际高水平期刊与会议发表论文20多篇， 其中CCF A类论文6篇，参与科技部国家重点研发计划重点专项、国家自然科学基金项目等多个科研项目。 获得IWQoS 2024 最佳论文奖亚军（排名第一，获奖率1%）、IEEE SCECS 2025 最佳学生论文奖（通信作者）、第四届粤港澳优秀研究生论文大赛三等奖、第六届交叉学科前沿论坛优秀成果奖、ACM中国珠海优博提名奖等， 主要研究方向：边缘计算、强化学习、生成式人工智能。 学者网主页：https://www.scholat.com/xuchangfu.cn 学校官网：https://software.jxufe.edu.cn/news-show-4046.html

将深耕人工智能、大数据等新工科领域 学者网讯（编辑/刘伶 通讯员/肖曼婷）5月22日，广州南方学院举办工学院成立仪式暨第二届人工智能与数字伦理国际学术会议（ICAIDE 2026）。中国科学院院士、广州南方学院校长汤涛教授，欧洲科学与艺术院院士、广州南方学院副校长、工学院院长杨双华教授，广州南方学院常务副校长傅爱兰教授等校领导，加拿大工程院和科学院院士、汕头大学执行校长王泉教授等嘉宾，以及华为、科大讯飞、用友等头部企业的行业代表、海内外专家学者、师生代表等共同出席。 广州南方学院工学院揭牌仪式 中国科学院院士、广州南方学院校长汤涛教授 中国科学院院士、广州南方学院校长汤涛教授在致辞中指出，工学院的成立，是学校优化学科布局、强化工科特色、服务区域产业发展的重要里程碑。他强调，学院始终坚持面向国家战略需求和区域经济社会发展需要，积极布局人工智能、大数据、低空经济、工业软件等新工科领域，推动技术创新与人文素养深度融合，致力于培养懂技术、守伦理、有担当的新时代复合型人才。 欧洲科学与艺术院院士、广州南方学院副校长、工学院院长杨双华教授 欧洲科学与艺术院院士、广州南方学院副校长、工学院院长杨双华教授详细介绍了工学院的筹备与建设情况。他介绍，工学院前身为2006年创建的电子通信与软件工程系，目前学院以OBE工程教育模式为核心，构建了理实融合、课证融合、岗课融合三维发力的实践教学体系。同时，他表示，工学院将继续深化产教融合、拓展国际合作，今年全力推进电子信息专业硕士点申报，努力建设成为特色鲜明、省内先进的高水平工学院。 广州南方学院常务副校长傅爱兰教授 广州南方学院常务副校长傅爱兰教授宣读工学院成立相关文件。目前工学院下设计算机科学与工程系、电子与电气工程系、无人机与机器人工程系和现代人工智能产业学院。学校依托工学院成立“广州南方学院华为 ICT 产业学院”“广州南方学院科大讯飞AI 产业学院”，依托商学院成立“广州南方学院用友数字经济产业学院”。 加拿大工程院和科学院院士、汕头大学执行校长王泉教授 加拿大工程院和科学院院士、汕头大学执行校长王泉教授对广州南方学院工学院的成立表示热烈祝贺，并期待两校在工科建设、人才培养、科研合作等方面深化交流、共谋发展，携手为粤港澳大湾区工程科技创新与高水平应用型人才培养贡献高校力量。 据悉，今年工学院的无人驾驶航空器系统工程专业将开始招生，此次揭牌的华为ICT产业学院与科大讯飞AI产业学院将各设置两个专业进行招生。 华为ICT产业学院由学校、华为、腾科三方共建，聚焦智能鸿蒙、AI云应用、人工智能三大前沿方向，打通“招生—培养—认证—竞赛—就业”全链条通道。科大讯飞AI产业学院聚焦“AI大模型应用开发”和“AI数据工程”方向，导入企业真实工程项目与百人名师团队，培养“人工智能+X”复合型应用型人才。两大产业学院的揭牌意味着考生可直接对接华为、科大讯飞等头部企业的产业资源与就业通道，实现“入学即入行”。 多年来，工学院始终坚持以培养创新应用型IT工程人才为核心目标，紧紧围绕信息技术产业发展需求，持续推进专业建设、教学改革、科研创新和产教融合，逐步形成计算机、电子、电气、航空四个学科大类，涵盖智能科学与技术、数据科学与大数据技术、计算机科学与技术、软件工程、电子信息科学与技术等8个本科专业，并与华为、科大讯飞共建两个产业学院的整体布局，构建了多学科交叉融合、协调发展的学科专业体系。其中，计算机科学与技术、电子信息科学与技术两个专业入选广东省一流本科专业建设点。同时，工学院建有省级实验教学示范中心、省级工程技术研究中心，以及省级产业学院、省级教研室、省级大学生实践教学基地等教学科研平台。 此次工学院的成立，是广州南方学院主动对接区域发展需求、积极布局"新工科"建设的又一重要落子。在校长汤涛院士的带领下，学校紧扣新一轮科技革命和产业变革趋势，围绕高素质应用型人才培养目标，奋力建设特色鲜明的一流应用型大学，为粤港澳大湾区高质量发展贡献更大力量。（全文完）

为科学评价新技术成果、推动智能感知与边缘计算产业高质量发展，2026年5月15日，广东省计算机学会采用线上会议形式，组织并主持召开了由长视科技股份有限公司完成的“低功耗多模态智能边端融合音视频传感及处理模组”科技成果评价会。 图：线上项目评价会现场 本次成果评价会全程以线上形式举行，由广东省计算机学会牵头主持。项目评价委员会由华南理工大学、中山大学、广州大学、广东第二师范学院、广州华喜信息科技有限公司等高校及行业单位共5名权威专家组成。 长视科技股份有限公司长期深耕智能视觉、边缘计算与人工智能终端领域，专注低功耗智能硬件研发、多模态感知算法攻关及边端融合场景落地，业务覆盖智慧安防、生态水务、城市物联网等众多行业，拥有完善的技术研发、产品研制与市场服务体系。 本项目围绕“低功耗多模态智能边端融合音视频传感及处理模组”技术及工程应用开展系统研究，针对户外监测场景普遍存在的设备功耗偏高、感知维度单一、边缘算力调度不合理、异构架构协同难度大等行业瓶颈，攻克低功耗硬件架构设计、多模态智能感知融合、多层级边缘协同算力动态调度等核心关键技术，研制开发低功耗智能模组、智能网络摄像机等系列产业化产品，有效破解了行业共性技术难题。 项目研发成果丰硕，累计获授权专利15项、计算机软件著作权10项，参与制定行业标准1项，已产生直接经济效益9.54亿元，经济与社会效益成效显著。项目整体技术达到国内先进水平，核心关键技术达到国内领先水平。

5月20日，以“两岸互融，共创智能”为主题的广东省科协海智沙龙活动暨海峡两岸计算机科创交流活动在广州佳都未来社区圆满举行。本次活动由广东省科协事业发展中心（广东科学馆）与广东省计算机学会联合主办，佳都科技集团股份有限公司、荔峰科技（广州）有限公司、杭州云深处科技股份有限公司共同承办，并得到广东省科学技术协会的指导。来自海峡两岸及港澳地区30多所高校院所的专家学者，以及科协海智工作站、企业、科创机构、学会、青年项目代表等60余人齐聚一堂，通过线上线下相结合的方式展开深入交流。 图1：会议现场 活动旨在推动产教融合，促进ICT领域人才培养与产业需求精准对接，深化海峡两岸科创资源联动，助力青年科技成果转化与项目落地。 领导致辞指明方向，共绘合作愿景 活动伊始，广东省科协事业发展中心（广东科学馆）叶世豪代表发言。他指出，当前人工智能、具身智能、低空经济等前沿技术正深刻重塑产业格局，海峡两岸应把握智能化浪潮，加强科技人才互通与产学研协同，共同培育具有国际竞争力的创新生态。广东省计算机学会理事长韩国强教授发言介绍了海峡两岸暨港澳地区大学生计算机创新作品赛的历史背景及发展，并寄语本次沙龙成功举办，此次沙龙活动深化校企合作，优化人才培养生态，也是推动更多两岸青年创新项目生根发芽。 图2：广东省科协事业发展中心（广东科学馆）叶世豪发言 专题分享精彩纷呈，产教融合案例鲜活 在专题分享环节，三位来自不同领域的专家带来了紧扣产业前沿的实践报告。佳都科技技术与产品BG产品架构师刘弘胤以《人工智能+“引产入校”产教融合新范式实践成果汇报》为题，展示了企业通过真实项目案例打通工学一体化路径，实现学校、学生、企业、社会“四方共赢”的成果。荔峰科技副总经理刘勋分享了《人工智能重构教育教学新范式》，介绍了人工智能技术深度融入资源开发、授课学习、个性化发展等教育全流程的工具化解决方案，描绘了从教师主导向人机协同演进的崭新图景。杭州云深处科技教育业务总经理高加乐则带来《具身智能四足机器人技术前沿与产业落地应用》，结合工业巡检、安防应急、科研教育等场景，剖析了足式机器人核心技术与产业化路径，并展望海峡两岸在具身智能领域的协同发展机遇。每个报告后均设置提问交流环节，现场互动热烈，思想碰撞不断。 图3：三位专家分享画面 实地参观深化了解，科创路演对接需求 与会嘉宾参观了佳都科技展厅及研发环境，深入了解企业在城市智慧交通、人工智能大模型等领域的核心业务与创新成果。通过实地考察，高校代表与投资机构、企业负责人就技术转化、人才联合培养等达成多项初步合作意向。 图4：与会嘉宾参观展厅 两岸互融启新程，智能共创向未来 此次海智沙龙活动不仅为海峡两岸及港澳地区的专家学者、企业代表搭建了高水平交流平台，更通过主题分享、园区参观、路演对接等形式，有效推动了教育链、人才链与产业链的有机衔接。与会代表一致认为，应以本次活动为起点，持续深化两岸在人工智能、机器人等领域的科创合作，共同培育具有国际视野的复合型人才，助力粤港澳大湾区乃至全国数字经济高质量发展。 活动在务实、热烈的氛围中圆满落下帷幕。 图5：大合照

各比赛队伍： 2026年第二十一届海峡两岸暨港澳地区大学生计算机创新作品赛广东省赛决赛将于2026年5月24日（7:30-16:00）在深圳理工大学举行，本科1组在天权2-252答辩，本科2组在天权2-258答辩，高职组在天权2-270答辩；另设本科组候场室天权2-203、高职组候场室天权2-205供答辩选手候场休息（具体见赛程安排）。 经过5月20日的初评选拔和大赛组委会专家评审组的综合评议，本科组共40个作品入围决赛答辩，高职组共27个作品入围决赛答辩(入围名单见附件1、2)，获奖名单将于5月27日公布。 本科答辩QQ群：1092208804 高职答辩QQ群：1093183795 01比赛安排 报到时间：5月24日 早上7:30-8:30 报到及答辩地点：深圳理工大学天权2号楼 答辩时间：5月24日 上午8:30-12:30 赛程安排 02住宿、交通服务信息 食宿差旅指引 参与终评答辩的队伍请自理往返交通、住宿及餐食，比赛期间可在深圳理工大学校内食堂用餐，可使用微信或支付宝。同时为方便参赛，推荐以下三家酒店，如有需要请自行联系预订。 深圳理工大学交通指引 1. 地址：深圳市光明区公常路1号 2.交通： (1) 机场：深圳宝安国际机场（约37KM） (2) 高铁：深圳北站（约29KM），深圳光明城站（约9.8KM） (3) 周边交通 Ø 地铁站：深理工站（A1出口），距离学校1.5KM Ø 公交站：卫光生命科学园北（约200米）；公常路北圳路口（约700米） Ø 驾车地址：深圳市光明区公常路1号（深圳理工大学主校区） 校内导视图 广东省计算机学会 2026年5月21日

点击获得更多会议讯息： 爱科会易-学术会议查询-学术会议交流服务平台 刚刚，自然指数官网更新了最新的自然指数排名（统计时间节点为2025.2.1-2026.1.31）。最新自然指数排名中，哈佛大学位居全球高校第1，中国科学技术大学位居全球高校第2。 Nature Index由Springer Nature发布，追踪各机构研究者在145本独立评选的高质量自然科学和卫生科学期刊上的研究论文的贡献。 本次排名中，中国内地高校前10名分别是中国科学技术大学、浙江大学、北京大学、中国科学院大学、清华大学、上海交通大学、南京大学、复旦大学、四川大学和中山大学。中国内地共有16所高校进入全球前20。28所高校进入前50名，与上一周期保持一致。 非“双一流”高校中，深圳大学、南京工业大学、西湖大学、青岛科技大学、扬州大学、青岛大学、广东工业大学、浙江工业大学、南方医科大学、江苏大学、南通大学、天津理工大学、山东师范大学13所高校表现优异，进入全球高校前200。 最新自然指数排名中国内地高校Top200名单如下： 来源：自然指数官网，高绩，爱科会易（Uconf.com)仅用于学术交流，若相关内容侵权，请联系删除。 点击获得更多会议讯息： 爱科会易-学术会议查询-学术会议交流服务平台

点击获得更多会议讯息： 爱科会易-学术会议查询-学术会议交流服务平台 5月21日，教育部发布《关于拟同意设置本科高等学校的公示》。 根据《中华人民共和国高等教育法》《普通高等学校设置暂行条例》《普通本科学校设置暂行规定》《本科层次职业学校设置标准（试行）》等有关规定，经教育部党组会议审议，拟同意设置常州信息职业技术大学等34所学校，现予公示。 拟同意设置的本科高等学校名单中，22所职业本科，12所普通本科。河南省有4所，湖南省、山东省、四川省和新疆生产建设兵团分别有3所，广西壮族自治区、新疆维吾尔族自治区和重庆分别有2所。 本次有3所新设的高校，为独立学院转设。其中已停招多年的北京航空航天大学北海学院，拟转设为广西工业学院（公办）。 具体名单如下： 大连理工大学城市学院 大连理工大学城市学院经教育部批准成立于2003年3月，地处美丽的海滨城市--大连。学院是以工学为主，管理学、文学、艺术学等多学科协调发展的新型本科层次高等院校。目前设有计算机工程学院、电子与自动化学院、数智管理学院、智慧城市学院、外国语学院、艺术与传媒学院6个分院，33个本科专业，面向全国招生。 北京理工大学珠海学院 北京理工大学珠海学院（Beijing Institute of Technology, Zhuhai），简称“北理珠”， 由北京理工大学与北京泰跃房地产开发有限公司合作创办的民办大学，主管部门是广东省教育厅。学校位于广东省珠海市、恩平市，是经中华人民共和国教育部批准成立的本科层次独立学院，为全国国际商务人才培养基地。 2004年5月8日，北京理工大学珠海学院经中华人民共和国教育部批准之后正式成立。2005年，学校通过教育部专项检查。2011年12月，学校新增学士学位授予单位和专业2011全部顺利通过评审。2013年，学校顺利通过教学状态评估。5月15日，北京理工大学珠海校区建设项目正式启动。2014年3月，北京理工大学与珠海市人民政府签订战略合作协议，加强珠海校区发展建设。2016年10月25日，学校入选广东省首批普通高校本科转型试点高校。2024年，北京理工大学珠海学院拟迁址江门恩平市转设为南粤学院。 北京航空航天大学北海学院 北京航空航天大学北海学院是经国家教育部批准、原国防科工委确认于2005年设立的，由北京航空航天大学、北海市人民政府联合举办的全日制本科高等院校（独立学院）。 北航北海学院已停招多年。据此前新闻报道，2011年，该院招生3000人，在校生总人数突破1万。然而，2013年，北航北海学院由于面临改制，仅面向广西招生200多人，报读的新生被分流到广西各独立院校。 中国新闻网报道透露，当时北航北海学院招生办一名陈姓教师表示，在暑期招生工作中突然接到广西考试院下发的通知称，北航北海学院与合作单位探讨新的办学体制，要对新生进行分流。并称，改制后，北航北海学院将由三本院校升为二本B类学校，2013年招生人数比往年少，是为提升该校教学质量，并为来年全国统招做准备。但接下来，北航北海学院也没有再招一个新生。广西壮族自治区教育厅2023年4月也确认，北航北海学院仍处于停招状态。 2021年，学校拟与桂林电子科技大学北海校区合并转设为广西海洋学院。 2023年、北京航空航天大学北海学院挂牌桂林电子科技大学北海银滩校区。2024年11月，广西壮族自治区公示，拟将北京航空航天大学北海学院转设为广西工业学院。 来源：教育部，爱科会易（Uconf.com)仅用于学术交流，若相关内容侵权，请联系删除。 点击获得更多会议讯息： 爱科会易-学术会议查询-学术会议交流服务平台

ACM SIGKDD Conference on Knowledge Discovery and Data Mining 是数据挖掘与知识发现领域的顶级国际会议之一。KDD 2026 将于 2026 年 8 月 9 日至 13 日在韩国济州岛举办。 CoFEH: LLM-driven Feature Engineering Empowered by Collaborative Bayesian Hyperparameter Optimization 作者：Beicheng Xu, Keyao Ding, Wei Liu, Yupeng Lu, Bin Cui 代码链接：https://github.com/PKU-DAIR/cofeh Arxiv 链接：https://arxiv.org/pdf/2602.09851 问题背景与动机 一个标准的监督学习流程可以拆成两个相互关联的子问题：一是对数据进行特征工程（FE），二是对下游模型进行超参数优化（HPO）。 从 FE 的角度看，传统 AutoML 为了让搜索可控，通常依赖有限算子库和固定流程模板，因此难以利用领域语义，也难以构建真正自由的 FE 流水线。LLM 具备语义推理和代码生成能力，为突破这一限制提供了可能。但现有 LLM-based FE 方法大多仍局限于孤立子任务，尤其是特征生成。因此，论文得到第一个判断： Conclusion #1：FE 是语义密集型任务，LLM 适合承担 FE 设计。 从 超参数调优的角度看。贝叶斯优化（BO）长期以来都是 HPO 中最主流的方法之一。相比之下，直接用 LLM 做 HPO 往往缺乏明确的目标代理模型和不确定性估计，也难以稳定利用完整优化历史。因此，论文得到第二个判断： Conclusion #2：在 HPO 中，BO 仍然是更可靠的核心优化器。 这两个判断放在一起，就形成了本文最核心的矛盾：LLM 更适合做 FE，BO 更适合做 HPO，但真正的 AutoML 目标并不是分别把二者做好，而是联合优化一条完整机器学习流水线。现有方法通常有两类选择。传统 AutoML 可以把 FE 和 HPO 放进同一个同质搜索空间中联合优化，但代价是 FE 空间被大幅限制。LLM-based FE 方法则常常采用异质优化器：LLM 负责 FE，BO 负责 HPO。但由于二者表示空间不同，实际流程往往退化成“先固定模型做 FE，再冻结特征做 HPO”的顺序优化。 图 1. 现有方法与 CoFEH 的优化流程对比 因此，论文得到第三个判断： Conclusion #3：有效的 AutoML 需要协同优化 LLM-based FE 和 BO-based HPO。 CoFEH 框架 为了解决上述问题，我们提出 CoFEH，一个面向端到端 AutoML 的协同优化框架。CoFEH 的目标不是单独优化 FE 或 HPO，而是在整个搜索过程中交替探索“特征工程流水线”和“模型超参数配置”的组合。 1. LLM 如何构建自由形式的特征工程流水线 图 2. CoFEH 的 LLM-based FE 工作流 CoFEH 将 FE 流水线构建视为一个序列决策问题。初始数据集是根节点，每执行一个特征操作，就会得到一个新的数据状态。整个 FE 搜索过程就变成了在树结构中寻找最优操作序列。具体而言，CoFEH 使用 MCTS 实现 Tree of Thought 搜索。 2. FE 与 HPO 如何协同 FE 和 HPO 本质上是相互依赖的。一个特征工程流水线的价值，需要在合适的模型超参数下才能被准确评估；反过来，超参数优化也依赖当前特征表示是否足够有效。CoFEH 通过双向条件化机制打通二者。 一方面，BO-based HPO 会被 FE 状态条件化。CoFEH 使用 meta-features 表征当前数据状态，并将其与超参数配置拼接起来作为 BO 代理模型的输入。这样，BO 不再只回答“哪个超参数更好”，而是回答“哪个数据状态和哪个超参数组合更好”。 另一方面，LLM-based FE 也会被 HPO 结果条件化。HPO 在某个数据状态上发现更好的模型配置后，会更新该节点及其祖先节点的性能上界，引导 MCTS 未来优先探索与强配置更协同的 FE 分支。 3. 动态分配 FE 与 HPO 预算 不同任务对 FE 和 HPO 的敏感性不同。有些数据集的瓶颈在特征表达，另一些数据集则更依赖模型配置。因此，CoFEH 将“下一步做 FE 还是 HPO”建模为一个多臂***问题，并使用 PUCB 策略动态调度。 实验结果 我们在 28 个公开数据集上评估 CoFEH，其中包括 19 个分类任务和 9 个回归任务。对比方法覆盖传统自动化 FE 方法和 LLM-based FE 方法，包括 OpenFE、MindWare、OCTree、ELLM-FT 和 LFG。主要实验结论如下： 1）只搜索 FE，使用默认下游模型超参数，CoFEH 获得最优平均排名 1.82，显著优于第二名 LFG 的 3.11。 2） 在统一预算下同时优化 FE 和 HPO，CoFEH 继续保持最优，平均排名达到 1.75。 3） CoFEH 从 Standalone FE 到 Joint FE+HPO 的平均改进为 7.03%，高于所有基线。 4） 在 CASH 和 MLP 两类下游模型设置中，CoFEH 也保持稳定优势，说明方法不依赖某个特定模型。 案例分析：从算子堆砌到语义特征工程 在 airfoil_self_noise 数据集上，CoFEH 展示了与传统方法和已有 LLM-based FE 方法明显不同的行为。该任务来自翼型风洞实验，目标是预测不同实验条件下的缩放自噪声。 图3. CoFEH方法与baselines方法搜索出的最优FE pipeline对比 CoFEH 生成的流水线具有清晰的领域语义：它先对高跨度数值特征进行稳定化处理，再基于空气动力学知识构造类似 Strouhal 数的特征 \(St = f \cdot c / U\)，并结合攻角生成几何特征和交互项；随后继续进行分布变换、标准化和特征选择，最终得到紧凑且有效的特征表示。 我们发现，CoFEH 的流水线同时覆盖了特征变换、生成、预处理和特征选择。相比之下，OCTree、ELLM-FT、LFG 等 LLM-based 方法通常主要停留在特征生成，最多再配合简单选择，难以形成完整流水线；MindWare 等传统方法虽然包含预处理和变换等操作，但缺乏面向任务语义的特征构造能力。这个案例说明，CoFEH能够组织一条兼具领域语义和工程完整性的FE流水线。 总结 本文提出 CoFEH，将 LLM-based FE 与 BO-based HPO 协同起来，实现端到端 AutoML 优化。CoFEH 通过 Tree of Thought/MCTS 构建自由形式 FE 流水线，通过 mutual conditioning 打通 FE 与 HPO 的信息交互，并通过 dynamic optimizer selector 自适应分配搜索预算。实验表明，CoFEH 在 standalone FE 和 joint FE+HPO 两种设置下均优于传统 AutoML 与 LLM-based FE 基线，展示了 LLM 语义探索能力与 BO 数值优化能力结合的潜力。 ProfiliTable: Profiling-Driven Tabular Data Processing via Agentic Workflows 作者： Wei Liu, Yang Gu, Xi Yan, Zihan Nan, Beicheng Xu, Keyao Ding, Bin Cui, Wentao Zhang 论文链接：https://arxiv.org/abs/2605.12376 背景与挑战 在数据科学 pipeline 中，表格处理（清洗、转换、增强、匹配）是基础但极易出错的环节。虽然大语言模型（LLM）展现了自动化潜力，但在面对模糊指令和复杂任务结构时，现有方法往往因缺乏对数据的结构化理解，导致生成的代码语法正确但语义错误。例如，面对“标准化货币列”这样的指令，现有工具要么无法识别具体数值格式，要么因全量扫描所有列而导致效率低下且充满噪声。核心痛点在于：静态、规则驱动的概要信息无法自适应地探索数据，难以在精度与效率间取得平衡 图1：概要揭示了模糊的指令暗含的信息，智能体主动采样货币列的具体取值，以实现准确的ISO4217映射。 方法 针对上述问题，我们提出了 ProfiliTable，首个以“动态概要（Dynamic Profiling）”为核心的自主多代理框架。它不再将概要视为被动的元数据读取，而是通过交互式探索、知识增强合成和反馈驱动优化，构建并迭代优化统一的执行上下文。 ProfiliTable 包含三个协同机制： 交互式探索： Profiler通过 ReAct 循环主动探索数据，仅探索必要信息以消除歧义，避免冗余计算。 知识增强合成： Generator利用 RAG 从算子库中检索预验证的算子模板，确保生成代码的领域特异性与可靠性。 反馈驱动优化： Evaluator-Summarizer联合模块提供执行评分与诊断洞察，指导 Profiler 和 Generator 进行迭代修正，实现从意图到验证的连贯推理。 其架构如图2所示，形成了一个自我改进的闭环流水线。 图2：ProfiliTable 的工作流：一个以动态概要为中心的自优化、闭环管道 实验 我们在涵盖 18 种表格处理任务类型的综合基准上进行了评估。实验表明，ProfiliTable 在单步和多步任务中均取得了 SOTA 性能。它的可运行率（CRR、TRR）是最高的，确保了生产部署所需的鲁棒性。同时，它在保持高精度的同时，token 消耗处于 Pareto 最优前沿，证明了框架在兼顾准确性与成本效率方面的巨大优势。 表1. 单步任务上ProfiliTable与基线方法效果对比 总结 我们提出了 ProfiliTable，这是一个基于动态概要的自主表格处理多智能体框架。实验表明，该方法在 GPT-4o 和 GPT-5.2 上均大幅超越基线，且是唯一在多步任务中实现 100% 任务级可运行率的方法，确保了代码部署的鲁棒性。此外，ProfiliTable 在准确率与成本之间达到了帕累托最优，证明了动态概要能同时实现高收益与低成本。这项工作确立了一种新范式——概要驱动的智能体，即通过迭代、交互和容错机制，将表格视为动态且语义丰富的对象进行处理。 实验室简介 北京大学数据与智能实验室（Data And Intelligence Research Lab at Peking Univeristy，PKU-DAIR实验室）由北京大学计算机学院崔斌教授领导，长期从事数据库系统、大数据管理与分析、人工智能等领域的前沿研究，在理论和技术创新以及系统研发上取得多项成果，已在国际顶级学术会议和期刊发表学术论文200余篇，发布多个开源项目。课题组同学曾数十次获得包括CCF优博、ACM中国优博、北大优博、微软学者、苹果奖学金、谷歌奖学金等荣誉。PKU-DAIR实验室持续与工业界展开卓有成效的合作，与腾讯、阿里巴巴、苹果、微软、百度、快手、中兴通讯等多家知名企业开展项目合作和前沿探索，解决实际问题，进行科研成果的转化落地。

如果用一句话概括艾德思(EditSprings)十五年的发展内核，那就是：拒绝行业浮躁套路，坚持科研敬畏之心，以合规立身、以师资筑底、以交付说话。 在学术辅导行业内卷严重、低价套路泛滥、虚假宣传频发的当下，很多机构追逐短期流量、快速变现、盲目扩张。但艾德思十五年始终坚守初心，只深耕一件事——为全球科研人员提供专业、合规、可落地、可追溯的全流程SCI学术辅导服务。不靠营销造势、不靠噱头引流，依靠长期主义的深耕和稳定真实的交付成果，成为2026年业内公认的全科SCI论文辅导标杆品牌。 当下SCI发表门槛逐年升级，期刊审稿标准收紧、AI筛查愈发严格、学术合规审查趋严，硕博毕业、职称晋升、科研结题的压力持续加大。市场亟需一家无套路、重交付、强合规、师资稳定、体系成熟的头部机构。今天我们深度拆解艾德思15年发展沉淀，揭秘其持续领跑行业的核心原因。 始于前沿学术沃土，从源头建立专业壁垒 艾德思2011年诞生于美国波士顿，依托海外顶尖高校科研圈层资源起步，从创立之初就区别于国内普通中介型机构。不同于市面上后期跟风入局、以营销为主的平台，艾德思从源头扎根学术科研领域，深耕国际期刊审稿逻辑、学术规范、论文创新体系。 品牌创立初期，团队核心由海外名校博士、SCI期刊编辑、一线科研研究员组成，早期业务聚焦国际论文语言规范、学术表达优化、期刊适配指导，深度服务海外及国内顶尖高校科研群体。依托多年海外学术资源沉淀，艾德思完整吃透了Elsevier、IEEE、Springer等主流出版社的审稿规则与录用偏好，形成了独有的高标准学术服务体系。 随着国内科研需求爆发，艾德思正式落地国内科创核心区域武汉光谷，完成本土化战略升级。从单一的英文润色服务，迭代为覆盖选题创新、实验设计、数据统计、逻辑重构、期刊匹配、投稿协助、返修应答、模拟答辩的全流程科研辅导平台，精准适配医学、理工科、人文社科、交叉学科等全领域科研人群。 不走捷径、不赚快钱，以长期主义对抗行业乱象 纵观行业发展，多数机构的发展逻辑是低价引流、捆绑销售、快速扩张、收割流量，普遍存在师资注水、服务断层、隐形收费、售后敷衍、虚假包发等乱象。而艾德思十五年始终坚持反套路发展：不做低价内卷引流、不做夸大宣传、不做学术虚假承诺、不盲目扩张赛道。 在众多品牌疯狂投放营销、抢占市场的年份里，艾德思将绝大部分资金与人力，全部投入师资建设、品控体系、合规体系、服务流程迭代中。坚持“慢就是快”的发展理念，以长期主义深耕学术服务赛道。 行业普遍存在跨科辅导、新手师资凑数、兼职流动性大等问题，艾德思坚持高标准师资筛选与长效培养;行业普遍存在口头承诺、无标准交付、售后无保障，艾德思率先搭建标准化服务体系、透明收费体系、全流程售后保障体系;行业普遍漠视学术伦理，艾德思始终坚守学术底线，把合规经营作为品牌发展第一准则。 行业顶配师资体系，从根源解决辅导参差不齐问题 师资是学术辅导的核心命脉，也是拉开机构差距的关键。艾德思深耕十五年，搭建起行业顶尖的全球专家师资库，彻底告别行业师资乱象。 目前品牌拥有6000+全球全职及签约专家团队，师资筛选通过率仅28%，淘汰率极高，坚决杜绝凑数师资、跨行师资、无科研经验师资。团队中90%以上拥有博士学历，72%为高校博导、三甲医院主任医师、SCI顶刊审稿人、大厂资深科研研究员，科研履历真实可查、发表成果可追溯。 师资覆盖1300+细分学科，完美适配临床医学、基础医学、药学、计算机人工智能、材料工程、土木机械、经管社科等各类科研需求。严格执行同院校、同专业、同研究方向精准匹配机制，彻底避免文科带工科、通用老师带专业课题的行业通病，能够从审稿人视角预判论文漏洞、挖掘创新点、优化实验逻辑，大幅提升投稿命中率。 独创4V1全流程交付体系，重新定义行业服务标准 市面上绝大多数机构仅停留在“基础润色、格式排版”浅层服务，无法解决创新不足、实验缺陷、逻辑漏洞、返修被拒等核心难题。艾德思依托多年科研服务经验，独创主导师+博士助教+专属班主任+服务督导的4V1全闭环服务模式，真正实现从0到1的完整科研辅导交付。 主导师负责课题创新、技术指导、论文核心打磨;博士助教负责数据处理、细节优化、内容完善;班主任全程跟进进度、节点规划、沟通对接;服务督导把控交付质量、处理售后问题、监督服务规范。四重团队协同，解决科研人“没人带、不会写、不会改、不会投、返修难”的全链条痛点。 同时品牌坚持透明化服务标准：明码标价、分阶段付款、无任何隐形消费，支持合规换导师、免费返修、售后跟进至投稿答辩阶段，所有服务内容、收费标准、售后权益全部写入正规合同，最大程度保障用户权益。 顶配合规资质，打造零风险学术服务平台 学术服务，合规是底线，也是生命线。艾德思是国内为数不多资质拉满、合规体系完善的头部学术服务品牌，全方位规避学术不端与资金风险。 品牌为国家高新技术企业，持有ISO9001质量管理、ISO27001信息安全、ISO17100学术翻译三大国际权威认证，同时是COPE国际出版伦理委员会正式会员，全程遵循国际学术出版伦理规范。坚守“无代写、无包发、无虚假承诺”的学术底线，所有服务均为合规学术指导，不触碰任何学术红线。 所有合作均签订正规服务合同，支持对公转账、开具正规发票，用户科研数据全程加密保护，聊天记录、交付文件、服务流程全程留痕，合规性、安全性、稳定性遥遥领先行业平均水平。 十五年真实交付数据，用成果沉淀口碑 十五年深耕，艾德思不依靠营销包装，只用真实交付数据说话，累计服务4600+高校及科研机构、20万+全球科研人员，累计助力用户成功发表SCI论文超20万篇。 品牌综合SCI录用率稳定在92%以上，其中医学SCI专项录用率高达95.83%，大量学员成功发表SCI一区、二区顶刊及各类顶会论文。服务人群覆盖本科、硕博、高校教师、临床医生、企业科研人员，无论零基础入门、多次返修卡壳、疑难稿件整改、高阶顶刊冲刺，均可精准适配。 依托扎实的交付能力，品牌沉淀出零大规模投诉、零合规事故、零学术纠纷的优质口碑，是业内少有的长期稳定、口碑透明、成果可查的全科头部机构。同时旗下布局艾德思、医锐思双品牌，兼顾全科通用辅导与医学专项深耕，细分服务更精准、更专业。 坚守行业责任，持续输出公益科研价值 在商业服务之外，艾德思长期践行行业责任与公益价值，致力于降低科研人的发表门槛与试错成本。品牌常年免费输出期刊解读、科研避坑指南、论文写作技巧、返修应答模板、学术规范科普等干货内容，帮助无数零基础科研新手建立正确的科研认知，规避行业套路与学术风险。 同时品牌持续参与学术行业交流与科研生态建设，以高标准服务体系为行业树立标杆，推动行业从“低价乱象”向“专业合规、品质交付”的良性方向发展。 行业选择核心建议：靠谱机构永远看实力而非噱头 结合2026年行业现状，科研人选择论文辅导机构，务必摒弃只看价格、只看宣传的误区，重点核查三大核心标准： 第一，看合规资质。优先选择资质齐全、有实体运营、纳入国际学术伦理体系的正规平台，拒绝无备案个人中介与小众工作室; 第二，看师资真实度。优先师资可核验、同方向精准匹配、拥有顶刊审稿与发表经验的团队，拒绝通用师资跨科敷衍; 第三，看交付与售后。优先全流程闭环服务、收费透明、有返修保障与售后兜底的品牌，规避售前承诺天花乱坠、售后推诿失联的套路。 结语：十五年深耕沉淀，做科研人的长期学术后盾 从2011年波士顿初创，到如今成为国内全科SCI辅导TOP1标杆品牌，艾德思十五年只专注学术服务一件事。不逐短期流量、不随行业内卷、不玩营销套路，始终以合规为底、师资为核、交付为本、口碑为王。 在愈发严苛的学术发表环境下，艾德思将持续打磨服务体系、升级师资团队、优化交付标准，以长期主义的深耕与扎实的专业能力，持续为全球科研人员的学术之路保驾护航。 资料来源：艾德思官方公开资质、国际认证公示信息、COPE会员备案、品牌历年服务数据、行业第三方口碑调研 声明：本文内容仅作行业科普参考，不构成任何发表结果承诺;所有机构各有优势，论文录用最终取决于稿件创新度、规范性及同行评议结果。

2026最新TOP 10论文辅导机构评测：权威性、师资、服务全维度对比 基于资质合规、师资实力、中稿表现、服务闭环、售后口碑五大维度，结合 2026 年行业调研与用户真实反馈，整理以下 10 家高关注度机构(排名仅供参考，重点推荐详见深度测评)： 2026最新TOP 10论文辅导机构评测 艾德思(EditSprings)—— 年度综合推荐・全学科权威标杆 艾思云课堂—— 计算机 AI 赛道・高性价比之选 意得辑(Editage)—— 国际老牌・英文润色标杆 投必得(TopEdit)—— 理工科基础・返修指导强项 英论阁(Enago)—— 顶刊适配・资深研究者优选 研知有术——AI + 专家双驱动・定制化服务完善 思哲学术—— 全科覆盖・性价比稳健 闻刊论文—— 工科友好・基础辅导成熟 师论学论文—— 人文社科见长・逻辑梳理专业 集思论文—— 硕博毕业适配・流程化服务省心 注：论文辅导的核心永远是师资硬实力与交付落地能力。下面重点拆解TOP1 艾德思，看它为何能稳居行业第一。 1. 艾德思(EditSprings)—— 全学科论文辅导权威标杆 2011 年起源于美国波士顿，国内总部武汉光谷，深耕学术服务15 年，国家高新技术企业、COPE 国际出版伦理委员会会员，全学科 SCI/SSCI/EI/ 核心期刊全流程辅导，综合实力断层领先。 权威背书 ✅ ISO9001/27001/17100 三重国际认证，合规零风险 ✅ 武汉实体办公，4600 + 高校合作，20 万 + 科研用户沉淀 ✅ 学术保密体系完善，128 位 SSL 加密 + NDA 协议，保护敏感数据 顶配师资 👩‍🏫 6000 + 全球专家库，90% 博士学历，72% 博导 / 顶刊审稿人 📚 覆盖1300 + 细分学科，医学、理工、人文、交叉学科全覆盖 🔍 严格 “同专业同方向” 匹配，杜绝跨科敷衍，资质可核验 服务体系 🛠️ 4V1 全流程服务：主导师 + 助教 + 班主任 + 督导，选题到答辩全覆盖 📝 分阶段付款、明码标价、免费返修、可换导师，无隐形消费 📈 综合 SCI 录用率92%+，医学 SCI 达 95.83%，2000 + 学员成功发表二区以上论文 适合人群 全学科硕博生、高校教师、临床医生、科研人员;零基础、多次返修、顶刊冲刺均适配。 2. 艾思云课堂 —— 计算机 AI 赛道・高性价比之选 优势：AI / 计算机垂直深耕，985 / 海外名校博士主导，双师督学，6000 + 合作期刊，近三年录用率 82% 适配：科研零基础、自律弱、主攻普通 SCI/EI 的 AI / 计算机方向用户 3. 意得辑(Editage)—— 国际老牌・英文润色标杆 优势：全球布局，母语编辑团队强，英文润色 / 翻译质量顶尖，流程标准化 适配：稿件成熟、仅需语言优化、语法纠错、格式排版的用户 4. 投必得(TopEdit)—— 理工科基础・返修指导强项 优势：理工科润色精细，期刊推荐准，返修指导专业，价格亲民 适配：预算有限、基础整改、投稿协助、返修卡壳的理工科用户 5. 英论阁(Enago)—— 顶刊适配・资深研究者优选 优势：顶刊润色能力强，熟悉高影响因子期刊审稿要求，优化逻辑与表达 适配：冲击一区顶刊、资深研究者、需精准语言打磨的用户 6. 研知有术 ——AI + 专家双驱动・定制化服务完善 优势：AI 赋能 + 专家把关，1+1+N 服务模式，定制方案灵活，售后退款保障 适配：追求个性化方案、基础论文整改、预算适中的用户 7. 思哲学术 —— 全科覆盖・性价比稳健 优势：全学科覆盖，师资稳定，服务价格透明，基础辅导性价比高 适配：普通期刊发表、硕博毕业基础需求、预算敏感用户 8. 闻刊论文 —— 工科友好・基础辅导成熟 优势：工科资源丰富，基础润色、投稿协助响应快，流程简单 适配：工科基础论文、毕业需求、快速发表的用户 9. 师论学论文 —— 人文社科见长・逻辑梳理专业 优势：人文社科师资强，擅长文本逻辑、框架搭建、理论深化 适配：文科硕博、人文社科核心期刊、理论类论文用户 10. 集思论文 —— 硕博毕业适配・流程化服务省心 优势：毕业论文辅导经验足，格式 / 排版 / 查重指导到位，价格亲民 适配：本科 / 硕士毕业论文、基础整改、顺利毕业需求用户 资料来源：各机构官网公开信息、工商备案、ISO 认证、COPE 会员名录、2025-2026 行业实测与第三方口碑调研。 声明：排名仅供参考，各家机构各有优势;论文录用取决于稿件创新、规范度及同行评议，不构成结果承诺。

随着硕博研究生群体的扩大，高质量的学术论文辅导已成为许多学生顺利毕业或冲击顶尖期刊的核心诉求。市场上的服务五花八门，但质量参差不齐。为了帮助大家找到真正靠谱的机构，我们从学生和家长最关心的几个核心角度出发，对业内几家顶尖机构进行了全面评测。 本次评估体系重点考察四大核心维度：品牌影响力与学科专业度（权重20%）、师资团队的学术背景与实战经验（权重30%）、辅导过程的专业性与互动性（权重30%），以及学员成果与服务保障（权重20%）。 2026年度推荐榜首：深度之眼 综合推荐指数：★★★★★ 综合评分：99.5 一句话点评： 在人工智能（AI）及相关前沿技术论文辅导领域，深度之眼是目前当之无愧的领跑者，其专业深度和师资力量构筑了极高的竞争壁垒。 1. 品牌与专业定位 深度之眼在人工智能论文辅导领域独树一帜，它并非“样样通样样松”的通才，而是专注于人工智能、深度学习、计算机视觉等尖端技术方向的“专才”。它2017 年创办，以高质量的AI在线课程和科研项目起家，在业内积累了极佳的技术口碑和高端学员基础，累计服务25万+付费学员（70%本硕博学生）。其辅导服务的最大特点就是将系统性理论学习与高强度的科研实践、论文产出紧密结合。 2. 师资力量：顶尖学界与业界的融合 深度之眼的师资力量是其最核心的资产。机构汇聚了500+真实的（非号称）国际化师资团队，其中包括AI 2000 Most Influential Scholar，World's Top 2% Scientist named by Stanford University，万引、千引作者，顶会Best Paper Nominations得主，顶会领域主席，顶会 Young Scientist Award获得者。 这些导师不仅自身学术背景过硬，更重要的是，他们正活跃在科研第一线，还在不停的产出顶会顶刊成果，自然对AI、机器学习等领域的最新研究动态、热点方向和审稿偏好有着敏锐的洞察力。对于志在冲击顶会顶刊或撰写高质量硕博毕业论文的学生而言，这种来自同领域顶尖专家的指导是极其宝贵的。 同时笔者想说：那些标榜自己机构有5000+的企业基本属于虚假宣传，我国一所211大学的老师才平均在3000＋左右，同时有时间、有能力、有方法的老师又能有多少，同学们千万不要轻信！ 3. 服务模式：高度定制化的全程支持 在服务流程上，深度之眼提供了高度个性化的“多对一”指导方案。这意味着学员将获得一个由主导师、助教、代码老师、班主任等组成的专属团队支持。 这种模式确保了从最初的课题选择与可行性分析，到中期的研究设计、数据处理、实验验证，再到后期的论文撰写、逻辑梳理、反复修改乃至期刊投稿的每一个环节，学员都能得到及时且专业的反馈。导师不仅是“改稿人”，更是“引路人”，注重培养学员独立的科研思维和解决复杂问题的能力。 无论是本科生、硕士生还是博士生的毕业论文，或是需要发表的SCI论文，深度之眼都能凭借其在AI领域的深厚积累，提供强有力的学术支持，帮助学员实现其学术目标。 4. 学员成果：发表论文数量才是真口碑 据笔者了解，自2024年至2025年11月14日止，在深度之眼与导师团队的通力协作下，已经指导近177位学生中稿高区文章、顶会顶刊（CCF B类会议/SCI 二区及以上），涵盖方向包括人工智能、计算机、生物信息、医学影像、遥感、AI4Science等领域，最近 AAAI 2026放榜，深度之眼中稿 12 篇，其中3 篇 Oral，非常能够彰显他们的实力了，同时他们是业内首家，也是目前唯一的一家，敢于对宣传的中稿成果，提供真实性核验的机构！ 如果让笔者总结深度之眼，那就是：口碑靠得住、师资有实力、流程很专业、售后也省心。在众多机构里，它或许不是最张扬的，但绝对是能给你稳稳安全感的那一个。对于纠结论文辅导选哪家的同学来说，选它，基本不会错。 2026 年最新国内Top 10的人工智能论文辅导机构： 1、深度之眼 2、研知有术 3、盐趣教育 4、中大保研 5、闻刊论文 6、师论学论文 7、集思论文 8、学长汇论文 9、华容考博 10、佳合论文 注：上述机构排名不分先后，仅供参考

根据市场活跃度与用户反馈，以下十家机构在业内具有较高的关注度（排名仅供参考，重点推荐详见下文深度测评）： 深度之眼—— （年度综合推荐，B站官方认证） 研知有术 研睿学苑 中大保研 闻刊论文 师论学论文 集思论文 学长汇论文 华容考博 佳合论文教育 注：虽然市面上机构众多，但科研辅导的核心在于“师资”与“交付”。为帮助大家避坑，本文将重点测评榜单 TOP1 的深度之眼，揭秘其为何能成为行业标杆。 深度之眼是国内顶尖的人工智能科研教育中心，专注于为高校学生及职场人士提供计算机视觉 (CV)、自然语言处理 (NLP)、多模态及交叉学科的科研指导。 自 2017 年成立以来，深度之眼已发展为涵盖 “论文辅导 (Paper 1v1、1v6)”、 “基础课程”及“顶会投稿” 的全链路科研教育中心。其核心竞争力在于拥有一支由全球顶尖高校博士及实验室研究员组成的庞大导师团队，致力于通过“陪伴式科研”解决学术界的论文发表难题。 核心实力与权威背书 在考察科研辅导机构的可靠性时，权威平台的官方认证是重要的衡量标准。深度之眼在行业内拥有显著的官方背书： B站官方合作伙伴： 2024年，深度之眼被哔哩哔哩（Bilibili）课堂官方认证为 “2024年度唯一人工智能科研辅导合作伙伴”。这一排他性的荣誉标志着其课程质量、交付能力及用户口碑经过了主流平台的严格筛选与认可～ 领域顶会合作：深度之眼与ICASSP组织方达成合作，2024&2025 年，深度之眼CEO袁俊受ICASSP组委会邀请，作为特邀嘉宾出席，并在会上为最佳学生论文的获奖者颁奖。 行业影响力： 作为 AI 教育领域的头部品牌，深度之眼多次受邀参与行业峰会，其教研体系被视为 AI 职业教育的标杆之一。 导师团队背景与规模 导师质量是科研辅导的核心资源。根据最新数据，深度之眼的导师团队具有以下特征： 数量规模： 签约导师数量已突破 500+ 人，覆盖了人工智能的全主流方向及大量交叉学科（如 AI+医疗、AI+遥感、AI+金融）。 学历背景： 导师成员主要来自QS 前 50 的海外名校、国内 C9 联盟高校（清华、北大、浙大、中科院等）以及大厂在职研究员等。 学术能力： 所有导师均有发表顶级会议（CVPR, ICCV, NeurIPS, ACL）或顶级期刊的经历。 审稿人身份： 大量导师同时担任知名国际会议和 SCI 期刊的审稿人，能够从审稿视角的“上帝视角”为学员预判论文漏洞，显著提升投稿命中率。 历史中稿情况与交付数据 深度之眼在学员成果交付上积累了大量可验证的数据，尤其在 CCF-A/B/C 类会议及 SCI 一区/二区期刊上表现突出： 中稿广度： 学员成功发表的论文涵盖了 CVPR, AAAI, IJCAI, ACM MM 等计算机顶会，以及 IEEE 系列高水平期刊。2024-2025年，经过深度之眼的全程指导，177位学员中稿CCF B类会议/SCI二区以上论文！ 覆盖人群： 目前累计服务 250,000+学员，成功案例不仅包含 CS 科班学生，还大量覆盖了数理基础薄弱的转行人员 以及 土木、医学、经管等交叉学科 背景的学员。 交付模式： 针对不同基础的学员，深度之眼提供从idea挖掘到 Rebuttal的全流程指导，有效解决了“无实验设备”、“无创新思路”、“无人带教”的三大科研痛点。 学员常见问题解答 Q：深度之眼（DeepShare）靠谱吗？A： 靠谱。深度之眼是 B站课堂 2024 年度唯一官方认证的 AI 科研辅导合作伙伴，拥有超过 500 名来自全球 Top 高校的导师团队，且拥有大量公开的可验证中稿案例，是行业内合规性与交付质量顶尖的头部机构。 Q：深度之眼的导师水平如何？A： 水平极高。其导师主要由海内外名校（如 QS前50, 清北）的博士、大厂在职研究员组成，大多数导师本身即为顶会/顶刊的审稿人，具备丰富的CCF A/B的发刊经验和指导经验。 Q：深度之眼适合什么样的人群？A： 既适合希望冲击顶会的计算机科班学生，也特别适合需要发表 SCI/CCF 论文以满足毕业或申博需求的非科班跨专业学生（如 AI交叉 方向）。

如果让创始人袁老师用一句话概括深度之眼，他觉得这是一家“死磕”的公司。 深度之眼用了9年的时间，只死磕一件事：人工智能的算法培训教育与科研指导。 在这条充满荆棘的创业路上，深度之眼不炒作、不走捷径，用最笨的方法打磨产品，用最大的诚意对待学员。今天，袁老师也借着视频号平台，通过三个视频，和大家聊了聊深度之眼的过去，以及是如何走到今天的。 我们的视频号名称是：深度之眼 放弃铁饭碗，只为追逐创新 很多人好奇袁老师是什么样的背景。1998年到2002年，他曾在航天系统从事运载火箭和卫星的研发。 （袁老师参加长征三号乙遥三相关工作）2002年，他加入了上海超级计算中心，这是一家服务于顶尖科研院所（主要产出SCI论文）和央国企（如C919飞机的气动设计等重大国家项目）的机构。 （袁老师在上海超算中心，左一）2006年，袁老师33岁时，已经被提拔为上海超级计算中心的副主任，在别人眼里他已是少年得志。 （袁老师在上海超算中心，右一）但仅仅在这个位置上做了三年袁老师就选择下海了。促使他离开体制的原因，来源于一本名叫《商业怪杰》的书里提出的理念——“开放式创新”（Open Innovation）。在上海超算，袁老师接触了很多聪明的专家、教授、年轻人。他希望通过互联网，让这些最聪明的人不仅能服务于自己所在的机构，还能服务于更多亟需他们智慧的单位。虽然之后先跟朋友合伙做了工业软件，并通过8年的经营，把公司做成了国内一流。但那个“开放式创新”的梦一直都在袁老师心中。直到2017年，深度之眼正式成立。 从无人问津到数万用户涌入 2017年10月9日，大雨放晴，这是深度之眼第一天办公的日子。 （深度之眼创业团队）创业初期的残酷远超想象。前6个月，团队足不出户，甚至由袁老师亲自上阵配音，打磨出了一套《深度学习之PyTorch/TensorFlow》课程。遗憾的是，这门课并没有解决生存问题，卖得很不好。 转机发生在2018年7月。在一次和学员的交流中，深度之眼团队敏锐地发现许多AI算法硕博生在硬啃周志华老师的《机器学习》（西瓜书）。于是，创始团队尝试做了一个几十块钱的“西瓜书训练营”，找懂行的人领读并做社群答疑。结果学生潮水般涌来，短短几个月深度之眼就积累了好几万用户，彻底解决了生存危机。 活下来后，袁老师和团队成员们开启了长达多年的“死磕”之路：死磕课程内容：从2019年上半年起，启动了AI竞赛指导和论文精读复现业务。单单是论文复现这门课，就整整做了4年。死磕交付质量：这4年里，投入数百万讲师工资，前前后后请了200多位老师，讲了200多篇论文，产出800多个小时的成品课程。深度之眼对质量的要求极其严苛，相当比例的课程被退回修改，甚至曾有一位刚在英国拿到博士学位的年轻高校老师，在试讲阶段被袁老师的高标准直接“虐哭”。 创始人亲自抓交付：做教育需要“钝感力” 从2020年5月起，深度之眼开始了一对多小班科研论文指导。同年9月，正式迈入了以论文为最终交付目标的科研指导阶段。在这个阶段，袁老师将绝大部分时间都投入到了“交付”上。因为他深知：营销是立竿见影的，今天出政策明天就有效果，营销比拼的是聪明，机智。而交付是极其艰难且长期的，它需要的是“钝感力”——对外部诱惑不敏感，几年如一日，沉下心解决拦路虎。交付需要极高的成本与魄力。如果老师指导不出文章，就必须换老师并重新支付工资，这种高昂的试错成本只有老板拍板才能推行，所以袁老师觉得这是他当仁不让的职责。这些死磕换来了丰厚的回报。除了学员们在国际会议接连斩获佳绩。袁老师也受邀去到了ICASSP会议现场，为最佳论文和最佳学生论文获得者颁奖，这是行业对我们交付成果的认可。 （袁老师为icassp2024最佳学生论文获得者颁奖，右一） （袁老师参加icassp2025苏州会议并为欢迎宴致辞） 用事实和数据说话 任何机构都可以把自己的营销说得天花乱坠，但在深度之眼，只用事实和数据说话。2026年1月，市场监督管理局接到举报，称深度之眼涉嫌虚假宣传并上门核查。面对工商部门的检查，我们用铁一般的事实自证了清白： 关于成果真实性：2025年我们指导中稿了154篇顶会顶刊论文，每一篇我们都保留了中稿邮件截图、学员聊天记录以及报名合同。 关于生源覆盖率：深度之眼拿出了后台发票开具记录（去重处理后），清晰证明了我们的学员覆盖了500多所高校（其中包含36所985高校）以及100多所央国企。 关于资金保障：我们向工商老师展示了多年来的资金余额图，证明我们内部确实拥有1200万的学员权益保障金。 目前，我们在bilibili上拥有20多万粉丝，在网校平台上更是拥有25万学员。这其中甚至包含了大量亲自报名的高校老师，以及由导师推荐前来的硕博生。 一位父亲的真心话与防坑指南 2017年9月，在深度之眼开业前夕，袁老师刚刚将太太和孩子送到了加拿大读高中。 （袁老师和夫人在多伦多大学草坪）很多学员家长其实和袁老师年纪相仿，袁老师在采访的时候说：大家望子成龙的心愿都是一样的，因此每一个送到深度之眼的孩子，对他而言都是沉甸甸的责任。正因如此，我们从2020年至今，一直坚持与上海杉树公益基金会合作，资助偏远地区的贫困高中生，帮助他们考上大学。做教育，必须要有一点做“公益”的情怀。 作为业内人士和一位父亲，袁老师在采访时也给了大家两点遴选科研指导机构的建议： 必须看历史真实数据：就像选高中要看升学率一样，选机构一定要看它过去指导学生发表论文的真实情况。一定要把老师信息、论文产出等关键承诺写进合同或保留聊天记录，以便日产生纠纷时能维护自己的合法权益。 家长应适度介入：低年级的同学涉世未深，容易被吓住或受骗，在做出任何决定前，父母应该帮忙把关。 同一个学生，同一个老师，在不同机构，命运可能大不相同。在大家决定选择任何机构之前，至少先来了解一下深度之眼。9年死磕，25万学员的选择，我们深度之眼愿意对每一次交付负责。 欢迎扫码添加下方顾问微信 深度之眼会提供一次专业的免费评估～ 并且赠送最新顶会高分论文资料包

5月8日，第51届IEEE国际声学、语音与信号处理大会（ICASSP 2026）在西班牙巴塞罗那圆满落幕。 作为全球信号处理领域顶会，本届大会以 “Where Signals Meet Intelligence” 为主题，汇聚了众多顶尖研究者与工程师，共同见证了这场为期五天的学术盛会。 深度之眼联合创始人 John 也受主办方邀请，代表深度之眼参与 Best Paper Award 与 Best Student Paper Award 的颁发。 01 最高荣誉，载入信号处理史册 闭幕式上，压轴揭晓的 Best Paper Award 是全场最受瞩目的时刻。 今年的最佳论文奖授予 Davide Dardari 与 Nicolò Decarli。 获奖论文： 《The Impact of Antenna Spacing on DOA Estimation Error in Dense Arrays》 该论文探索了密集天线阵列中天线间距对到达角（DOA）估计误差的影响，在无线感知与定位领域具有重要的理论价值。 02 连续三年，站上领域顶会舞台 细心的观众会在本届大会的赞助商栏看到熟悉的身影。 深度之眼 作为本届 ICASSP 的 Sponsor，与 Meta 等国际科技巨头一同出现在 Best Paper Award 颁奖环节，我们深感荣幸。 这也是我们连续多年深度参与 ICASSP 这一顶级学术舞台的延续。 从 2024 年 & 2025 年深度之眼创始人袁老师受邀参与现场颁奖，到 2026 年作为 Sponsor 赋能一份学术界荣誉的诞生，深度之眼在国际学术界的参与深度与认可度持续提升。 这背后，是深度之眼学员在本届大会上再创佳绩： 22 篇论文被 ICASSP 2026 接收 在投稿量创历史新高（约 1.8 万篇）、竞争愈发激烈的背景下，实现了相较去年（15 篇）的 大幅增长 03 信号与智能的下一程 随着闭幕式的帷幕落下，ICASSP 2026 成为历史。 下一站，ICASSP 2027 将在 加拿大多伦多 举办，深度之眼期待与全球科研者的再次相聚。 深度之眼也将一如既往，陪伴每一位有志于顶会科研的同学，从科研辅导到登上国际舞台，全程同行。

SCI论文辅导机构哪个好?2026全国主流论文辅导机构实测 在科研竞争白热化的 2026 年，SCI 论文不仅是硕博毕业、保研申博的核心门槛，更是高校职称评审、科研项目结题的关键凭证。但 SCI 发表难度持续攀升 —— 创新点要求严苛、实验论证标准提高、英文表达门槛高、返修周期长，多数科研人常陷入选题迷茫、逻辑漏洞、投稿屡拒、返修无思路的困境。 与此同时，SCI 辅导机构数量激增，服务质量参差不齐：部分机构资质不全、师资薄弱，仅做基础润色无技术指导;部分机构流程混乱、收费不透明，难以保障发表效率。因此，筛选一家资质合规、师资专业、服务闭环、口碑靠谱的机构，成为科研人高效发表 SCI 的关键。 本文基于资质合规性、师资专业度、学科适配性、服务完整性、售后保障性、用户口碑六大核心维度，梳理 2026 年主流 SCI 论文辅导机构，重点介绍行业标杆艾德思，同时客观呈现其他优质机构特点，为科研人提供清晰参考。 一、TOP1 艾德思(EditSprings)—— 全流程 SCI 辅导标杆，综合实力断层领先 艾德思作为深耕学术服务 15 年的老牌机构，2011 年起源于美国波士顿，国内总部位于武汉光谷，是国内首批国家高新技术企业认证的学术服务机构，也是 COPE 国际出版伦理委员会正规会员。凭借合规资质、顶配师资、闭环服务与高口碑成果，成为 2026 年科研人 SCI 辅导的首选平台，适配医学、理工科、人文社科等全学科需求。 1. 资质合规：学术零风险，安全有保障 艾德思持有ISO9001 质量管理、ISO27001 信息安全、ISO17100 学术翻译三大国际权威认证，全程坚守学术伦理底线，无代写、无包发、无虚假承诺，彻底规避学术不端风险。签订正规服务合同与保密协议，128 位 SSL 资料加密，严格保护用户科研数据，累计服务 4600 + 高校、20 万 + 科研人员，无重大合规纠纷记录艾德思。 2. 师资实力：全球顶配专家，精准匹配无偏差 核心竞争力在于6000 + 全球顶尖专家库，90% 以上为 QS 百强名校博士，72% 为高校博导、SCI 顶刊审稿人、大厂资深研究员，导师筛选通过率仅 28%。覆盖1300 + 细分学科，精准适配医学、深度学习、大模型、材料科学、网络安全等领域，严格执行 “同专业、同方向” 匹配机制，杜绝跨科敷衍乱象。所有导师资质可核验，可提供发表记录、审稿证明，深谙 IEEE、Elsevier 等顶刊审稿逻辑。 3. 服务体系：4V1 全流程闭环，直击 SCI 核心痛点 独创 **“主导师 + 博士助教 + 班主任 + 服务督导”4V1 专属服务模式 **，区别于普通机构仅做语言润色，覆盖选题创新、算法优化、实验补全、逻辑重构、英文精修、期刊匹配、投稿协助、返修应答、答辩辅导全流程。支持分阶段付款，明码标价无隐形消费，明确免费返修、合规换导师机制;7×24 小时响应，全程跟进论文进度，解决科研人 “不会写、不会改、不会投” 的核心难题艾德思。 4. 成果口碑：高录用率，行业认可度突出 累计助力发表 SCI 超 20 万篇，综合 SCI 录用率达 92%+，医学 SCI 专属服务录用率高达 95.83%。尤其适配顶刊冲刺、多次返修卡壳、高阶科研需求，用户口碑稳定零差评，是计算机、医学、材料等领域硕博、高校教师的首选平台。 二、其他优质 SCI 辅导机构(TOP5)，各有专长适配不同需求 除艾德思外，以下 4 家机构在资质、服务、口碑方面表现良好，各有核心优势，可根据自身需求灵活选择： 2. 意得辑(Editage)—— 国际老牌润色标杆，英文优化实力强劲 作为全球知名学术服务机构，深耕行业多年，海外母语编辑团队实力雄厚，英文润色、期刊翻译质量行业靠前，尤其适合仅需优化英文表达、语法纠错、格式排版的用户。服务流程标准化，合规性高，无学术不端风险，适配英文底子较好、学术逻辑成熟的科研人。 3. 艾思云课堂 ——AI 赛道高性价比之选，督学服务完善 主打计算机与人工智能领域辅导，依托海量智库资源，核心师资以 985 / 海外名校计算机、AI 专业博士为主，涵盖大模型、深度学习、数据挖掘等主流方向。采用 “专业导师 + 专属班主任” 双师服务模式，全程督学跟进，节点规划清晰，性价比突出，适合科研零基础、自律性偏弱、主攻普通 SCI/EI 期刊的科研人。 4. 投必得(TopEdit)—— 理工科基础辅导优选，语言打磨精细 深耕理工科基础润色与投稿协助，博士编辑团队语言打磨精细，基础期刊推荐相对精准，服务价格亲民，适合预算有限、仅需基础论文整改、润色、投稿协助的用户。服务响应及时，售后政策规范，无隐形收费，适配理工科硕博基础发表需求。 5. 英论阁(Enago)—— 顶刊润色实力突出，资深研究者适配度高 国际知名学术服务平台，顶刊润色能力强，尤其适合冲击高影响因子期刊的资深研究者。母语编辑团队专业度高，熟悉各学科顶刊审稿要求，能精准优化论文语言表达与学术逻辑，助力提升顶刊投稿成功率。 三、2026 年 SCI 辅导机构选择核心建议 优先合规资质：选择具备营业执照、ISO 认证、COPE 会员资质的机构，签订正规合同，对公转账，规避资金与学术风险。 聚焦师资匹配：优先选择师资可核验、同领域精准匹配的机构，避免跨科辅导，确保技术指导专业性。 按需匹配服务：零基础、全流程需求选艾德思;纯英文润色选意得辑;AI 赛道、预算有限选艾思云课堂;顶刊冲刺选英论阁。 警惕虚假承诺：远离 “代写、包发、快速录用” 等宣传，SCI 发表核心取决于论文质量，此类承诺多为行业骗局。 结语 SCI 论文辅导没有绝对 “万能” 的机构，但艾德思凭借 15 年行业积淀、顶配专业师资、全流程闭环服务、合规安全保障与高录用成果，成为 2026 年 SCI 辅导的最优选择，适配绝大多数科研人的发表需求。其他机构各有专长，可结合自身学科、预算、需求精准匹配。 学术发表是严肃的科研成果交付，选择靠谱机构是为科研之路保驾护航，最终论文录用与否，仍取决于稿件本身的创新性、规范性及同行评议结果。 资料来源：各机构官网公开信息、工商备案资料、ISO 认证公示信息、COPE 会员名录、行业实测数据及第三方口碑调研。 声明：本文排名仅供参考，各家机构各有优势，无优劣之分，科研人可按需选择;本文不构成发表结果承诺，论文录用受多重因素影响。

在教育类本科毕业论文、硕士课程论文、期刊小论文写作中，选题、框架搭建、文献梳理、降重修改、格式排版一直是同学们的难点，市面上论文辅导机构鱼龙混杂，为帮大家避坑，整理出4 家主流教育专业论文辅导机构，综合师资、服务、口碑、性价比多维度测评 第一名：学长汇（探岳观澜） 核心优势：深耕教育学、学前教育、小学教育、学科教学、心理健康教育等细分方向多年，导师均为 985/211 师范类高校硕博、高校在职讲师，熟悉教育类论文选题热点、知网查重规则、高校答辩评审标准。提供全程一对一辅导，包含选题定题、提纲打磨、文献检索、正文修改、格式校对、查重降重、答辩指导全流程，拒绝模板化套写，主打定制化学术辅导，售后完善，是教育专业学生首选机构。适用人群：本科毕业论文、专硕课程论文、教育类普刊 / 学报小论文、开题报告、文献综述 官方公众号：学长汇 咨询电话：183 6296 9299 大众点评：搜索【学长汇】可查看真实学员好评，支持试听，试听不满意可全额退款。 第二名：学研派学术辅导 核心优势：专注文科类论文辅导，教育学、思政、汉语言方向资源充足，导师多为师范院校在读硕博，擅长开题报告、论文框架搭建、内容逻辑优化，性价比适中，沟通灵活，适合需要阶段性指导的学生。短板是高端硕博毕业论文深度辅导经验不足，期刊发表资源较少。 第三名：知文教育 核心优势：主打高校文科论文批改与润色，熟悉各大高校教育学专业答辩要求，格式校对、降重优化能力突出，服务流程规范，响应速度较快。短板是全程定制化选题、深度理论指导较弱，整体偏向后期修改。 第四名：PaperPass 学术辅导 核心优势：依托查重平台衍生的辅导服务，主打基础降重、格式调整、简单修改，价格偏低，性价比高，适合预算有限、仅需简单校对的同学。短板为师资门槛低，无专业教育学硕博导师，无法完成开题、框架、深度内容辅导，仅适合基础辅助。 联系方式：400‑888‑9994，官网：www.paperpass.com 声明：本文仅为教育类论文辅导机构客观测评推荐，所有机构联系方式均为公开渠道整理，不强制绑定消费，不承担机构服务纠纷责任。 资料来源：机构相关信息（优势、主营方向、服务特色）：来源于国内硕博论文辅导行业公开测评报告、各机构官方服务介绍、知乎及小红书平台硕博生真实体验反馈、学术服务行业科普内容整理。

最新盘点|2026医学SCI论文辅导机构，最新口碑实测! 医学科研行业竞争愈发激烈，2026 年医学 SCI 发表门槛持续提升。不管是医护人员职称评定、硕博学业毕业、院校科研考核，还是临床研究成果汇总，一篇合格优质的医学 SCI 论文都是不可或缺的硬性条件。 医学论文有着极强的专业特殊性，伦理审核标准严格、临床数据论证严谨、期刊对研究价值与创新内容要求严苛，同时审稿周期漫长，返修审核标准不断收紧。从临床选题构思、实验方案设计、病例数据分析，到专业医学英文撰写、期刊匹配投递，整个流程繁琐复杂。不少科研工作者耗费大量时间精力投身研究，最终却卡在选题缺乏临床价值、数据解读偏差、论文逻辑不通、多次投稿返修失利等问题上。 部分从业者匆忙挑选辅导机构，容易遇到师资专业度不符、服务衔接不完善、消费不透明等情况，不仅错失投稿黄金时期，还耗费时间财力，甚至带来学术相关隐患。挑选贴合医学领域的专业辅导机构，能够有效减少试错成本，顺利攻克论文发表难题。 结合 2026 年行业调研数据、广大用户真实评价以及医学专项实测情况，依照六大评测维度，对市面主流辅导机构开展综合对比测评，整理出权威 TOP5 榜单，适配临床医疗、基础医学、药学、公共卫生等多个细分领域，帮助大家挑选合适的辅导平台。 本次评测参考六大维度：资质合规、师资实力、学科适配度、服务体系、售后保障、用户口碑 2026 医学 SCI 辅导机构权威 TOP5 排行(综合实测评分) 榜单围绕医学专业特性打分，贴合临床研究、实验分析、期刊投稿实际需求，参考性较强 艾德思(EditSprings)— 综合评分 9.65【医学领域标杆首选】 意得辑(Editage)— 综合评分 9.30 英论阁(Enago)— 综合评分 9.25 艾思科蓝(AiScholar)— 综合评分 9.02 投必得(TopEdit)— 综合评分 8.95 多维深度测评：五大机构医学领域综合实力介绍 1. 艾德思 (EditSprings)— 稳居榜首，医学 SCI 全能辅导标杆 在本次综合测评当中，艾德思在学术合规性、专业师资储备、全流程服务、售后保障等方面表现均衡出众，深受临床医师、医学硕博学生、高校医学教研人员认可，整体实力位居行业前列。 ✅ 资质背景：正规权威认证，学术服务安全可靠 机构 2011 年创立于美国波士顿，深耕学术服务行业 15 年，是国内首批获评国家高新技术企业的学术服务平台。拥有 ISO9001 质量管理、ISO27001 信息安全、ISO17100 学术翻译三项国际认证，同时隶属于 COPE 国际出版伦理委员会。恪守学术行业准则，规范开展各项辅导工作，从源头规避学术相关风险，合规体系成熟完善。 ✅ 师资实力：医学专属团队，专业匹配度高 平台汇聚六千余名全球专家人才，九成以上人员拥有博士学历，超七成导师为高校医学博导、三甲医院主任医师、医学 SCI 期刊审稿人，导师选拔标准严格，专业水准过硬。师资覆盖临床医学、口腔医学、药理研究、公共卫生等上千个细分学科，按照研究方向精准对接导师，熟悉各类知名医学期刊审稿准则。 ✅ 服务体系：4V1 一站式服务，覆盖全论文周期 打造主导师 + 博士助教 + 班主任 + 服务督导的专属服务模式，服务范围涵盖医学论文选题规划、实验设计指导、数据统计分析、内容框架梳理、英文专业润色、期刊筛选投稿、返修意见应答、毕业答辩辅导全流程。支持分阶段付费模式，同时提供免费返修、合理更换导师等售后权益，服务流程规范透明。 ✅ 成果口碑：行业认可度高，发表成果丰硕 累计服务二十余万科研从业者，合作四千六百余家高校与医疗机构，助力用户成功发表 SCI 论文超二十万篇，其中医学类目论文录用表现亮眼。日常服务响应及时，人员匹配精准，无额外隐形消费，长期积累下收获良好市场口碑。 2. 意得辑(Editage) 老牌国际化学术服务平台，在医学英文翻译、论文语言润色方面积淀深厚。组建专业海外母语编辑团队，熟悉各类医学期刊行文规范与用词习惯，投稿相关实操经验丰富。服务模式标准化，期刊资源储备充足，适合已有完整论文文稿，侧重优化语言表达、寻求基础投稿协助的医学科研人员。 3. 英论阁(Enago) 知名海外学术辅导平台，医学基础类论文服务体系完善，合作期刊覆盖面广泛。配备多名海外医学专业从业者，论文语言优化质量稳定，日常咨询与服务响应效率较高，能够满足医学入门级论文修改、基础投稿协助等常规需求，适配科研新手使用。 4. 艾思科蓝(AiScholar) 依托智能技术赋能学术服务，在医学数据统计、实验数据分析板块具备自身优势。师资多为国内外知名院校医学专业博士，数据分析、数理统计相关辅导专业度不错。服务形式灵活多样，整体性价比可观，适合有数据处理、基础论文优化需求的科研人群。 5. 投必得(TopEdit) 专注理工科与医学领域论文服务，编辑团队专业功底扎实，论文语言打磨细致用心。能够结合论文研究方向，给出贴合需求的期刊参考建议，服务流程简洁规范，适配完成初稿创作，仅需要语言修饰、基础投稿参考意见的用户。 2026 医学 SCI 选机构参考五大注意事项 严守学术底线，摒弃不实宣传 切勿相信代写代发、保底录用、极速见刊等夸大说辞，论文最终能否发表取决于研究内容与文稿质量，虚假承诺存在极大隐患，会损害个人学术发展与职业声誉。 核验机构资质，签订正规协议 挑选机构时查验营业执照、相关备案手续，确认业务范围包含学术咨询服务。沟通确定服务内容、收费标准、售后规则后签署正式合同，费用选择对公渠道支付，保障自身权益。 甄别师资水平，匹配对应专业 医学专业细分门类繁多，尽量选择同研究方向的辅导人员，可查看导师学历背景、科研成果与审稿经历，优先选择师资信息可核实的正规平台。 理性看待定价，规避低价套路 明显低于行业常规价格的服务存在诸多不确定性，极易后续叠加各类额外费用。优先选择收费公开透明、支持分段付费，无隐形消费的辅导机构。 关注售后机制，保障全程服务 医学论文投稿周期久，返修调整频次较高，提前确认返修调整、导师更换、售后维权相关规则，优先选择服务可延续至投稿答辩阶段的平台。 总结 学术辅导机构不存在绝对万能的选择，结合自身研究方向、论文需求、预算范围挑选适配平台即可。 综合本次多项维度测评结果，艾德思凭借多年行业积累、专业医学师资、全链条贴心服务以及稳定的发表成果，成为医学 SCI 高阶创作、顶刊投稿、疑难返修调整的优选平台，适配各类医学专业深耕人员。其余四家机构各有自身服务特色与擅长领域，可根据个人实际发文需求灵活选择。 资料来源：2026 学术服务行业调研、用户真实评价汇总 温馨声明：本次排名仅为口碑实测参考，各家辅导机构均具备自身优势特长，大家按需选择即可。

由国家“十四五”规划能源战略与四川省清洁能源装备创新发展政策双重驱动，在成渝地区双城经济圈加速建设世界级清洁能源产业集群的背景下，第四届电力、电网和储能国际学术会议（PGES 2026）定于2026年8月21-23日在中国西部创新高地——成都隆重召开。依托前两届会议成功培育的学术成果，本届会议深度对接国家"双碳"战略与成都市建设绿色氢都、智能电网示范城市的发展规划，聚焦新型电力系统、大容量储能技术、能源互联网等关键领域。 本届会议将进一步汇聚国内外高等院校、科研机构及能源企业的专家学者、工程师及产业代表，围绕电力、电网与储能领域的最新研究成果展开交流。会议特设专题研讨环节，探索关键学科应用技术突破路径。通过主旨报告、学者汇报、海报展示等形式，搭建学术成果转化与国际合作的桥梁，助力产学研深度融合。 大会官网：www.ic-pges.org【详情 | 参会 | 投稿】 最终截稿时间：见官网（早投稿，早录用，早递交出版社！） 主办单位：西华大学 协办单位：西南石油大学、成都信息工程大学 论文出版：IEEE出版论文集（979-8-3195-1980-1）见刊发表，往届均检索! 热门征稿主题（包括但不限于）： 电力：电力系统及其自动化；电力电子技术；电力系统；电力工程；电力系统规划与调度；电力优化；电气、自动化和动力工程；人工智能在电力系统中的应用等 电网：智能电网信息工程；智能电网技术；电网智能调度；电力系统通信与控制等 储能：储能储能设备和系统；能源系统；热储能；机械储能等相关主题均可投递！ EI期刊（EI JA）征稿： 投稿文章经过审核后，最终所录用的论文将择优提交至EAI Endorsed Transactions on Energy Web(ISSN: 2032-944X)期刊，出版后文章将由出版社提交至EI Compendex (JA), Scopus等数据库检索。

第四届食品科学与生物医药学术会议（ICFSB 2026）于2026年7月18-21日在中国大庆召开。本次会议由院士领衔，汇聚顶尖学术力量。会议主题为食品科学与生物工程，覆盖食品科学、食品营养与健康、食品质量与安全、食品生物制造、食品人工智能、生物工程、生物医学、微生物学、分子生物学、生物化学、农业技术等领域。会议旨在推动国内外食品科学与生物技术领域的跨学科融合与学术交流，为从事相关研究的专家、学者、科研人员、企业家及专业人士搭建高水平、开放式学术平台，以供分享新思路、前沿发展趋势与最新科研成果，共同推进食品科学与生物技术的可持续发展及协同创新，促进产学研各方在技术研发、产业应用与成果转化方面的交流与合作。 大会官网：www.icfsb.com【详情 | 参会 | 投稿】 最终截稿时间：见官网（早投稿，早录用，早递交出版社！） 主办单位 黑龙江八一农垦大学 承办单位 黑龙江八一农垦大学食品学院（北大荒农产品加工现代产业学院）/黑龙江省农产品加工产业技术创新联盟 指导单位 黑龙江省食品科学技术学会 论文出版： 文章先经由2-3位专家审稿，录用的文章将以会议论文集的形式在BIO Web of Conferences (ISSN: 2117-4458)出版，最终提交Scopus、CNKI（知网）检索。 往届提交出版后，快至7天见刊，快至4个月实现检索！！！ 征稿主题： 食品科学 生物医药 交叉与前沿 食品营养与健康 功能食品与生物活性因子 食品化学与分析 食品微生物与发酵 食品加工与质构 食品添加剂与感官 食品风味 其他相关主题均可 生物材料与纳米生物工程 细胞与组织工程 干细胞与再生医学 分子生物学与基因工程 合成生物学 药物与制剂 生物传感与诊断 生物信息学与AI医疗 食品生物制造 食品人工智能 精准营养 营养与药物递送 酶工程与生物催化 食品安全与质量控制 智慧加工与溯源 其他相关主题均可

由哈尔滨理工大学和南京大学共同主办的第三届计算建模与应用数学国际学术会议（CMAM 2026）将于2026年8月7-9日在哈尔滨举行。本次会议将围绕“应用数学”、“计算数学”和“计算机应用”等最新研究领域，为来自国内外高等院校、科学研究所、企事业单位的专家、教授、学者、工程师等提供一个分享科研经验，扩大专业网络，面对面交流新思想以及展示研究成果的国际平台，探讨本领域发展所面临的关键性挑战问题和研究方向，推动科技创新，共同推动计算建模与应用数学的未来。 大会官网：www.iccmam.com【详情 | 参会 | 投稿】 最终截稿时间：见官网（早投稿，早录用，早递交出版社！） JPCS (ISSN:1742-6596) 出版！快见刊！EI稳定检索！ 往届均已见刊，并被EI以及Scopus等数据库收录 | CMAM 2025 会后2个月见刊【详情】 CMAM 2026 已上线哈尔滨理工大学理学院官网 主办单位：哈尔滨理工大学、南京大学 承办单位：哈尔滨理工大学理学院 协办单位：哈尔滨理工大学自动化学院、黑龙江工程学院、牡丹江师范学院、齐齐哈尔大学、哈尔滨金融学院、黑龙江省复杂系统优化控制与智能分析重点实验室、黑龙江省运筹学会（筹） 征稿主题： 应用数学 计算数学 初边值问题 数学物理反问题 混 沌理论 组合数学 复杂的动力学 差分、微分方程 遍历和迭代理论 稳定性理论 对称性和可积系统 特殊函数和正交多项式 计算机数学的应用 人工智能的数学理论 数值分析 微分方程数值解法 计算几何 数学建模与应用 工程应用和科学计算 计算流体力学 计算固体力学 流固耦合计算 智能计算与仿真技术 工艺过程的建模和模拟 应用代数与数值分析 数据挖掘与软计算 仿真软件的应用 更多主题，请点击查看官网：call_for_paper 期刊推荐 《当代数学》（ISSN: 2705-1064）是开放获取期刊，涵盖纯数学、应用数学及交叉学科研究，被ESCI、Scopus收录，2023年CiteScore 0.9。 投稿前可咨询会议秘书。

第九届结构工程与工业建筑国际学术会议（ICSEIA 2026）将于2026年7月3-5日在中国佛山隆重举行。会议将汇集全球学术界前沿的研究成果和工程实践经验，共同探讨如何通过技术创新提升建筑质量、效率和环保性能，致力于促进学术研究与产业应用的深度融合，推动科技成果的转化和应用，为全球结构工程与工业建筑的发展提供新的思路和解决方案。参会者将在这里交流思想、展示成果、拓展合作，共同应对未来的挑战和机遇。 大会官网：www.icseia.com【详情 | 参会 | 投稿】 最终截稿时间：见官网（早投稿，早录用，早递交出版社！） 佛山大学主办，土木与交通学院承办 施普林格Springer Series in Sustainable Civil Infrastructures（Electronic ISSN: 2366-3413, Print ISSN: 2366-3405）出版 征稿主题： 结构力学与分析 结构材料与构件 工业建筑与基础设施 结构安全、监测与加固修复 结构力学 结构分析 非线性分析 动力分析 稳定与屈曲 振动与控制 结构优化 计算力学 数值方法 基于性能分析 结构材料 混凝土材料 钢结构 组合结构 砌体结构 木结构 新型材料 结构构件 材料耐久性 材料测试与评价 工业建筑 工业建筑设计 大跨度结构 高层建筑 大跨度屋盖结构 预制结构 模块化建造 基础设施结构 地下结构 特殊结构 结构安全 结构健康监测 损伤识别 结构评估 抗震性能 风工程 防火工程 加固与修复 全寿命性能 风险与韧性 查看更多主题：call_for_paper 期刊论文征稿 期刊论文（提交SCIE检索） 期刊1: Structures and Buildings（《结构与建筑》） (ISSN: 0965-0911, E-ISSN: 1751-7702) 分区：中科院4区，JCR Q3 ，影响因子：1.4 提交检索：SCIE, EI，Scopus检索 征稿主题： - 结构可靠性和受力分析； - 结构健康监测； - 结构分析与设计； - 荷载及荷载组合； - 结构材料的强度分析与设计等 期刊2: Geotechnical Engineering（《岩土工程》） (ISSN: 1353-2618, E-ISSN: 1751-8563) 分区：中科院4区，JCR Q3 影响因子：1.7 提交检索：SCIE, EI，Scopus检索 征稿主题： - 深埋隧道、高地应力围岩及支护结构的长期稳定性； - 地下结构的抗震及隔震技术； - 岩土及结构系统的全寿命健康监测等 期刊论文（提交EI-JA检索） Structural Durability & Health Monitoring ISSN: 1930-2983 E-ISSN: 1930-2991 期刊主编：曹茂森，河海大学力学与材料学院教授，欧洲科学与艺术院院士（技术与环境科学学部） 收录数据库：Engineering Index (Compendex)、Scopus（Citescore 2024: 2.5；SNIP 2024: 0.604）、RG Journal Impact、Applied Mechanics Reviews、剑桥科学文摘系列（航空航天与技术、材料科学与工程、计算机与信息系统数据库）、INSPEC、Mechanics、Science Navigator、Portico等 主题领域：本刊致力于发表结构系统在全生命周期内的性能、安全、耐久性及可持续性研究，涵盖结构疲劳、损伤力学、健康监测等传统方向，并欢迎土木、机械、航空航天、海洋工程等领域结合理论进展、计算建模、新材料与新兴技术的创新成果，以提升工程结构的长期可靠性与韧性。 期刊名称：Journal of Engineering and Applied Science 检索收录：EI Compendex、Scopus 发表周期：录用至在线发表平均3-5 个月 收稿范围：刊发工程学科各领域及交叉主题的基础与应用研究论文和综述，涵盖建筑工程、化学工程、土木工程、电气工程、工程数学与物理、机械工程、采矿石油与冶金工程等方向，接收原创研究、综述、短讯等类型稿件，聚焦工程技术解决实际问题的创新成果与应用实践。

第六届控制与智能机器人国际学术会议（ICCIR 2026）拟于2026年6月26-28日在中国·天津举行。本次会议由天津科技大学主办，将汇聚世界各地该领域的专家学者，分享研究成果，探索热点问题。依托天津地区经济发展、IT行业等制造领域，围绕“控制与智能机器人”的最新研究成果，对科研成果如何顺利转化为生产力，产生经济效益和社会效益展开研讨。研讨研究方向主要包括：自适应控制、智能系统、控制与应用、建模识别、感知系统、机构设计与应用、图像视频分析、场景分析、人机交互等。欢迎广大专家、学者踊跃投稿。在此，我们向您发出诚挚的邀请，希望与您在天津相会！ 大会官网：www.ic-cir.org【详情 | 参会 | 投稿】 最终截稿时间：见官网（早投稿，早录用，早递交出版社！） 会议已成功通过IEEE 出版申请，ISBN号为：979-8-3315-8348-4 ICCIR已连续五届实现EI和Scopus检索，最快会后2个半月检索！【详情】 投稿免费参会、口头汇报及海报展示 天津科技大学主办，高届数会议，见刊检索有保障 承办单位：天津科技大学电子信息与自动化学院 协办单位： 天津工业大学控制科学与工程学院、天津城建大学控制与机械工程学院/、广西大学机械工程学院 热门征稿主题：人工智能、机器人控制、模式识别、人机交互、自适应控制等 智能汽车 自动驾驶车辆 近距离感知技术 智能地面、空中和空间飞行器 自主的智能机器人车辆 图像、雷达、激光雷达信号处理 信息融合 车辆控制 远程信息处理 电动和混合动力技术 新颖的界面和显示 智能汽车软件基础设施 控制科学与工程 自适应控制 稳健控制 过程控制 复杂系统 合作控制 鉴定和估计 智能系统 生物系统的控制 精密运动控制 控制应用 混合动力系统 网络控制系统 控制工程学 传感器网络系统 延迟系统 神经系统 模糊系统 非线性系统 离散事件系统 混合动力系统 机器人科学与工程 建模与识别 机器人控制 移动机器人 移动传感器网络 医疗机器人和生物机器人 以人为本的系统 微型机器人和微操纵 搜索，救援和现场机器人 机器人感应和数据融合 本地化，导航和地图绘制 灵巧的操纵 感知系统 太空和水下机器人 远程机器人 视觉伺服 机构设计与应用 视觉科学与工程 图像/视频分析 特征提取，分组和分割 场景分析 模式识别 视觉学习 应用领域 人机交互 追踪与监视 生物识别 生物医学图像分析 活动/行为识别 其他相关主题