学者网
欢迎具有较强的机器学习及编程基础的研究生联系我们 Fancy AI Team。
我们的研究工作包括。
- 计算机视觉、自然语言理解大模型，及两者的多模态融合；
- 机器学习理论，包括少样本学习、半监督学习、自监督学习；
- 时序数据分析，金融数据分析；
- 分布式机器学习，联邦学习。
+ 联系方式 fanchenyou@scnu.edu.cn
+ 关注“计算机视觉的小书童”，了解更多FancyAI的工作。
部分工作展示
1.大模型智能体
Who is Undercover? Guiding LLMs to Explore Multi-Perspective Team Tactic in the Game
发表于DASFAA-2025
大模型自主对话与多轮决策，实现谁是卧底游戏。 文章链接
2.时序预测
CMA: A Unified Contextual Meta-Adaptation Methodology for Time-Series Denoising and Prediction
作者：江海琪（本科），范晨悠（通讯）
金融和碳排放数据市场的通用预测大模型方法
Carbon Price Forecasting with LLM-Based Refinement and Transfer-Learning
基于大模型蒸馏的碳市场时序预测与迁移学习，发表于ICANN-2024，文章链接
Multi-horizon time series forecasting with temporal attention learning
基于时序注意力的时序预测方法，发表于KDD-2019
3.分布式机器学习与半监督学习
Heterogeneous Federated Learning with Scalable Server Mixture-of-Experts
发表于IJCAI-2025人工智能顶会
作者：江金钢（研究生），陈延钊（本科生，共同一座），范晨悠
聚焦于使用混合专家架构聚合多个联邦模型，形成具备全局知识以及更多参数的MoE大模型
“Few-Shot Multi-Agent Perception With Ranking-Based Feature Learning”
基于特征学习的小样本多智能体感知，发表于TPAMI 人工智能顶刊
"Few-shot multi-agent perception"
小样本多智能体感知，发表于ACM MultiMedia-2021
“Private Semi-Supervised Federated Learning”
隐私保护的半监督联邦学习，发表于IJCAI-2022
4.预训练大预言模型，自然语言处理，检索增强
医学大模型检索增强
Medical Document Embedding Enhancement with Heterogeneous Mixture-of-Experts. 文章链接
发表于BIBM-2024
REMED: Retrieval-Augmented Medical Document Query Responding with Embedding Fine-Tuning
发表于IJCNN-2024
“Heterogeneous memory enhanced multimodal attention model for video question answering”
多模态视频问答， 发表于CVPR-2019
“Federated Prompting and Chain-of-Thought Reasoning for Improving LLMs Answering”
大模型联邦检索，发表于KSEM-2023
5.计算机视觉
“Identifying first-person camera wearers in third-person videos”
多视角人像检测，发表于CVPR-2017
评论 0