学者网
2026年7月20日至24日，第49届国际计算机学会信息检索研究与发展会议（The 49th International ACM SIGIR Conference on Research and Development in Information Retrieval，简称SIGIR 2026）在澳大利亚墨尔本举行。团队官全龙教授、博士生刘成受邀参加会议，汇报了团队多模态知识理解的研究成果“Mitigating Evidence Suppression: Bi-level Active Evidence Injection for Educational Video Understanding”。
SIGIR是信息检索与人工智能领域顶级学术会议，中国计算机学会（CCF）推荐的A类国际学术会议。会议重点关注信息检索、搜索系统、推荐系统、自然语言处理、多模态理解及智能信息访问等领域的前沿研究，为全球学者展示最新研究成果、探讨学术发展趋势和开展国际科研合作提供了重要平台。
团队多模态知识理解论文成果“Mitigating Evidence Suppression: Bi-level Active Evidence Injection for Educational Video Understanding”被SIGIR 2026的Full Papers Track录用。该研究聚焦大型视觉语言模型在知识密集型教育视频问答任务中的关键视觉证据利用不足问题。研究团队通过区域级分析发现，即使教育视频中已经包含回答问题所需的图表、公式等视觉信息，模型仍可能在编码和解码过程中忽视这些关键内容，产生“证据抑制”现象，进而影响模型对教育视频的准确理解。
针对这一问题，研究团队提出双层主动证据注入方法（Bi-level Active Evidence Injection，BAEI）。该方法在不更新大型视觉语言模型主干参数的情况下，引入轻量级注入策略网络，动态识别和选择与问题相关的候选证据，并在模型解码阶段实施结构化证据注入。在浅层网络中，该方法增强关键视觉信号对后续生成过程的贡献；在深层网络中，则根据模型预测的不确定性进行自适应校正，从而提升模型对图表等关键视觉证据的关注和利用能力。教育领域基准数据集上的实验结果表明，该方法能够稳定提升模型在教育视频问答任务中的表现。
在论文汇报过程中，围绕研究背景、问题定义、技术框架、实验设计和核心成果进行了系统介绍，并就参会学者提出的证据选择机制、模型泛化能力、计算开销以及教育场景应用等问题作出详细回应。相关研究成果引起了与会学者的关注，并获得了积极反馈。论文得到国家自然科学基金项目（62377028，62276114，62477016）等科研项目的支持。
会议期间，团队与其他国内外高校及科研机构的学者围绕多模态信息检索、教育视频理解、大型视觉语言模型和智慧教育等研究方向进行了深入交流。通过此次交流，团队进一步了解了相关领域的国际研究前沿，也获得了关于后续研究方向和技术路径的有益建议。参加SIGIR 2026有助于团队及时了解信息检索、多模态理解和生成式人工智能等领域的最新进展。
评论 0