歡迎具有較強的機器學習及編程基礎的研究生聯(lián)系我們 Fancy AI Team。

我們的研究工作包括。

1. 計算機視覺、自然語言理解大模型，及兩者的多模態(tài)融合；
2. 機器學習理論，包括少樣本學習、半監(jiān)督學習、自監(jiān)督學習；
3. 時序數(shù)據(jù)分析，金融數(shù)據(jù)分析；
4. 分布式機器學習，聯(lián)邦學習。

+ 聯(lián)系方式  fanchenyou@scnu.edu.cn

+ 關注“計算機視覺的小書童”，了解更多FancyAI的工作。

部分工作展示

1.大模型智能體

Who is Undercover? Guiding LLMs to Explore Multi-Perspective Team Tactic in the Game

發(fā)表于DASFAA-2025

大模型自主對話與多輪決策，實現(xiàn)誰是臥底游戲。 文章鏈接

2.時序預測

CMA: A Unified Contextual Meta-Adaptation Methodology for Time-Series Denoising and Prediction

作者：江海琪（本科），范晨悠（通訊）

金融和碳排放數(shù)據(jù)市場的通用預測大模型方法

文章鏈接

Carbon Price Forecasting with LLM-Based Refinement and Transfer-Learning

基于大模型蒸餾的碳市場時序預測與遷移學習，發(fā)表于ICANN-2024，文章鏈接

Multi-horizon time series forecasting with temporal attention learning

基于時序注意力的時序預測方法，發(fā)表于KDD-2019

3.分布式機器學習與半監(jiān)督學習

Heterogeneous Federated Learning with Scalable Server Mixture-of-Experts

發(fā)表于IJCAI-2025人工智能頂會

作者：江金鋼（研究生），陳延釗（本科生，共同一座），范晨悠

聚焦于使用混合專家架構聚合多個聯(lián)邦模型，形成具備全局知識以及更多參數(shù)的MoE大模型

文章鏈接

“Few-Shot Multi-Agent Perception With Ranking-Based Feature Learning”

基于特征學習的小樣本多智能體感知，發(fā)表于TPAMI 人工智能頂刊

"Few-shot multi-agent perception"

小樣本多智能體感知，發(fā)表于ACM MultiMedia-2021

“Private Semi-Supervised Federated Learning”

隱私保護的半監(jiān)督聯(lián)邦學習，發(fā)表于IJCAI-2022 

4.預訓練大預言模型，自然語言處理，檢索增強

醫(yī)學大模型檢索增強

Medical Document Embedding Enhancement with Heterogeneous Mixture-of-Experts. 文章鏈接

發(fā)表于BIBM-2024

REMED: Retrieval-Augmented Medical Document Query Responding with Embedding Fine-Tuning

發(fā)表于IJCNN-2024

“Heterogeneous memory enhanced multimodal attention model for video question answering”

多模態(tài)視頻問答， 發(fā)表于CVPR-2019

“Federated Prompting and Chain-of-Thought Reasoning for Improving LLMs Answering”

大模型聯(lián)邦檢索，發(fā)表于KSEM-2023

5.計算機視覺

“Identifying first-person camera wearers in third-person videos”

多視角人像檢測，發(fā)表于CVPR-2017