所属分类：电子信息产业

所属单位：福州大学

成果简介：随着技术的日新月异，医疗领域正见证了一个前所未有的变革。其中，医疗语言大模型作为近年的研究热点，给医疗健康带来了深远的影响。它们不仅为医疗健康带来了便利，更为患者的诊断和治疗打开了新的可能。 本项目基于前期肝病AI外脑系统的基础，联合复旦大学附属肿瘤医院福建医院、福建医科大学孟超肝胆医院，复旦大学、中科院自动化所、中科院软件所、北京邮电大学、百川智能等业内一流校企团队，研发了全球首个面向肝病和肝癌的医疗大模型，即孟超大模型。孟超大模型能够用于基层医院场景、临床决策场景和MDT场景，极大地提高了医疗资料的整合和查询效率。医疗信息是海量的，从各种临床试验、病例研究到医学指南，每一项都承载着宝贵的医学知识。然而，医生很难在有限的时间内掌握所有信息。孟超大模型能够快速筛选、整合这些资料，为医生提供最相关、最新的循证医学证据，帮助他们做出更加科学、合理的诊断和治疗决策。此外，孟超大模型也为基层医院提供了有力的技术支持。在某些偏远地区的基层医院，医生可能难以为患者提供规范化、均质化的服务。此时，孟超大模型可以作为一种辅助诊疗工具，帮助医生对患者初步诊断病情、提供紧急的医疗建议。

所属分类：电子信息产业

所属单位：北京邮电大学

成果简介：文化计算大脑生产工具可视化平台旨在应用实验室多年积累的文化计算相关算法，打造一系列生产工具，为文化资源数字化内容实现可量化、可计算、可分析、可展示提供技术支撑，为中华传统文化遗产数字化保护与利用、传统文化内涵揭示及传承机理分析奠定技术基础。

所属分类：电子信息产业

所属单位：北京邮电大学

成果简介：大模型赋能的智能教学应用平台

所属分类：电子信息产业

所属单位：中国石油大学

成果简介：不同云技术的集成对解决不同的计算任务是至关 重要的利用深度学习方法可以得到很高的识别率和预测率 系统的性能在很优秀，可以用在实时环境中 系统的可扩展性和可用性都很好。目前的实际部署包括油田的安全监控 、智慧港口（东营、青岛），以及电力、航天等。可以应用在公安、交通等所有与视频、图像相关的领域。

所属分类：电子信息产业

所属单位：华中师范大学

成果简介：

所属分类：电子信息产业

所属单位：西安交通大学

成果简介：本项目聚焦点云配准和高精度地图创建问题，借助智能机器人平台探索复杂真实环境特征捕获和低复杂度算法优化，构建了集双视角度量距离双视角点云全局配准、基于聚类思想的多视角点云配准以及基于点云配准的机器人大规模地图创建与融合一体化的新模型，在双视角、多视角和地图融合三个具有强关联性的层次上揭示了智能体完成场景建模的深层机理，发展形成可落实于自动驾驶和服务机器人终端上的完整模型框架，并实现了核心技术在武汉工控仪器仪表有限公司的机器人产品上的落地。项目成果发表在IEEE TIP/TASE，IET IMAGE PROCESS, INFORM SCIENCES和《自动化学报》等国内外知名期刊和会议上，被全球众多科研机构的1000余篇论文引用，产生了重要学术影响。5篇代表作谷歌学术（GS）总他引177次、Web of Science（WoS）他引140次。多位中国工程院院士、IEEEFellow等国际知名学者引用评价为 “代表性工作”和“基准性工作”。应用项目成果研制的基于3D-SLAM 技术的定位导航系统应用于武汉工控仪器仪表有限公司的机器人产品。获陕西省高等学校自然科学一等奖(2024)和陕西省计算机学会自然科学奖二等奖（2023）。

所属分类：电子信息产业

所属单位：中国科学技术大学

成果简介：本项目致力于将当前国际上脑科学的前沿研究成果用于学生多维脑认知功能的精准鉴别和潜力的挖掘。 本项目利用权威技术与先进算法，并通过整合国内外科研机构闲散脑科学平台和扫描资源，建立全球最大的脑认知功能数据库，为教育机构和其他行业需求提供基础服务。

所属分类：电子信息产业

所属单位：哈尔滨工业大学

成果简介：针对人工智能的事件预测中的事件背景知识不全、事件间逻辑关系缺失，推理路径不透明等问题，提出了事理知识增强的事件预测技术，开发了条件马尔可夫逻辑网络，通过事理图谱来补充事件背景知识，补全事件间的发展链条，实现了高性能的事件推理，并通过还原事件之间的演化关系， 实现了深度学习模型的自解释，使得推理可靠且可信。相关成果获2019年The Story ClozenTest国际评测第一名。 该技术能够广泛应用于各类事件预测场景，包括但不限于金融风险预警，法律法条预测，舆情监测等场景。

所属分类：电子信息产业

所属单位：哈尔滨工业大学

成果简介：首创性地提出事理图谱（Eventic Graph, EG）的概念，构建了以事件和事理为核心，事理逻辑关系为边的知识库，解决了现有知识图谱体系性缺失问题，开创了事理图谱的研究方向。结构上，事理图谱是一个有向有环图，节点表示事件，有向边表示事件之间的顺承、因果、条件和上下位等逻辑关系。举办了全国首届事理图谱研讨会，2022年，事理图谱作为专业术语被中国计算机学会认证并对外发布。相关成果获得SemEval 2020国际语义评测“检测反事实陈述”任务第一名。 事理图谱通过构建和分析事件及事理关系，在自然语言处理、智能搜索引擎、推荐系统、企业管理、金融等领域展现出广泛的应用前景。通过应用事理图谱，可以提升问答系统的准确性、改进信息抽取和智能搜索的效率，增强推荐系统的个性化能力。

所属分类：电子信息产业

所属单位：哈尔滨工业大学

成果简介：针对青少年成长过程中普遍面临的被忽视和缺乏陪伴问题，研制了智能情感陪伴助手“巧板”系统。该系统基于先进的大语言模型，融合了儿童心理学理论、持续学习技术、可控模型融合技术、角色化代理技术和检索增强技术，具备共情陪伴、情绪疏导、角色化陪伴和中华优秀文化熏陶四大 功能。“巧板”有效解决了青少年儿童情感支持缺乏的问题，实现了缓解孤独感、守护心理健康和提供个性化沉浸式对话体验的目标，并可以通过引经据典的方式教育孩子，传递中华传统文化。 “巧板”系统能够在一定程度上替代传统的心理辅导和情感陪伴方式，在家庭、学校、心理咨询机构等场景中为青少年提供情感支持和心理疏导。

所属分类：电子信息产业

所属单位：哈尔滨工业大学

成果简介：提出基于大语言模型的航天科普问答技术，发明了基于混合粒度查询检索的模型外部领域知识融合方法，实现了支持多轮对话交互的航天科普大语言模型助手，设计了面向文档效用理解的两阶段检索重排流程，扩宽了人民群众获取航天科普知识的路径，增强了群众对我国航天成就的理解与认识，完成了自然语言前沿技术落地到航天科普领域的实践。 航天科普大语言模型助手可以帮助普及航天知识，向公众传达航天科技的重要性和意义，提高大众对航天领域的认识和了解。还可以用于教育培训领域，帮助学生和教师更好地学习和教授航天知识，促进科学素养的提升。同时，航天科普大语言模型助手可以为科研人员提供信息检索和知识查询的支持，帮助他们更快地获取所需信息，促进科研工作的进展。

所属分类：电子信息产业

所属单位：哈尔滨工业大学

成果简介：针对中文到斯拉夫语系翻译过程中存在的翻译质量不稳定、领域适应性差等问题，提出了一套基于底座预训练语言模型、语言聚类训练策略、多语言优化目标、模型架构等四个维度的综合解决方案。通过分析斯拉夫语言的内在语言特性及翻译语料的统计特征，提出了多目标自蒸馏策略，解决了多语言数据不均衡带来的收敛不一致性问题；发明了帕累托互蒸馏训练算法，突破了多语言帕累托优化困境；实现了基于梯度冲突的自适应参数分配策略，有效缓解多语言参数冲突问题。 该技术能够显著提高中国与斯拉夫语系国家之间的沟通效率，促进政府间的政治、经济、文化交流合作。可以推广应用于“一带一路”国际会议、双边会谈及多边协商中的实时翻译，减少语言障碍。为学术研究提供文献翻译支持，推动跨语言的学术交流与合作；促进多语言教学，助力高校提供中文和斯拉夫语系语言的双语课程。