课题简介
在生成式人工智能迅猛发展的浪潮中，多模态大模型正逐渐成为下一阶段通用智能系统的关键支柱。CVPR、ACL、ICLR 等顶级会议近年来集中涌现了大量聚焦图文、音视频、3D感知和交互智能的多模态研究成果。以GPT-4V、Gemini和 LLaVA等系统为代表的多模态大模型，正在从“感知驱动”向“推理驱动”演进，不仅成为大厂竞逐的核心技术路线，也带动了学术界对多模态对齐、提示学习、思维链推理与模型幻觉等问题的深入探索。
这一方向具备高度的研究潜力和现实价值。同时，随着医疗、教育、金融、法律等垂直行业对多模态能力的需求爆发，该方向也具备良好的产业落地预期，是未来几年AI科研与落地的交叉结合点。
本课程采用小班制研讨+系统课程框架+研究选题辅导的教学形式，覆盖从基础模型理解到高级建模范式，帮助学生建立起系统的研究视野与方法论。课程将提供多条高潜力研究方向与选题建议，结合文献阅读、研究拆解和选题孵化，辅导学生完成具备投稿潜力的论文草稿或实验系统。课程中，学员将具备独立分析、提出和推进多模态大模型相关研究问题的能力，为后续投稿、项目申请或博士/硕士课题打下扎实基础。
导师介绍
【学校/研究方向】国内Top高校计算机博士，研究方向为多模态表示学习及智能体决策。
在命名实体识别、信息抽取、知识图谱、多模态大模型、智能体、RAG等方向均有实战经验。
工作经历/实习经历：深度参与大语言模型、多模态大模型研究，有稳定且长期的一线大厂多模态大模型研究经验
【科研论文/审稿人】参与多项国家级课题，发表各类论文30余篇，在ACL、CVPR、IJCAI等会议上以第一作者身份发表多篇文章。担任CVPR、ACL、NeurIPS、IJCAI、ICML、ICLR、KDD、ACM MM、IJCAI等会议及期刊的审稿人
【指导经验】
拥有超过2年的深度之眼指导经验及多位师弟师妹的指导经验，累计指导学生超30余人
可选创新点
（1）基于跨模态注意力融合的图文实体对齐增强机制研究
（2）多模态上下文增强的嵌套实体识别与层次化表示建模
（3）解码过程控制下的多模态幻觉检测与事实纠偏机制
（4）引入结构感知提示的多模态思维链自动生成方法
（5）结合语言+结构提示引导扩散模型的结构可控性研究
（6）基于语义解耦的多模态提示自动生成与精调策略研究
课程亮点
（1）直击多模态领域顶刊核心问题，选题覆盖图文对齐、跨模态生成、推理链建模等方向，紧跟当前生成式AI主流演进路径。
（2）结合真实科研流程，采用“小班精讲+高频研讨+选题指导”机制，在14周内完成从“任务识别→技术路线拆解→实验搭建→论文撰写→投稿策略制定”的科研闭环训练，支持学员完成高质量研究输出或顶会初稿准备。
（3） 提供精选高潜力研究方向清单与选题推荐，可作为博士/硕士课题、顶会投稿、竞赛项目储备。