项目获奖研究

面向AI机器人自主性的在线安全监控
自主系统（如机器人）中的深度神经网络在处理与训练数据差异较大的输入时可能不可靠，例如遇到意外障碍物或与行为超出预期的人类互动。该项目研究如何使自主系统中的深度神经网络高效检测异常数据点，并通过决策委托或切换至安全基线策略作出响应，从而预防阻塞事故并提升系统效率。

基于符号结构的大型语言模型控制方法
尽管大型语言模型能力卓越，但其可控性仍面临挑战。该研究通过符号语法机制控制预训练模型，定义概率语法并将其非终端符号与模型的部分输出分布显式关联。这种符号接口可对语言模型实施约束，相比基于提示的方法能实现更明确的受限生成，适用于需严格遵循输出约束的零样本/少样本生成任务（如语义解析、医疗笔记翻译）。

企业数据整理基础模型DataCore
现代数据密集型应用需整合查询多种数据集（内部文档、半结构化日志、数据库表格及机器学习输出），但这些数据往往分散且结构不一致。研究旨在构建具备自然语言处理基础模型优势的数据整理原生模型，能够无需大量领域训练即可通过交互式提示处理结构化数据，显著提升数据科学家在数据查找、合并与清洗环节的效率。

低功耗设备的高效SLAM内存优化方案
研究通过算法与硬件协同设计，实现同步定位与映射（SLAM）在效率、鲁棒性和精度上的平衡。针对智能手机、AR/VR头显及微型医疗机器人等电池容量受限设备，开发能够应对传感器噪声和模态不足的轻量化定位与映射算法，并配套专研高能效计算硬件。

2023年度奖学金获得者

两位博士研究生获得独立研究资助，研究方向聚焦机器人技术与人工智能：

• Sirui Li：社会工程系统与统计学博士候选人，研究重点为贝叶斯方法、社交网络及机器学习在经济学与政治学的应用，目前通过图神经网络与强化学习解决共享出行问题。
• Yue Meng：航空航天学博士候选人，专注于采用机器学习技术实现安全稳健的机器人控制，曾任职于某研究中心的AI研究员岗位。

获奖者将有机会在某中心参与带薪暑期实习，与研究人员共同开展项目并获得行业实践经验。