厚植学术根基,勇攀科研高峰。近期,我校计算机与人工智能学院段江教授团队在管理科学与人工智能前沿领域取得系列高水平研究突破,论文成果荣登国际顶刊顶会: UTD 24 顶刊 Information Systems Research(ISR)、CCF A 类顶刊 IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI),以及人工智能领域旗舰顶会NeurIPS 2026(Conference on Neural Information Processing Systems)。
在管理科学领域,段江教授作为通讯作者在UTD24期刊ISR发表论文《Seeing Less, Engaging More: Rethinking Early User Experience on GenAI Co-Creation Platforms–Findings from a Field Experiment》。该论文基于田野实验与线上实验,研究生成式AI内容创作平台的早期用户转化问题。研究发现部分展示生成内容注册转化率最高,可同时激活使用价值感知与好奇心;损失框架提示与部分生成内容展示搭配效果最优,但在生成内容完全展示下效用会减弱。该效应建立在用户实质参与共创的前提下,还能正向影响后续留存,为AI平台的用户引导设计提供实证依据。
在人工智能领域顶刊方面,科研团队于 11 月第一周内接连有两项成果获 IEEE TPAMI 录用。其中温良剑副教授作为第一作者,段江教授作为通讯作者的研究成果《Multimodal Information Interactions Bottleneck for Multimodal Self-Supervised Learning》,提出多模态信息交互瓶颈方法,让模型在学习各模态特征和融合特征时保留与任务有关的信息,减少冗余信息的干扰。在多项多模态基准任务中,该方法的表现优于对比方法。温良剑副教授作为第一作者,段江教授作为通讯作者的研究成果《InfMasking: A Unified Variational Framework for Synergistic Multimodal Learning》,提出在融合前随机遮盖各模态的部分特征,让模型用不同的线索组合来学习,从而减少对单一模态或共有信息的依赖。实验结果表明,该方法在所评估的任务中改善了预测表现,也有助于模型在部分模态受干扰时保持稳定。
在人工智能领域顶会方面,2篇论文被NeurIPS 2026录用。温良剑副教授作为通讯作者,段江教授作为第三作者的研究成果《HRIL: Learning Multimodal Synergy via Higher-Order Tensor Modeling》,提出用高阶张量直接刻画多个模态之间的联合关系。实验显示,该方法在合成数据和真实任务上均取得性能提升,在依赖协同信息的受控任务中提升尤为明显。温良剑副教授作为通讯作者,段江教授作为第三作者的研究成果《MSCR:Jointly Balancing Utilization Across Modalities and Discovering Synergistic Information》,提出在融合环节限制单一模态的主导作用,同时鼓励模型利用模态之间的互补线索,让联合预测优于各单模态预测的简单叠加。在五个真实数据基准上的实验表明,该方法的预测表现优于已有的模态平衡基线;在单模态模型判断错误的样本上,采用该方法的融合模型也更有可能作出正确判断
——更多了解
l Information Systems Research(ISR)由 INFORMS(Institute for Operations Research and the Management Sciences)主办出版,是UTD 24顶尖商学期刊之一,聚焦高水平信息系统方向研究,在国际管理科学与信息系统领域拥有极高学术影响力。
l IEEE TPAMI(IEEE Transactions on Pattern Analysis and Machine Intelligence)为中国计算机学会(CCF)A 类顶级期刊,影响因子 20.4,是模式识别、计算机视觉与人工智能领域公认的国际顶尖刊物。
l NeurIPS(Conference on Neural Information Processing Systems)是中国计算机学会(CCF)认定的人工智能领域 A 类顶会,是机器学习与人工智能领域公认的国际旗舰顶会,NeurIPS 2026 为该会议的第四十届
初审:余宗健,复审:李瑶,终审:杨新