讲座人：李云鑫 博士生

题目：语言智能驱动的多模态理解及推理方法研究

时间：2025年4月24日17:00-18:00

地点：信息楼L1711

讲座内容：

本报告以语言智能为核心，系统阐述多模态理解与推理的突破性进展。基于大语言模型，提出多专家混合架构(Uni-MoE)和Shapley值驱动的视觉数据筛选方法，构建700k高质量多模态数据集使模型性能提升10%。研发VideoVista视频评估基准(25,000样例)和多模态图论数学基准，突破复杂逻辑推理评估边界。设计目标导向的反向推理数据构建范式与混合Reward机制，结合KaLM-Embedding多语言嵌入模型(40万下载量)，支撑WebQA多跳推理连续6月夺冠。同步开源ComfyUI-Copilot等工具链，并首创多智能体动画生成框架Anim-Director2，实现从理论到产业应用的闭环突破。