Jay

身份背景

长期从事多模态大模型（MLLM）、视觉语言模型（VLM）、大语言模型（LLM）与计算机视觉（CV）相关研究，同时覆盖可信人工智能、医学图像分析、AI for Science及大模型后训练与安全对齐等前沿方向，在多模态大模型 × 可信AI × AI for Science交叉领域具有丰富的科研经验。

研究定位

研究方向覆盖：

• 多模态大模型 ： MLLM、VLM、多模态理解与生成、视觉语言学习与跨模态建模
• 大语言模型 ： LLM、自然语言处理（NLP）、大模型后训练及相关应用
• 可信人工智能 ： 大模型安全对齐、可信机器学习、模型可靠性与安全性
• 计算机视觉 ： 视觉理解、视觉表征学习、图像分析与多模态视觉感知
• 医学图像分析 ： 医学视觉、医学影像分析及人工智能辅助医学研究
• AI for Science ： 人工智能与科学研究交叉、大模型驱动的科学智能研究

学术成果

• 在 CVPR、ICCV、EMNLP 等计算机视觉及自然语言处理领域国际顶级会议发表多篇论文
• 发表 SCI二区国际期刊论文
• 获 JSPS DC2 Research Fellowship
• 获 DAAD AInet Fellowship
• 获 Google Travel Grant
• 获 JST SPRING GX Fellowship
• 获评上海交通大学优秀毕业生
• 参与研究获 SPIE Medical Imaging Image Processing Student Paper Award
• 担任 NeurIPS、CVPR、ECCV、AAAI、ACL ARR 等国际会议审稿人
• 担任 IEEE Transactions on Image Processing（TIP） 等国际期刊审稿人

可指导论文区位

CCF-A / CCF-B / CCF-C / SCI一区 / SCI二区 / SCI三区 / SCI四区 / EI

导师特点

具备扎实的多模态大模型、计算机视觉与可信人工智能科研背景，研究技术栈覆盖MLLM、VLM、LLM、NLP、医学图像分析、大模型后训练与安全对齐及AI for Science，具有较强的多模态大模型 × 可信AI × AI for Science交叉研究能力。 尤其适合希望深入多模态大模型、视觉语言模型、大语言模型、NLP、计算机视觉、医学图像分析、AI for Science、大模型后训练与安全对齐、可信人工智能等方向，并以CCF-A/B/C、SCI及EI为目标开展科研工作的学生。