基于知识图谱的大模型微调知识质量评估与可视化框架
- 构建能精准探测、量化与可视化大模型知识缺陷的系统，解决专业领域微调后"知识黑箱"与"幻觉难定位"问题
- 基于开源数据集，利用命名实体识别与关系抽取自动构建源知识图谱；设计多层级 Prompt 对微调后模型进行知识探测，通过图谱对齐计算精确率与召回率实现精准评估
- 搭建可视化交互平台，提出数据、模型与推理三层优化方案，形成"探测-评估-优化"闭环
基于元标注大模型的高效领域专家语言模型构建框架
核心成员- 设计多阶段训练范式，解决通用大模型向领域小模型迁移过程中的数据瓶颈与逻辑缺失问题
- 提出"元标注大模型"（Meta-LLM）作为中间桥接，自动生成高质量领域结构化数据；采用"蒸馏-微调"分层策略精准注入深度领域逻辑
- 在智慧交通领域验证，实现高效、可控的模型深度专业化，提升知识迁移效果与部署适应性
中青杯数模：基于北京的康养城市建设模式研究
小组成员 · 全国三等奖- 对北京市康养资源的分布均衡性与配置效率进行科学评估，为城市规划提供数据驱动的决策依据
- 爬取 POI 地图与统计年鉴数据，利用核密度分析 (KDE) 和莫兰指数 (Moran's I) 量化诊断空间聚集性
- 结合德尔菲法和层次分析法 (AHP) 构建评估模型，采用 Gurobi 求解最优选址方案
可解释植物病害分类模型构建
- 以 YOLOv5 的 Backbone 和 Neck 构建 DFN 特征提取模块，设计嵌入 PSA 金字塔挤压注意力机制的 PSAN 分类模块
- 采用 t-SNE 非线性降维可视化特征层数据，实现模型决策过程的可解释性分析
- 三个数据集平均准确率和 F1-score 均超 95.27%，PSA 机制节省 26% 模型参数，PlantVillage 上达 99.89%
课程设计：叶片病害识别
组长- 选用 ResNet50、MobileNet、EfficientNet 对比实验，最终确定 Swin Transformer 结合 ResNet50 的混合架构
- 运用 Grad-CAM 和 t-SNE 技术进行可视化分析，测试集 mAP 为 0.895，准确率 0.956
大创：多模态情感识别和可解释性分析系统
组长 · 校级立项- 运用 YOLOv5 定位人物区域，分别对人物和场景进行特征提取，使用注意力机制融合；音频转 Mel 频谱图用 VGGish 提取特征
- 设计跨模态注意力机制，使用 Grad-CAM 绘制热力图分析决策依据；用 Vue 构建前端可视化系统
数模美赛：Momentum in Tennis
组长 · S奖- 量化网球运动员比赛动量，利用 AutoEncoder 进行数据降维，通过熵权法确定各因素权重
- 引入 COA 浣熊优化的 CNN-BiLSTM-RF 预测算法，通过 MAE/MAPE/MSE/RMSE/R² 全面评估模型性能