叨乐
【科研成果】
已发表高水平学术论文3篇，在投高水平论文3篇，研究方向覆盖多模态大模型、AI for Science、生物医学人工智能、计算机视觉、自然语言处理与药物组合推荐等人工智能前沿领域。相关研究成果发表于 KDD（国际数据挖掘顶级会议，CCF A类）、Information Fusion（JCR Q1，Top期刊，影响因子15.6）以及 IEEE Journal of Biomedical and Health Informatics（JCR Q1期刊）等国际知名会议和期刊。当前另有3篇论文处于投稿阶段，包括 NeurIPS 顶级人工智能会议论文2篇，以及 Bioinformatics（CCF A类推荐期刊）论文1篇。
【研究方向】
大方向：大模型应用，多模态表示学习，对比学习，ai4science，生物信息
细分方向：主要从事多模态大模型与AI for Science交叉方向研究，研究内容涵盖多模态表征学习、视觉语言模型、知识增强推理、生物医学数据建模、药物发现、空间转录组学分析及大模型训练与系统应用等。
【可指导区位】
针对SCI二区至四区等国际期刊与会议论文的撰写
AI for Science、生物医学人工智能、药物发现、空间组学建模、多模态大模型及知识增强学习等交叉领域的硕士毕业论文。
【指导经验】
具有丰富的指导经验，指导过本科生、硕士生，并成功拿到985院校保研offer；研究生成功发表多篇一区论文和顶会。
【指导特点/可提供给学员的帮助】
理论与实践并重：帮助学生从数学建模、理论分析到实验设计、数据处理全流程掌握核心技术。
精细化论文指导：围绕核心思想、背景解析以及方法改进，提供从论文框架构建到科学写作的全程指导。
代码与实验教学：从预实验到算法实现，手把手带领学生解决关键技术难题。
跨学科融合：将人工智能与生物信息等多领域知识有机结合，启发学生多角度思考。
灵活高效：根据项目进展和学生实际情况，制定个性化研究计划，确保研究深度与应用价值同步提升。
叨乐
【科研成果】
已发表高水平学术论文3篇，在投高水平论文3篇，研究方向覆盖多模态大模型、AI for Science、生物医学人工智能、计算机视觉、自然语言处理与药物组合推荐等人工智能前沿领域。相关研究成果发表于 KDD（国际数据挖掘顶级会议，CCF A类）、Information Fusion（JCR Q1，Top期刊，影响因子15.6）以及 IEEE Journal of Biomedical and Health Informatics（JCR Q1期刊）等国际知名会议和期刊。当前另有3篇论文处于投稿阶段，包括 NeurIPS 顶级人工智能会议论文2篇，以及 Bioinformatics（CCF A类推荐期刊）论文1篇。
【研究方向】
大方向：大模型应用，多模态表示学习，对比学习，ai4science，生物信息
细分方向：主要从事多模态大模型与AI for Science交叉方向研究，研究内容涵盖多模态表征学习、视觉语言模型、知识增强推理、生物医学数据建模、药物发现、空间转录组学分析及大模型训练与系统应用等。
【可指导区位】
针对SCI二区至四区等国际期刊与会议论文的撰写
AI for Science、生物医学人工智能、药物发现、空间组学建模、多模态大模型及知识增强学习等交叉领域的硕士毕业论文。
【指导经验】
具有丰富的指导经验，指导过本科生、硕士生，并成功拿到985院校保研offer；研究生成功发表多篇一区论文和顶会。
【指导特点/可提供给学员的帮助】
理论与实践并重：帮助学生从数学建模、理论分析到实验设计、数据处理全流程掌握核心技术。
精细化论文指导：围绕核心思想、背景解析以及方法改进，提供从论文框架构建到科学写作的全程指导。
代码与实验教学：从预实验到算法实现，手把手带领学生解决关键技术难题。
跨学科融合：将人工智能与生物信息等多领域知识有机结合，启发学生多角度思考。
灵活高效：根据项目进展和学生实际情况，制定个性化研究计划，确保研究深度与应用价值同步提升。