项目负责人

赵新奎，博士，平台“百人计划”研究员，博士生导师，浙江大学先进计算与新兴服务研究所副所长。赵新奎博士长期从事智能操作系统、云原生技术等方向研究，主持科技部重点研发计划、国家自然科学基金面上项目等10余项科研项目。在DAC/WWW/ASPLOS/NeurIPS/AAAI/TPDS/SCIS/TSC等会议/期刊发表论文40余篇，申请国家发明专利50余项。研究成果获中国通信学会科技进步二等奖、全国示范性太阳gg平台地址十大关键软件技术成果奖等奖项，获得国家市场监督管理总局科技创新人才计划重点领域创新团队、中国数字服务大会软件服务创新大赛一等奖等荣誉。

重点项目3项

01.通专模型协同的多模态理解与生成关键技术研究（负责人：张文桥）

项目介绍：通用大模型虽然具有通用性和基础知识，但是当面对专用任务或垂直领域时，存在专业知识匮乏、特定任务精度不足、跨模态任务扩展能力有限等问题，无法满足垂直领域个性化需求。另外，数据驱动的通用模型记忆的“知识”具有时效性甚至存在模型“幻觉”，而对大模型的知识更新所需的重新训练成本极其高昂。专用小模型由于具有较高的归纳偏置，在处理特定感知或生成任务如图像编辑、目标检测等拥有独特的优势，并且具有模型轻量、推理高效、更新迅速等优点，可以弥补基础大模型“专用性弱、成本高昂”的不足。同样地，小模型通用性弱，知识理解和推理能力不足，仅使用小模型难以满足日益复杂的跨模态应用场景，无法理解人类复杂指令并完成各种跨模态任务。因此，基础大模型和专用小模型紧密协作、优势互补，充分融合通专模型提升复杂场景下的多模态理解与生成能力，是多模态智能领域的重要研究方向。

项目负责人 

张文桥，博士，平台“百人计划”研究员。张文桥博士的研究方向包括多模态智能、 应用机器学习与鲁棒性学习等。近年来，在TPAMI，CVPR，ICCV，ACL，NeurIPS等CCF A类期刊与会议上发表论文共40余篇，并担任CVPR，ICCV，NeurIPS，TMM等期刊与会议的程序委员会成员或特邀审稿人。曾作为子课题负责人参与多项国家级、省级重大项目，主要获得过AO Spine East Asia会议最佳基础科学奖，国际虚拟现实技术与应用创新大赛二等奖，国际学术竞赛第一名、腾讯技术大咖等荣誉。

02.面向大模型应用的智能测试方法研究（负责人：智晨）

项目介绍：随着大模型技术的快速发展，基于大模型开发的各类应用也层出不穷。但是大模型应用的运行过程呈现出极大的不确定性，包括模型内部的不确定性以及外部交互的不确定性，这些不确定性给大模型应用的质量保障带来了极大的挑战。本项目针对大模型应用的智能测试方法，从应用层、框架层、模型层等支撑大模型使能的三个核心层面展开研究，重点突破多智能体协同的大模型应用功能测试框架、故障注入驱动的大模型框架稳定测试方法、精细覆盖引导的大模型底座鲁棒测评技术等关键技术，形成多层次的面向大模型应用的智能测试方法体系，为大模型应用生态的健康可持续发展提供支撑，满足国家对于人工智能高质量发展的迫切要求。

项目负责人

智晨，博士，特聘副研究员，主要研究方向为智能化软件测试。承担1项国家自然科学基金青年项目、多项企业横向项目（OPPO、恒生电子等），参与国家重点研发计划、国家科技支撑计划、863计划等国家级项目，在领域权威学术会议（FSE、ASE、ISSTA、AAAI等）和期刊（TPDS、JSEP等）上发表近20篇论文，相关成果在阿里巴巴、OPPO、恒生电子等企业进行应用落地，取得了良好的应用效果，并获得省部级科技进步特等奖/一等奖2项。

03.端边云协同的车辆轨迹大数据智能挖掘关键技术及应用研究（负责人：房子荃）

项目介绍：随着5G、物联网与基于位置的服务（LBS）等技术的快速发展，时空轨迹数据呈现出爆炸式增长。如何高效、智能地挖掘这些数据，一直是国内外研究热点之一。然而，面对多源异构、规模庞大、实时动态的轨迹数据，仅依靠端（边）侧设备进行“本地处理”难以满足大数据分析需求；而单依赖云端处理又面临传输压力大和带宽需求高等挑战，难以满足用户对低时延和高效处理的需求。鉴于此，本项目聚焦端边云协同架构下的车辆轨迹大数据智能挖掘关键技术研究，深入探索面向端边云的多源异构轨迹数据高效存储、统一表征与深度挖掘技术，旨在推动云边融合计算、时空数据库等相关领域的技术创新与应用发展，为智慧交通等领域提供更加有效的解决方案。

项目负责人

房子荃，博士，平台“百人计划”研究员，博士生导师。研究方向为时空数据库、分布式时空大数据管理、时空数据智能分析等。在数据库与数据挖掘等领域CCF A类国际学术期刊或会议如VLDBJ、TKDE、SIGMOD、VLDB、ICDE、KDD等发表论文30余篇，长期担任TKDE、TPDS、KDD、NeurIPS、ICLR、ICML、ICDE等顶刊和顶会审稿人。曾获DASFAA 2024最佳论文奖（1/232）、ACM中国“全国优博奖”提名、ACM SIGSPATIAL中国“优博奖”、KDD Cup风电预测赛道世界冠军、华为“天才少年”等奖项或荣誉。主持国家自然科学基金青年项目，入选副省级市高层次人才引进计划。主持多项校企合作项目，在大数据计算、智慧城市、智能交通等领域的现实任务中得到重要应用。

探索项目1项

01.差分隐私去中心化在线学习算法和理论研究（负责人：宛袁玉）

项目介绍：差分隐私去中心化在线学习是安全高效地处理持续增长大数据的重要技术手段，近年来引起了学术界的关注。然而，现有的差分隐私去中心化在线学习算法在实际的大数据场景下仍然存在隐私效果弱、学习性能差、计算效率低等不足。本项目将针对这些问题进行深入研究，主要内容包括：(1)研究满足时间无关差分隐私性的去中心化在线学习，提升算法的隐私效果；(2)研究遗憾更紧的差分隐私去中心化在线学习，提升算法的学习性能；(3)研究无投影的差分隐私去中心化在线学习，提升算法的计算效率。

项目负责人

宛袁玉，博士，平台“百人计划”研究员、博士生导师。研究方向包括机器学习理论、在线学习与优化、分布式优化等；主持国家自然科学基金青年科学基金项目、宁波市甬江人才工程科技创新领域青年创新人才项目；在国内外期刊和会议发表或录用论文30余篇，其中领域顶级会议（COLT）及CCF-A类第一作者论文13篇（JMLR、TPAMI、ICML、NeurIPS等）；曾担任国际知名人工智能会议IJCAI 2021和ECAI 2024的高级程序委员会委员，并多次担任ICML、NeurIPS、ICLR、TPAMI等国际顶级人工智能会议和期刊的审稿人。

青年科学基金项目1项

01.面向数据库逻辑错误发现的关键技术研究（负责人：唐秀）

项目介绍：近年来，新型数据库的多样性与复杂性显著增加了研发过程中的挑战，尤其是验证数据库正确性这一关键难题。申请人专注于研究数据库逻辑错误这一影响数据库运行状态和安全性的核心因素，在前期实践中已在主流数据库中发现众多逻辑错误，相关成果获得SIGMOD 2023最佳论文奖，该奖项为中国大陆研究团队首次获得。本项目拟在此基础上，致力于解决数据库逻辑错误发现面临的挑战，包括测试空间广、多样性强、验证困难和处理速度高，提出一套全面的逻辑错误智能发现框架及相关理论。本项目针对各种数据库系统及多样化的查询负载，研究通用的数据库逻辑错误智能发现技术及系统，研究基于知识导向的智能查询生成方法，研究面向任意数据集的高效真值验证技术，研究面向异构数据库的通用处理策略，以及分布式智能优化框架，最终形成数据库逻辑错误发现工具，支撑新型数据库系统的研发。

项目负责人

唐秀，博士，平台“百人计划”研究员。2023年3月获浙江大学计算机科学与技术博士学位，师从伍赛教授，期间获国家奖学金、浙江省优秀毕业研究生等荣誉。唐秀博士的主要研究方向包括数据库查询优化、数据库测试、数据智能等，研究成果发表在SIGMOD、VLDB、ICDE等数据库国际顶级学术会议十余篇，并以第一作者身份获中国大陆研究团队首次SIGMOD最佳论文奖。主持CCF蚂蚁基金项目、南网合作项目。作为核心骨干参与省重点研发“尖兵”计划、省重大科学基金。曾获SIGMOD最佳论文奖、CCF数据库专委优博奖等奖励及荣誉。

浙江省自然科学基金介绍

   浙江省自然科学基金，是国内最早设立的地方自然科学基金之一，用于资助自然科学、工程科学等领域中的基础研究和应用基础研究，支持研究团队建设，引进和培养科技人才，提升创新能力，为全省经济社会发展提供科技支撑。据悉，2025年度浙江省自然科学基金拟资助项目2011项。其中重大项目及其延续项目56项、杰青及延续项目142项、优青项目50项、重点项目203项、探索项目409项、青年项目827项、联合基金项目308项、自主立项重大项目16项。