近日，2026神经信息处理系统大会（NeurIPS, Annual Conference on Neural Information Processing Systems）官方公布论文收录结果，计算机（网安）学院国家“珠峰计划”拔尖人才实验班本科生撰写的2篇论文被此次会议接收。NeurIPS被中国计算机学会列为人工智能领域A类会议，与国际机器学习大会（ICML）和国际学习表征会议（ICLR）并称为机器学习领域的“三大顶会”，代表了该领域的最高学术水平。
2024级本科生杨涵旭、赵雨欢以共同第一作者撰写的论文《Spectral Reversal: Counteracting Singular Value Bias for Graph Prompting》（作者：杨涵旭、赵雨欢、和晓东、康昭【通讯作者】）被NeurIPS 2026接收为Spotlight论文（接收率0.95%）。论文提出了“谱反转提示（Spectral Reverse Prompt, SRP）”框架，旨在通过在谱空间重新平衡预训练模型的信息分布，实现图基础模型的高效下游适配。文章发现预训练图神经网络的权重中存在一种谱偏置（Spectral Bias）：模型倾向于聚焦高能量谱方向，而部分低能量方向中蕴含的潜在信息未被充分利用。因此设计了图提示机制SRP，抑制过度强化的主导方向；同时挖掘被忽视的潜在表示空间。通过这一创新的提示学习机制，SRP在多个数据集上显示出优越的性能，特别是在少样本泛化的情景下，大量实验结果证实了其在图模型适配时的强大能力与广泛适用性。
论文Spectral Reversal: Counteracting Singular Value Bias for Graph Prompting中SRP的具体架构
2023级本科生刘昊鹭以独立第一作者撰写的论文《Beyond Missing Rates: Rethinking Incomplete Multi-View Clustering with Protocol Divergence》（作者：刘昊鹭、王熹悦、谢宣霆、温良剑、康昭【通讯作者】）被NeurIPS 2026接收为海报展示论文。在不完整多视图聚类（IMVC）研究中，现有评估往往仅以名义缺失率衡量数据缺失程度，忽略了观测结构异质性对模型学习的影响。本研究首次提出“协议分歧（Protocol Divergence）”分析视角，量化了缺失协议间的结构性差异，并由此构建了全新的 CRAFT 框架。研究表明，相同缺失率下的不同缺失协议，其完整样本比例最大相差近 50 倍，对模型泛化能力构成了严峻挑战。CRAFT 创新性地结合了逐样本特征编码与注意力掩码融合技术，有效消除了缺失视图对推理过程的干扰。该框架具备“一次训练，跨配置复用”的优越特性，无需针对每种缺失场景重新训练模型。在 CUB 与 MultiFashion 数据集的 13 项训练信息匹配实验中，CRAFT 在 12 项设置中取得最优聚类准确率。此外，在涵盖 7 个基准数据集和 16 种缺失配置的部署测试中，CRAFT 在保持高水平聚类性能的同时，大幅削减了反复训练带来的计算资源消耗。
论文Beyond Missing Rates: Rethinking Incomplete Multi-View Clustering with Protocol Divergence中CRAFT的整体架构
国家“珠峰计划”拔尖人才实验班依托“计算机科学拔尖学生培养计划2.0基地”（首批全国12所）设置专业，面向国家重大需求，注重通识、数理和计算机科学基础以及创新能力的培养和提升。学生在导师指导下，量身定制个性化课程修读及科研训练计划，并与研究生培养衔接，锻炼学生的获取知识能力、应用知识能力和创新能力，使之成为能从事计算机理论研究、应用与创新实践的创新引领性人才。专业充分发挥电子科技大学在计算机科学领域的学科优势，致力于培养具有强烈社会责任感、热爱科学、基础扎实、勇于创新、具有国际竞争力的计算机科学领域未来一流科学家，促进基础学科的发展和研究水平的提升，并为其他学科的发展提供源泉和动力。
