Congratulations to Dr. Qi Zhang, Postdoctoral Researcher in the Lab, on Successfully Being Selected for the National High-Level Overseas Young Talent Program
Dr. Qi Zhang, a postdoctoral researcher at the School of Computer Science and Technology, Tongji University, under the supervision of Professor Duoqian Miao, has been awarded the National High-Level Overseas Young Talent title. Dr. Zhang holds both a Ph.D. in Computer Science from Beijing Institute of Technology and a Ph.D. in Analytical Philosophy from the University of Technology Sydney. His research focuses on temporal recommendation systems, time series analysis, and multimodal learning in artificial intelligence and data science. He has published over 50 papers in prestigious journals and conferences, including TKDE, TOIS, and NeurIPS, and has won numerous awards such as the Innovation Award from the Ministry of Industry and Information Technology. His recent project, focusing on safe and controllable generative personalized content recommendation systems, aims to address the limitations of traditional retrieval-based systems by offering tailored content and ensuring content safety. This work holds significant societal and scientific value
近日，2024年国家海外高层次青年人才项目结果公布，实验室博士后张奇成功获批立项。张奇于2023年加入苗夺谦教授团队开始博士后研究工作，主要从事时序推荐系统、时间序列分析、脑认知多模态学习等人工智能和数据科学领域相关研究。
个人简介：张奇，2023年加入同济大学计算机科学与技术学院苗夺谦教授团队开始博士后研究工作，先后获得北京理工大学计算机科学与技术工学博士学位（2020）和悉尼科技大学分析学哲学博士学位（2023），入选国家海外高层次青年人才（2024）、上海白玉兰海外高层次青年人才（2024）、上海市浦江人才计划（2023），主持国家自然科学基金青年科学基金项目1项（2024.01-2026.12）。主要研究包括时序推荐系统、时间序列分析、脑认知多模态学习等人工智能和数据科学领域，聚焦于复杂数据关系的非独立同分布学习问题，长期致力于解决依赖独立同分布假设的机器学习模型在实际非独立同分布数据上泛化能力差、鲁棒性低、可解释性弱等重大挑战，探究多源异构耦合关系、复杂时空关系、跨域多模态等非独立同分布问题。已在TKDE、TOIS、TNNLS、NeurIPS、ICML、AAAI、IJCAI、WWW、SIGIR等国际顶级期刊会议发表论文50余篇，获得工信部创新二等奖、澳洲国际学者奖学金等10余个国内外奖项；担任多个国际期刊和会议的审稿人和程序委员，并担任上海计算机学会计算机视觉专委副秘书长、中国图形图像学会青工委委员等职务。
项目简介：随着大模型的发展，AIGC模式已成为人工智能的前沿研究方向和引领经济结构变革的核心力量。AIGC的兴起启发了下一代推荐范式的新目标：1）生成个性化内容服务用户多样化需求，2）过滤非安全内容提供安全可控推荐，以解决当前“检索式”内容推荐系统无法满足用户个性化需求以及无法内容安全控制这两方面的局限。因此，本项目抓住大模型高速发展的契机，提出基于多模态模型安全可控的“生成式”个性化内容推荐系统新范式，成功突破“检索式”内容推荐系统的局限；一方面，能够精确感知用户多角度需求，提示多模态模型动态生成为用户量身定制的内容；另一方面，准确刻画易感用户群体的画像，调优内容生成进行个性化非安全内容过滤和控制。本项目开展内容安全可控的生成式推荐系统研究，服务国家内容监管与价值观引导战略，确保互联网信息服务算法安全，探索AIGC新经济市场模式，具有重要的社会意义、科学价值和创新性。