SCHOLAT团队大模型研究成果在《计算机应用》2025年第3期“大模型前沿研究与典型应用”专题刊出

https://www.joca.cn/CN/subject/listSubjectChapters.do?subjectId=1742365411707

引用本文：

袁成哲, 陈国华, 李丁丁, 朱源, 林荣华, 钟昊, 汤庸. ScholatGPT：面向学术社交网络的大语言模型及智能应用[J]. 计算机应用, 2025, 45(3): 755-764.

Chengzhe YUAN, Guohua CHEN, Dingding LI, Yuan ZHU, Ronghua LIN, Hao ZHONG, Yong TANG. ScholatGPT： a large language model for academic social networks and its intelligent applications[J]. Journal of Computer Applications, 2025, 45(3): 755-764.

论文链接：https://www.joca.cn/CN/10.11772/j.issn.1001-9081.2024101477

附：“大模型前沿研究与典型应用”专题编者按： 

“大模型”（大规模预训练模型）自面世以来，其技术发展日新月异。大模型是引领人工智能领域的变革式新范式，能够提供强大的知识表示与聚合能力，已展现出可与人脑媲美的视觉感知与逻辑推理能力。在超大参数规模、海量训练数据和强大计算资源支撑下，大规模基础模型（CLIP、SAM、GPT-4、Sora、LLaMA等）已成为一系列下游任务的基石，展示出强大的任务性能与卓越的泛化能力，在自然语言处理、计算机视觉、工业数字化和智能化等多个领域有着重要突破和广泛应用，其技术影响力已超越计算机领域，成为多学科交叉创新的关键驱动力。

鉴于大模型技术对计算机应用领域的巨大影响，《计算机应用》组织编委及其研究团队撰写并向社会广泛征集相关论文，最后从中遴选20篇从多个角度全面介绍大模型的前沿研究现状和典型应用场景。

在这些文章中，有关于语言大模型在自然语言理解、知识图谱构建、知识问答系统、个性化学习系统等方面的典型应用，也有用于图像处理和分析的视觉大模型应用实例，还有多模态大模型的使用探索。既有关于预训练、数据增强、参数微调、提示学习等大模型核心技术的研究和讨论，也有将大模型成果用于各行各业及各种应用场景的介绍，特别是还有对大模型带来的偏见和幻觉等问题的分析和对策。

我刊编委——四川大学吕建成教授，中国科学技术大学刘淇教授、陈恩红教授，哈尔滨工业大学（深圳）陈斌教授，华南师范大学汤庸教授，中山大学操小春教授及其团队对大模型在自然语言理解、目标检测、智能教学和社交网络等方面应用的技术路线及解决方案进行了较为具体和全面的介绍。另外，特别邀请了中国科学院大学秦小林教授撰写综述文章，“介绍大模型的基础架构、训练技术及发展历程，分析当前通用大模型关键技术及以大模型为底座的先进融合技术，进一步阐述了大模型在实际应用中面临的挑战，包括数据偏差、模型幻觉、计算资源消耗等问题，并对大模型的未来进行了展望”。

《计算机应用》特别策划的“大模型前沿研究与典型应用”专题，聚焦大模型研究的最新进展、技术创新及典型应用，旨在促进学术界、工业界与跨学科领域之间的知识分享与合作。

该专题作者单位中既有中国科学院计算技术研究所、中国科学院成都计算机应用研究所、人工智能国家重点实验室、哈尔滨工业大学（深圳）国际人工智能研究院、人工智能与数字经济广东省实验室、安徽省人工智能实验室、大数据智能分析与行业应用湖北省重点实验室等从事“大模型”方面研究和应用的科研院所，也有中国科学技术大学、四川大学、中山大学、华南师范大学、北京航空航天大学、东北大学、河海大学、山西大学、苏州大学、北京外国语大学、海军工程大学、湖北大学、贵州大学等从事“大模型”方面研究和应用的高等院校，还有“大模型”的研制和应用企业如科大讯飞人工智能研究院、国网信息通信产业集团、国网电力科学研究院、国能运输技术研究院。作者及其团队在人工智能特别是大模型研究领域具有较高造诣，来自全国各地的权威研究机构，地域分布也具有广泛的代表性，相信他们在大模型方面的研究成果对相关领域研究和应用的从业者有较大参考价值。

虽然由于组织时间仓促及编辑水平有限，该专题的内容对正处于迅猛发展过程和广泛应用范围中的大模型的介绍难免“管中窥豹”，但希望能“抛砖引玉”，提高大家对该项重要技术的重视程度，加强该方面成果的传播，促进大模型的技术创新和应用落地。