（通讯员 黄佳豪）近日，​yl7703永利集团14篇论文成果分别被CCF A类会议ICML 2026、FAST 2027、VLDB 2026、KDD 2026、ACL 2026和CCF A类期刊ACM TOIS、IEEE TPAMI、IEEE TSC、IEEE TVCG、The VLDB Journal录用。其中，嵌入式计算技术研究所1篇论文被CCF A类期刊IEEE TVCG录用，智能媒体与数据工程研究所9篇论文分别被CCF A类会议ICML 2026、FAST 2027、VLDB 2026、KDD 2026、ACL 2026和CCF A类期刊IEEE TPAMI、The VLDB Journal录用，计算生物信息学研究所1篇论文被CCF A类会议ICML 2026录用，计算机网络与物联网工程研究所1篇论文被CCF A类会议ICML 2026录用，智能软件与系统新技术研究所2篇论文被CCF A类期刊ACM TOIS、IEEE TSC录用。这些论文涵盖计算机视觉、时序数据管理、数据库教育、向量数据库、数据挖掘、人工智能安全、可信机器学习、自然语言处理、系统软件等多个领域。

嵌入式计算技术研究所博士生陈延鑫、通讯作者万波教授论文“DuetGS: Two-Stage Controllable 3D Human Reconstruction from Dual Images”被CCF A类期刊IEEE TVCG录用。该论文面向低成本、高质量数字人生成，提出一种仅需正背两张图像的可控三维人体重建方法。该方法将重建过程解耦为几何重建与颜色重建两阶段：先利用数据驱动网络恢复完整人体网格，并通过网格到高斯的映射实现稳定、可动画的空间控制；再结合3D Gaussian Splatting与无监督颜色传播，补全侧面及遮挡区域的外观细节。实验表明，DuetGS在多个公开数据集上取得更优的重建质量与视觉一致性，并具备实时渲染和姿态驱动能力，可应用于VR、游戏、动画与虚拟人交互等场景。

智能媒体与数据工程研究所刘英帆副教授，通讯作者崔江涛教授论文“Generalized Range Filtering Approximate Nearest Neighbor Search: Containment and Overlap”被CCF A类会议KDD 2026录用。该论文研究一种更通用的范围过滤近似最近邻搜索问题，其中每个对象关联一个数值区间，查询也包含一个数值区间，并允许用户指定包含、重叠等多种区间关系作为过滤条件。由于现有方法通常面向特定过滤类型设计，难以高效支持任意区间关系，本文提出带标签的多段树图索引。该索引能够在搜索过程中跳过不满足过滤条件的对象，同时保持与现有先进范围过滤方法相当的索引构建开销和存储开销。实验结果表明，在多个真实数据集上，本文方法在相同搜索精度下相较于基线方法最高可实现12.5倍加速，并在区间过滤和时间戳过滤任务上显著优于现有先进方法。

智能媒体与数据工程研究所博士生张艺林、通讯作者赵伟教授论文“Target-Agnostic Calibration under Distribution Shift with Frequency-Aware Gradient Rectification”被CCF A类会议ICML 2026录用。该论文提出频率感知梯度校正（FGR），一种目标无关的训练框架。该方法从频率视角对部分训练图像施加低通滤波，抑制高频伪相关，促使模型学习域不变特征。然而信息损失可能损害分布内校准。为此，FGR将其作为硬约束，利用几何投影从梯度层面修正冲突的参数更新，无需额外损失平衡参数。实验表明，FGR在多种偏移下大幅提升校准性能，同时保持分布内表现，且能与后处理校准方法兼容。

智能媒体与数据工程研究所博士生郑梓煜、通讯作者赵伟教授论文“MDGMIX: Boundary-Aware Subgraph Mixing for Multi-Domain Graph Pre-Training”被CCF A类会议ICML 2026录用。该论文通过实证研究揭示了多域图预训练中存在显著的数据冗余。基于此，论文提出了多域图预训练框架MDGMIX，该框架结合了边界感知子图混合和分层判别。MDGMIX通过选择边界节点构建具有挑战性的混合域子图，并采用粗粒度域判别和细粒度域分解损失来解耦共享模式和特定域模式。在自适应过程中，MDGMIX采用轻量级的提示加权机制来迁移源域知识。大量实验表明，MDGMIX在少样本分类任务中始终优于强大的基线方法，同时展现出卓越的时间和内存效率。

智能媒体与数据工程研究所博士生孔涛、通讯作者李辉教授论文“PromTCS: An Efficient Two-Dimensional Metadata Management and Tailored Hybrid Storage Architecture for Performance Monitoring Time Series”被CCF A类会议FAST 2027录用。该论文针对海量时间序列数据带来的存储成本高和性能难以兼顾的问题，提出面向混合存储的时间序列数据库PromTCS。通过二维元数据管理、面向NVMe SSD的无压缩存储引擎TreeSeries、硬件感知写入策略以及元数据驱动的并行WAL等关键技术，实现了低成本、高性能的时间序列存储。实验结果表明，相较于现有先进方案，PromTCS在混合存储环境下插入吞吐提升3.8倍，查询延迟降低69.7%。

智能媒体与数据工程研究所李辉教授论文“ChatQPT: Towards Conversing with Relational Query Engines”被CCF A类会议VLDB 2026录用。该论文介绍并演示了ChatQPT，这是一个支持与关系查询引擎（PostgreSQL）进行基于聊天交互的新型系统。它结合了基于语言模型（LLM）的界面和一套专门设计的外部工具，这些工具旨在理解关系查询处理的各个方面，从而有效地解决了大型语言模型和现成关系数据库管理系统（RDBMS）在支持准确高效对话方面的不足。论文通过用户研究进行的初步评估表明，ChatQPT具有巨大的潜力。

智能媒体与数据工程研究所博士生孔涛、通讯作者李辉教授论文“Towards Caching Time-Series Semantically on Hybrid Storage”被CCF A类期刊The VLDB Journal录用。为了应对日益增长的时间序列应用带来的海量工作负载，该论文基于当前最先进（SOTA）的时间序列缓存方案STsCache，提出了分布式语义时间序列缓存系统DiSTsCache。该系统设计了一种语义负载图，用于刻画查询负载及查询间的语义关联，并将工作负载分配问题转化为语义负载图划分问题；进一步设计了初始划分与动态重划分算法，实现了高效的分布式缓存协同与负载均衡，其性能优于现有分布式缓存方案。

智能媒体与数据工程研究所博士生王哲、通讯作者管子玉教授论文“Scalable and Traceable Joint Uplift Modeling for Multi-Lever Online Marketing”被CCF A类会议KDD 2026录用。该论文针对在线营销中多干预机制协同调整（如折扣与红包）带来的非线性联合效应，为解决现有单干预因果增量模型在多干预场景下面临的参数爆炸与过拟合难题，提出了M-DLRI网络：设计联合单调编码（JME）层，通过线性插值与向量外积将保序编码扩展至联合空间，确保预测严格满足联合单调性；基于CP张量分解理论，推导出简洁的对数加法公式与门控机制，使参数随干预复杂度呈线性增长，并支持因果效用归因追溯。实验表明，M-DLRI在合成和阿里妈妈真实工业数据集上均显著优于前沿模型，线上A/B测试中使GMV提升5.35%，销量提升7.26%。

智能媒体与数据工程研究所博士生张艺林、通讯作者管子玉教授论文“Trusted Multi-View Learning under Noisy Supervision”被CCF A类期刊IEEE TPAMI录用。该论文提出可信多视角噪声精炼方法TMNR，利用证据深度网络为各视角构建包含置信度和不确定性的意见，通过噪声相关矩阵将其与含噪监督对齐。针对联合优化困难，进一步提出重精炼方法TMNRR，依据证据-标签一致性发现疑似错标样本并生成伪标签，分别将干净与噪声样本用于优化网络不同部分，实现训练解耦与稳定。在7个数据集上，TMNRR在50%标签噪声下平均精度提升7%。

智能媒体与数据工程研究所硕士生周鹏、通讯作者李广鑫副教授论文“Simplify-Pro: A Two-level and Progressive LLM-based Framework for Auto Long Text Simplification”被CCF A类会议ACL 2026录用。该论文针对长文本简化领域依赖大规模人工标注数据进行训练以及简化效率不平衡的问题，提出了一个基于LLM强化学习的渐进式简化框架Simplify-Pro，面向两种不同级别的长文本简化任务，在域内表现上显著超越了传统简化模型以及顶级开闭源大模型，在域外表现上也展现出不俗的简化效果。

计算生物信息学研究所博士生曹罡、通讯作者张军英教授论文“StructMAR: Structure-Aware Masked Autoregression for Explicit Layout Alignment in Text-to-Image Generation”被CCF A类会议ICML 2026录用。该论文面向实例级布局控制的文本到图像生成任务，提出结构感知的掩码自回归框架StructMAR。针对传统MAR将二维潜变量展平成一维序列后空间拓扑被削弱、布局约束容易被语义信息稀释的问题，论文引入2D RoPE恢复二维相对位置感知，并通过布局引导注意力偏置显式强化潜变量与对应边界框实例的关系。同时，方法采用门控文本交叉注意力保持语义一致性，并使用基于检测器奖励的GRPO进行最终指标对齐优化。实验表明，StructMAR在COCO-Position和COCO-MIG上提升了布局对齐精度、密集场景鲁棒性和推理效率。

计算机网络与物联网工程研究所博士生马芷璇、通讯作者高海昌教授论文“Coupled Trigger Optimization and Vulnerable Parameter Alignment for Persistent Backdoor Attacks on Federated Learning”被CCF A类会议ICML 2026录用。该论文从优化的视角来看待FL后门持久性，并认为长期攻击需要在触发诱导的表示和聚合稳定参数方向之间联合训练。基于此，论文提出了耦合触发优化和易受攻击参数对齐（CTO-VPA）FL后门攻击方法。挖掘后门关键参数子空间，并通过限制该耦合子空间的更新，将后门行为嵌入到优化稳定的方向中，同时保持良性性能。跨多个数据集和防御设置的实验表明，与之前的攻击相比，CTO-VPA实现了显著提高的持久性和稳健性，突出了触发参数耦合在FL设置中的重要性。

智能软件与系统新技术研究所教师周洋涛、通讯作者褚华教授论文“D3MBR: Dual-Level Diffusion Denoiser with Preference Guidance for Multi-Behavior Recommendation”被CCF A类期刊ACM TOIS录用。该论文针对多行为推荐任务中的数据噪声问题，从以数据为中心的视角重新审视多行为去噪推荐，将去噪过程建模为“干净数据生成”任务，并提出一种无噪声数据生成范式。在此范式基础上，论文设计了一种基于偏好引导的双层扩散去噪框架D3MBR。该方法针对目标行为与辅助行为的不同噪声特征，分别进行表示层去噪与交互层去噪。对于目标行为，D3MBR利用协同偏好信号引导扩散模型生成更加纯净的用户表示；对于辅助行为，则利用目标行为去噪后的用户偏好进一步指导扩散模型生成干净的辅助交互数据。实验结果表明，将D3MBR集成到先进的多行为推荐模型中后，在四个数据集上均取得了显著性能提升，验证了从数据质量优化角度改进多行为推荐的有效性与潜力。

智能软件与系统新技术研究所硕士生曾凡浩、通讯作者徐悦甡副教授论文“Online Microservice Deployment in Edge Networks via Multiobjective Deep Reinforcement Learning”被CCF A类期刊IEEE TSC录用。该论文针对边缘网络中微服务在线部署问题展开研究。边缘网络具有动态性、实时性和并发性等特点，传统的离线部署解决方案通常无法在这种情况下处理部署任务。为了解决这些问题，论文分析了部署成本、负载均衡、丢包率与网络时延等关键因素。构建了包含系统建模、约束分析、多目标优化及深度强化学习算法的在线部署方案。通过在真实微服务原型系统上进行大量实验评估，结果表明该方案性能优越，与对比方法相比，部署成本平均降低70.14%。

这些成果是学院在计算机与软件工程领域深耕细作的集中体现，彰显了学院相关领域科研能力得到国际学术界的充分肯定，为学科交叉融合与创新发展奠定了坚实基础。