（通讯员 黄佳豪）近日，​yl7703永利集团15篇论文成果分别被CCF A类会议CCS 2026、ACM MM 2026、ASE 2026、NeurIPS 2026、ICML 2026，CCF A类期刊IEEE TDSC、IEEE TSC、ACM TOSEM、IEEE TPAMI和生物学领域顶刊Genome Research录用。其中，智能媒体与数据工程研究所3篇论文分别被CCF A类会议CCS 2026、ACM MM 2026和CCF A类期刊IEEE TPAMI录用，计算机网络与物联网工程研究所4篇论文分别被CCF A类期刊IEEE TDSC和CCF A类会议ICML 2026、NeurIPS 2026录用，计算生物信息学研究所1篇论文被生物学领域顶刊Genome Research录用，计算理论与技术研究所2篇论文分别被CCF A类会议ASE 2026、CCS 2026录用，智能软件与系统新技术研究所5篇论文分别被CCF A类会议ASE 2026、ACM MM 2026和CCF A类期刊IEEE TSC、ACM TOSEM录用。这些论文涵盖网络安全、人工智能、大数据安全与隐私、多媒体内容理解、软件工程、系统软件、数据挖掘、机器学习、计算生物信息学等多个领域。

智能媒体与数据工程研究所博士生冀炅洋、通讯作者彭延国教授论文“STMark: Watermarking Scalar and Textual Data Robustly Using Frequency Statistics”被CCF A类会议CCS 2026录用。该论文针对现有标量、文本数据水印方案易引入数据失真、适用范围受限的问题，提出STMark方案。该方法通过提取频率信息生成掩码，实现零失真水印嵌入，利用频率信息的通用性将方案适用范围拓展至不同组织形式的标量、文本数据。此外，针对均匀数据中频率特征差异不明显的问题，设计基于哈希权重的直方图构建机制，增强频率特征的区分度。

智能媒体与数据工程研究所硕士生孙霁云、通讯作者乔晓田副教授论文“AmodalEdit: Advancing Instruction-Based Image Editing via Amodal Scene Layout Perception”被CCF A类会议ACM MM 2026录用。该论文围绕指令驱动的内容编辑任务，针对现有方法容易出现几何结构不一致和纹理伪影等问题，提出了一种基于层次化场景布局感知的内容编辑框架，通过推理物体完整形状及潜在空间关系，一方面提升了复杂场景下图像编辑的合理性，另一方面增强了多轮连续编辑过程中的一致性，为高可控内容编辑提供了技术支撑。

智能媒体与数据工程研究所马小科教授（通讯作者）论文“Non-negative Tensor Factorization Based Bi-Clustering on Anchor Graphs”被CCF A类期刊IEEE TPAMI录用。该论文针对张量非负矩阵分解算法时间复杂性高的问题，提出了基于二分图的张量分解算法，克服了现有算法时间效率低的问题，拓展了张量分解的应用面。

计算机网络与物联网工程研究所博士生贾竣博、通讯作者杨力教授论文“MambaTIG: Fast and Robust Encrypted Traffic Detection Leveraging Selective State-Space Masking”被CCF A类期刊IEEE TDSC录用。该论文针对加密恶意流量检测中标注依赖强、推理开销大及分布偏移下性能退化等问题，提出MambaTIG框架，融合自监督掩码图学习与选择性状态空间建模。仅以良性流量预训练，依据节点重要性实施掩码，增强分布偏移下的鲁棒性，并利用Mamba高效捕获长程依赖。四个公开数据集实验表明，平均F1达到最优或并列最优。

计算机网络与物联网工程研究所教师穆旭彤论文“Federated Manifold Learning (FML): Tackling Domain Heterogeneity with Structural Knowledge Transfer”被CCF A类会议ICML 2026录用。该论文针对联邦学习中不同客户端数据域差异导致模型泛化能力下降的问题，提出联邦流形学习框架FML。该方法以类别在特征空间中的几何结构替代单点原型，通过客户端上传压缩流形、服务器注意力融合及流形互学习，实现跨域结构化知识迁移，并利用流形逼近损失与分离损失指导本地训练。在Digits和Office31数据集上的实验表明，FML有效提升了跨域联邦学习的泛化性能。

计算机网络与物联网工程研究所博士后耿雪莉、通讯作者穆旭彤论文“Joint Sequence–Vocabulary Selection for Efficient LLM Distillation”被CCF A类会议NeurIPS 2026录用。该论文针对大语言模型logit知识蒸馏中序列与词表维度独立筛选导致的知识转移精度不足、计算开销高等问题，提出即插即用的联合序列-词表蒸馏框架JSVD。通过双向师生Top-K构建候选集，依据预测差异评分，并自适应调整监督范围，聚焦员工尚未掌握的高价值知识。实验表明，该方法在指令跟随、数学推理和代码生成任务上均取得了显著的蒸馏效果提升。

计算机网络与物联网工程研究所本科生黄子曦论文“Surface Recovery Is Not State Recovery: Pressure–Recovery–Relapse in Multi-turn LLMs”被CCF A类会议NeurIPS 2026录用。该论文针对大语言模型在多轮对话中受错误用户反馈影响后，表面回答恢复却仍易再次出错的问题，提出压力—恢复—复发（PRR）评测协议，结合行为评测、潜在答案状态读出和因果干预分析。实验发现，回答纠正并不代表内部状态修复；输出层干预可纠正答案但不能修复潜在读出，而恢复干净隐状态可同时修复行为与状态，揭示了不同内部组件在多轮对话鲁棒性中的作用机制。

计算生物信息学研究所教师李俊萍、通讯作者高琳教授、叶育森副教授论文“Identification of differential topologically associating domains from low sequencing depth and pseudo-bulk chromatin contact maps”被生物学领域顶刊Genome Research录用。该论文针对低测序深度和pseudo-bulk Hi-C数据中差异TAD难以准确识别的问题，开发了基于图神经网络的差异TAD检测方法HiDT。该方法利用注意力驱动的边增强模块学习TAD间的结构差异，并通过测序深度特异的归一化策略提高对不同测序深度数据的适应能力。结果表明，HiDT在差异TAD和subTAD检测任务上均显著优于现有方法。

计算理论与技术研究所硕士生王少豪、通讯作者秦胜潮教授论文“Understanding Real-World Ordering-Related Concurrency Bugs under Weak-Memory and Cross-Architecture Settings”被CCF A类会议ASE 2026录用。该论文针对弱内存模型和跨体系结构环境下真实并发缺陷缺乏系统认识的问题，收集Linux Kernel、MySQL、MariaDB、DPDK等项目中的58个真实并发缺陷，提出多粒度排序（MGO）分类体系，从微指令、资源生命周期和语义逻辑三个层次刻画排序违例。进一步分析不同缺陷的体系结构敏感性与修复策略，并评估了现有检测工具在跨架构场景下的有效性。

计算理论与技术研究所赖裕妮教授论文“AuditVotes: Elevating Provable Defense for GNNs with Efficient Augmentation and Conditional Smoothing”被CCF A类会议CCS 2026录用。该论文聚焦于图神经网络（GNN）的可证明鲁棒性防御这一关键安全议题。针对现有的基于随机平滑的可证明鲁棒方法普遍存在的准确率-鲁棒性难以平衡的问题，提出AuditVotes框架，通过创新性地引入图重连数据增强与条件平滑机制两个模块，在保持较高准确率的同时显著提升了GNN的可证明鲁棒性边界。

智能软件与系统新技术研究所硕士生米国良、通讯作者徐悦甡副教授论文“Adaptive Function Service Auto-Scaling for Serverless Computing via Deep Recurrent Reinforcement Learning”被CCF A类期刊IEEE TSC录用。该论文针对函数服务系统中固定阈值伸缩难以适应动态负载、资源管理缺乏多指标协同等问题，提出基于深度循环强化学习的函数服务自适应伸缩方法。综合考虑CPU、内存、吞吐量、延迟及实例数量等指标，将循环神经网络引入近端策略优化算法，以应对部分可观测问题。在OpenFaaS平台结合微软Azure真实工作负载开展实验，结果表明该方法在伸缩精度与资源利用率上均优于现有方案。

智能软件与系统新技术研究所博士生惠明轩、通讯作者王璐教授论文“ChatRCA: A Root Cause Analysis Method via LLMs-based Multi-Agent with Human-in-the-Loop”被CCF A类期刊ACM TOSEM录用。该论文针对现有的基于LLM的根因分析（RCA）方法展现出良好的前景，但单一的LLM流水线往往无法充分捕捉RCA的结构化工作流程，而全自动推理则缺乏校准的不确定性处理和专家监督。因此，首先开展了一项实证研究，以了解真实的RCA工作流程、诊断角色以及有效的人工反馈形式。基于研究结果，提出了ChatRCA方法，通过多智能体协作与人在环机制实现高效准确的根因分析。

智能软件与系统新技术研究所博士生吴天赐、通讯作者朱光明教授论文“Knowledge-guided Disentanglement with Atomic Actions for Action Recognition”被CCF A类会议ACM MM 2026录用。该论文针对复杂多动作场景中动作语义相互交织、细粒度结构难以建模的问题，提出了基于原子动作知识的分层解耦方法。该方法利用大语言模型将动作标签分解为细粒度原子动作，并将原子知识自适应注入视频特征，在增强动作表征的基础上进一步分解相关语义知识，为指定动作与非指定动作的分离提供更精细的语义指导，从而提升复杂场景下的动作识别性能。

智能软件与系统新技术研究所博士生陈鹏旭、通讯作者张亮教授论文“Look Clearly Before Answering: Mitigating Hallucinations in LVLMs via Saliency-Driven Perceptual Realignment”被CCF A类会议ACM MM 2026录用。该论文针对LVLM推理过程中视觉注意力被非语义Token下沉、KV Cache视觉信息退化及语言先验导致幻觉的问题，提出了幻觉干预框架SDPR，通过显著性驱动注意力重分配、缓存对齐和先验约束对比解码，从模型感知、记忆以及预测全阶段持续恢复视觉感知，有效抑制多模态大模型的幻觉现象。

智能软件与系统新技术研究所通讯作者张晨曦副教授论文“Enhancing Trace-Based Root Cause Analysis for Microservice Systems via Code Change Understanding”被CCF A类会议ASE 2026录用。该论文针对微服务系统故障根因定位问题，提出将大语言模型驱动的代码变更理解与运行时调用链分析相结合的根因定位方法。该方法在开发阶段主动分析代码变更及其影响，在故障发生后进一步融合变更语义与分布式追踪信息进行根因定位，实现故障诊断能力从运行阶段向开发阶段左移，为复杂微服务系统的故障诊断提供了新的思路。

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的科研实力，为学科交叉融合与创新发展奠定了坚实基础。