劉玉升，男，山東籍，合肥大學人工智能與大數(shù)據(jù)學院2022級電子信息（計算機技術）專業(yè)碩士研究生，師從徐立祥教授。研究生期間，榮獲國家獎學金、校一等學業(yè)獎學金等多項獎勵，積極投身科研創(chuàng)新和社會實踐活動，獲評“合肥大學優(yōu)秀研究生”榮譽稱號。

創(chuàng)新：投身圖智能與推薦系統(tǒng)研究

在導師徐立祥的悉心指導下，他專注于圖神經(jīng)網(wǎng)絡、圖對比學習與推薦系統(tǒng)等領域的研究，致力于通過優(yōu)化數(shù)據(jù)增強機制提升推薦模型的泛化能力與魯棒性。

圖增強策略優(yōu)化圖對比學習的推薦系統(tǒng)結構圖

在推薦系統(tǒng)中，用戶-物品二部圖的原始數(shù)據(jù)質量直接影響推薦效果，因此如何構造高質量的增強圖表示，同時保留原始語義信息，是圖對比學習領域亟待解決的核心問題。圖增強策略作為提升圖對比學習模型魯棒性的關鍵技術，已廣泛應用于推薦系統(tǒng)。然而，現(xiàn)有方法多采用隨機啟發(fā)式增強策略，這可能會引入偏差性噪聲，并在LightGCL傳播過程中進一步放大，進而影響推薦效果。

針對上述問題，劉玉升所在團隊提出了一種基于鄰接矩陣重構與屬性自適應擾動的圖增強方法，能夠在保持原始語義信息的同時，自適應地去除圖中的噪聲干擾，從而提升推薦系統(tǒng)的性能與泛化能力。項目組通過長達16個月的持續(xù)攻關（包括10個月的反復實驗驗證與6個月的論文撰寫與修改），研究成果《Graph Augmentation Empowered Contrastive Learning for Recommendation》發(fā)表于CCF-A類國際權威期刊《ACM Transactions on Information Systems》。

此外，劉玉升積極參與各類學術科研項目，協(xié)助開展多項課題研究，以第一作者或第二作者身份發(fā)表3篇學術論文，其中包括中科院三區(qū)期刊論文1篇、EI會議論文2篇。在科研過程中，他逐步掌握了從數(shù)據(jù)預處理、模型設計、實驗復現(xiàn)到論文撰寫的全流程技能，主動協(xié)助指導低年級研究生開展科研工作。

礪能：提升跨領域建模實戰(zhàn)能力

劉玉升始終秉持“以賽促學、以賽促研”的理念，積極參與各類高水平學科競賽，在實踐中不斷拓展學術視野、提升創(chuàng)新能力。在2023年“華為杯”第二十屆中國研究生數(shù)學建模競賽中，他帶領團隊克服重重困難，最終榮獲國家三等獎。

在競賽開始之初，團隊就面臨嚴峻挑戰(zhàn)。在選定“強對流降水臨近預報”賽題后，他們遇到的第一個難題是：100多G的賽題數(shù)據(jù)無法正常下載。面對海量數(shù)據(jù)處理難題，團隊成員萌生了更換賽題的想法，但劉玉升果斷決策：“數(shù)據(jù)量大我們就分步解決，這既是挑戰(zhàn)也是機遇。”

針對強對流天氣臨近預報這一專業(yè)領域難題，他構建了Bi-ConvLSTM深度學習模型，將動態(tài)注意力機制與雙偏振雷達數(shù)據(jù)進行融合，有效提升了降雨預測精度與模型穩(wěn)定性。在最后沖刺的那一夜，實驗室的燈光一直亮到天明，劉玉升主動承擔最復雜的模型優(yōu)化部分，同時協(xié)調隊友分工，確保每個環(huán)節(jié)都萬無一失。這次經(jīng)歷不僅贏得了國家級獎項，更讓他深刻體會到：科研路上沒有捷徑，唯有迎難而上，方能突破自我。

應用：助力大模型技術場景落地

2024年6月至9月，在導師推薦下，劉玉升通過選拔進入科大訊飛股份有限公司訊飛數(shù)碼研究院實習，深度參與了訊飛星火大模型的研發(fā)工作，主要負責Prompt工程優(yōu)化任務。憑借扎實的專業(yè)基礎和出色的工程能力，他系統(tǒng)性地完成了各類任務的整編工作，通過深入分析客戶需求，制定了差異化的Prompt優(yōu)化策略。在數(shù)據(jù)處理層面，他運用Python對訓練數(shù)據(jù)進行清洗與統(tǒng)計分析，成功構建了包含10萬余條的高質量SFT數(shù)據(jù)，覆蓋33個具體任務場景。此外，他還參與了大模型效果的評測工作，為后續(xù)模型的迭代優(yōu)化提供了支持。

因在實習期間表現(xiàn)優(yōu)異，劉玉升被科大訊飛選派前往深圳鵬城實驗室，參與深圳市政府智慧公安項目。在項目競標階段，他對不同任務進行了分類整理，將所學的Prompt優(yōu)化策略應用于任務優(yōu)化，與研發(fā)人員密切配合，推動項目成功上線，并在團隊綜合評分中取得第一名的成績。

來源：研究生處 編輯：劉鵬飛 解雅婕 預審：瀟瀟 審核：賈峰