（图/文 王健吉）2025年5月6日下午，计算机学院第二十一期“启明星讲坛”先后在10305教室与10106教室举行。本期讲坛由我院副院长刘昶教授主持，并特邀西华大学计算机与软件工程学院陈晓亮教授做学术指导。我院2024级研究生罗莹、聂林海两位同学进行了学术汇报。讲坛吸引了学院青年博士全体教师及2024级研究生的共同参与。
陈教授是加拿大蒙特利尔大学访问教授，同济大学教育部中西部骨干访问学者，四川省学术带头人后备，四川省海外高层次人才，同时担任SCI期刊Intelligent Data Analysis(CCF-C)副主编；四川省人工智能学会，青年工作委员会副主任；中国计算机学会，YOCSEF成都，副主席；中国中文学会，自然语言处理专委会西南区负责人；中国自动化学会，网络信息服务专委会委员；中国中文信息学会，社会媒体处理专委会，信息检索专委会，委员。并且陈教授带领团队发表了众多高质量论文，Google学术引用达到6070，H-指数40，并主持/主研国家级项目、省级科研项目与厅级项目众多。
陈教授以“AI如何助理科研”为主题，结合当前前沿AI工具组合（含 Kimi、DeepSeek、质谱清言、SCISpace ），系统性地介绍了AI在科研中的高效应用方法，涵盖数据采集的提示工程框架、数据采集与分析、AI输入输出标准化流程等核心内容。并指出了各个AI工具的特性，如Kimi则具有强大的联网功能，可获取精准的一手网络信息； DeepSeek特点在于代码与实验辅助，支持Python/LaTeX代码补全，也能优化科研写作；质谱清言，则具有各种不同功能的智能体，能针对性的完成对论文，数据的优化；而SCISpace专用于文献智能分析，自动解析论文核心贡献，生成结构化摘要，跨语言翻译与知识图谱构建，辅助文献综述。
陈教授提出 TRACE（Task, Request, Action, Context, Example） 结构化提示框架用于采集互联网数据，并以四川各城市GDP为检索目标为在场参与者演示如何精准的获取数据。然后，通过获得的数据，对比了不同AI使用这些数据生成的不同样式的图表以及如何让图表风格符合特定期刊风格。之后，为规范AI在科研中的使用，陈教授提出 ICIO（Instruction, Context, Input Data, Output Indicator） 输入输出通用框架，特别适用于那些需要明确指导AI完成特定任务的场景。最后，陈教授指导了在场青年博士教师们的论文写作技巧。在场参与者积极互动，陈教授通过实际案例展示了如何运用AI工具优化论文结构、提升语言表达，并特别强调了学术规范性与创新性的平衡。陈教授还强调，AI生成内容必须经过严格的学术验证，并应在论文方法部分明确标注使用范围。本次讲坛不仅提供了实用的科研AI工具操作指南，更启发了师生对智能时代科研范式的思考，为学院推进人工智能与科研深度融合奠定了良好基础。
罗莹同学向大家介绍了论文“FedChd：基于特征蒸馏的缓解数据异构性的联邦学习”，该文章提出一项革新性技术方案，破解了农业智能化中的"数据孤岛"难题。其研究针对病虫害检测中传统集中式学习的隐私泄露风险与联邦学习的数据异构性瓶颈，首创特征分解-蒸馏协同机制，将数据特征智能拆解为共享判别特征与私有冗余特征，通过蒸馏网络提取跨区域泛化知识，并创新性融合差分隐私技术保护敏感信息。实验证明，FedChd在保证农田边缘设备低通信开销的前提下，显著提升非独立同分布数据下的模型稳定性，准确率较现有方法提升显著。这项研究为粮食安全监测提供了隐私安全的分布式AI解决方案，加速了智慧农业的规模化应用进程。
聂林海则介绍了“FedFed：Feature Distillation against Data Heterogeneity in Federated Learning”，文章针对物联网场景下联邦学习面临的计算资源受限、单点故障及收敛效率低等痛点，创新性提出层次分割联邦学习框架（HSFL）。该框架通过建立包含设备相对局部精度（RLA）、传输延迟、能耗及边缘服务器计算延迟的多维度优化模型，首次系统化解决了分布式训练中的资源分配难题。其采用混合整数非线性规划（MINLP）方法将复杂问题分解为边缘计算资源分配、无线资源调度等可求解子问题，显著提升了资源受限设备的计算效率与系统鲁棒性。为智能家居、工业物联网等场景提供了更高效的隐私保护训练方案，标志着边缘智能领域的重要进展。
