近日，上海交通大学安泰经济与管理学院传来喜讯：6位本科生都作为第一作者的学术论文在自然语言处理、人工智能、信息管理、数据挖掘与多媒体等领域的国际顶级会议（EMNLP、NeurIPS、ICIS、KDD、ACM Multimedia）上发表或获接收。从关注人工智能前沿技术，到探索数字时代的管理问题，这些成果展现了安泰学子扎实的经管基础、出色的AI素养与跨学科创新能力，也生动诠释了学院“纵横交错，知行合一”的经管类本科高层次创新人才培养理念。

这6位同学来自会计学、大数据管理与应用、经济学-数学与应用数学、金融学-计算机科学与技术等专业。他们致力于经管学科与理工科的跨学科交叉研究，凭借本科阶段的学术研究便登上了国际学术舞台。

论文题目：Beyond Top-k:Mass-Aware Support Sampling for On-Policy Distillation

论文作者：Yu Wang, Xinran Chen, Yuchen Li, Honghai Zhang, Rui Kong, Jiamin Chen, Lingyong Yan, Linghe Kong, Chen Ma, Haoyi Xiong, Dawei Yin

作者单位：上海交通大学、百度、香港城市大学

论文摘要：这篇论文提出SSS+TMR，一种面向大语言模型On-Policy Distillation的概率质量感知蒸馏方法：针对传统Top-k截断遗漏尾部token监督、忽视师生模型在所选token集合上总概率质量差异的问题，文章引入Stochastic Support Sampling（SSS），从学生分布中无放回采样固定数量的token，使低概率token也有机会进入监督范围，逐步缓解确定性截断带来的训练盲区；进一步地，设计Teacher Mass Reweighting（TMR），以教师分布在采样集合上的总概率质量作为监督可靠性信号，降低教师低概率区域经重新归一化后产生的不可靠监督的影响。整体而言，这项工作将截断蒸馏从“固定选择高概率token”拓展为“随机覆盖与可靠性加权”，以较小的额外训练开销，为有限预算下的大模型推理能力迁移提供了更有效的方案。

第一作者：王禹，上海交通大学安泰经济与管理学院2024级大数据管理与应用专业本科生，曾在米哈游、百度、上海交通大学先进网络研究所（导师：孔令和教授）等部门做大模型后训练算法相关研究/实习。

研究方向：知识蒸馏，强化学习，大模型自进化。

会议介绍：EMNLP（Conference on Empirical Methods in Natural Language Processing，国际自然语言处理经验方法会议）是自然语言处理与计算语言学领域的国际顶级学术会议之一，由国际计算语言学协会（ACL）旗下的SIGDAT专业委员会组织，也是中国计算机学会CCF推荐的B类会议。EMNLP 2026将于今年10月24日至29日在匈牙利布达佩斯召开。根据Google Scholar Metrics当前公布的排名（统计2020-2024年发表的论文），EMNLP位列全球英语学术期刊与会议第45 位，其h5指数达到218。EMNLP与ACL、NAACL通常并称为自然语言处理领域的“三大顶会”，是展示大语言模型、语言理解与生成等前沿研究成果的重要国际平台。

论文题目：What Drives the Zero-to-One Jump? Diagnosing and Steering Hard-Prompt Learning in RLVR

论文作者：Rui Zhu，Yumou Liu，Zhenzhe Zheng，Fan Wu

作者单位：上海交通大学

论文摘要：可验证奖励强化学习（RLVR）显著提升了模型的数学推理能力，但模型在困难问题上的学习往往陷入停滞：一个问题可能在多个训练步骤中始终未被解出，随后却突然转变为可解状态。这种离散的“从零到一”跃迁，其内在机制以及能否被主动引导，仍缺乏深入理解。本文研究两个问题：是什么驱动了这一跃迁？这一过程能否被引导？通过以首次产生正确答案所需时间（TTFP）为指标的事件分析，我们发现，成功跃迁之前的负样本生成轨迹，在生成早期始终保留着更高的不确定性，这一特征能够区分接近可解状态的失败尝试与难以取得进展的失败尝试。基于这一信号，我们提出负样本增强策略梯度优化方法（NAPO）。该方法利用样本的早期不确定性，对尚未产生正确答案的问题中的样本进行排序，并赋予优势值，从而在梯度消失的样本处注入有效的学习信号。在固定采样预算下，NAPO加快了首次解题成功的进程，并在多个数学和代码测试集上取得了显著提升。研究表明，通过早期不确定性引导的负样本学习，“从零到一”的跃迁既可以被诊断，也可以被主动引导。

第一作者：朱睿，上海交通大学安泰经济与管理学院2023级大数据管理与应用专业本科生，曾在杉数科技、上海交通大学智能计算研究院参与运筹大模型数据构建和后训练算法研究，后师从上海交通大学计算机学院郑臻哲教授研究强化学习理论，持续学习与智能体训练，现已被上海交通大学计算机学院电子信息专业（计算机与大数据技术方向）直博预录取。

研究方向：强化学习，智能体后训练，持续学习。

会议介绍：EMNLP（Conference on Empirical Methods in Natural Language Processing，国际自然语言处理经验方法会议）是自然语言处理与计算语言学领域的国际顶级学术会议之一，由国际计算语言学协会（ACL）旗下的 SIGDAT专业委员会组织，也是中国计算机学会CCF推荐的B类会议。EMNLP 2026将于今年10月24日至29日在匈牙利布达佩斯召开。根据Google Scholar Metrics当前公布的排名（统计2020-2024年发表的论文），EMNLP位列全球英语学术期刊与会议第45位，其h5指数达到218。EMNLP与ACL、NAACL通常并称为自然语言处理领域的“三大顶会”，是展示大语言模型、语言理解与生成等前沿研究成果的重要国际平台。

论文题目：Nearly Optimal Bounds for Orthogonal Trace-Sum Maximization

论文作者：Yiheng Xiao，Huikang Liu

作者单位：上海交通大学

论文摘要：正交迹和最大化（OTSM）问题广泛存在于各类数据处理应用中，包括典型相关分析和冷冻电子显微成像。尽管这些问题具有重要的实际意义，现有的理论认识仍不完善。本文证明，在加性次高斯噪声模型下，只要噪声水平满足近优界 (O(\sqrt{n/\log n}))，广义幂法（GPM）就能以高概率线性收敛至全局最优解。此外，我们证明，在相同的噪声条件下，OTSM的半定规划（SDP）松弛是紧的，且具有唯一最优解。数值实验进一步表明，我们的理论预测与实验观察高度吻合。

第一作者：肖以恒，上海交通大学安泰经济与管理学院2023级经济学-数学与应用数学双学位本科生，关注连续优化算法设计及其收敛性分析。

研究方向：半定规划、凸优化一阶算法、黎曼优化。

会议介绍：NeurIPS（Conference on Neural Information Processing Systems，神经信息处理系统大会）是人工智能与机器学习领域的国际顶级学术会议之一，也是中国计算机学会CCF推荐的A类会议。NeurIPS 2026将于今年12月6日至12日在澳大利亚悉尼举办主会场活动，并于12月9日至13日在美国亚特兰大和法国巴黎设置卫星会场。根据Google Scholar Metrics 2025年公布的排名（统计2020-2024年发表的论文），NeurIPS位列全球英语学术期刊与会议第7位，h5指数达到371。NeurIPS是展示机器学习、优化理论与人工智能前沿研究成果的重要国际平台。

论文题目：AI Investment under Pressure

论文作者：Junyong Zhao, Jialu Liu

作者单位：上海交通大学

论文摘要：人工智能已成为企业生产和创新的核心驱动力，然而，资本市场压力如何影响企业的AI投资决策，人们知之甚少。本文考察了满足分析师盈利预测的压力如何影响企业的AI投资。我们利用分析师盈利预测这一门槛，比较股票回购前每股收益刚好低于预测值和刚好高于预测值的企业。结果发现，刚好未达标的企业在此后三年减少了AI投资，而且降幅随时间扩大。这种下降同时出现在生成式和非生成式AI投资中，却主要发生在原本有较高比例探索性AI活动的企业；探索性活动占比较低的企业几乎没有变化。面对压力，企业更难继续维持依赖组织容忍不确定结果的AI能力，而无关释放现金流的压力。

第一作者：赵峻墉，上海交通大学安泰经济与管理学院2023级会计学专业本科生。曾获国家奖学金、睿远红杉人才发展基金、联合水务奖学金。入选上海交通大学第九期“储才计划”、第九届“香樟青苗计划”。

研究方向：人工智能与资本市场、生成式推荐系统、数字平台用户模拟。主要关心用计量手段解释经济现象与用设计科学的思想把技术应用在商业场景。

会议介绍：ICIS（International Conference on Information Systems，国际信息系统大会）是信息系统领域最具影响力的国际学术会议之一，也是国际信息系统协会（AIS）的旗舰会议。大会始于1980年，每年汇集全球学者与业界研究者，交流数字技术如何改变企业、组织和社会。ICIS 2026将于今年12月13日至16日在葡萄牙里斯本举行，主题为“数字协作与共存”（Digital Collaboration and Coexistence）。会议议题涵盖数字经济、人工智能时代的工作方式、技术与人的互动、组织转型以及计算设计等方向，是展示信息系统领域研究成果的重要国际平台。

论文题目：PhotoBench:Beyond Visual Matching Towards Personalized Intent-Driven Photo Retrieval

论文作者：Tianyi Xu, Rong Shan, Junjie Wu, Jiadeng Huang, Teng Wang, Jiachen Zhu, Wenteng Chen, Minxin Tu, Quantao Dou, Zhaoxiang Wang, Changwang Zhang, Weinan Zhang, Jun Wang, Jianghao Lin

作者单位：上海交通大学、OPPO

论文摘要：本文提出PhotoBench，一个基于真实个人相册构建的个性化意图驱动照片检索评测基准，综合视觉语义、时空元数据、人物关系及事件信息，重点评估模型对复杂用户意图的理解与多源信息联合推理能力。实验揭示了现有多模态检索方法的两项关键局限：一是模态鸿沟（Modality Gap），即统一多模态Embedding模型难以有效处理时间、地点和人物身份等非视觉约束；二是信息源融合悖论（Source Fusion Paradox），即基于Agent的检索系统虽然能够调用多种信息工具，但在复杂查询中仍存在工具协同与跨源约束整合不足的问题。研究结果表明，现有方法在个性化照片检索中的非视觉信息理解与多源联合推理方面仍存在明显不足。

第一作者：徐天奕，上海交通大学安泰经济与管理学院2022级金融学-计算机科学与技术双学士学位本科毕业生，现为安泰经济与管理学院2026级管理科学与工程硕士研究生（导师：林江浩老师）。曾在OPPO研究院、Shopee从事检索、推荐系统与智能体相关研究，并在葛冬冬教授领导下的上海交通大学智能计算研究院开展 LLM for Operations Research 领域的相关探索。

研究方向：涵盖多模态检索、推荐系统及LLM4OR。

会议介绍：KDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining）是数据挖掘、知识发现与人工智能领域的国际顶级学术会议，也是中国计算机学会（CCF）推荐的A类国际学术会议。作为数据挖掘领域历史悠久、学术影响力广泛的旗舰会议，KDD汇聚了全球高校与科技企业的前沿研究成果，在机器学习、推荐系统、信息检索及数据科学等领域具有重要影响力。其中，Datasets& Benchmarks Track（D&B）于KDD 2025首次设立，重点关注高质量数据集、创新评测基准及数据驱动的人工智能研究。该专题作为KDD正式论文赛道之一，采用与主会同等严格、但针对数据集与评测研究特点制定的同行评审标准。

论文题目：M3TR:Temporal Retrieval Enhanced Multi-Modal Micro-video Popularity Prediction

论文作者：Jiacheng Lu, Weijian Wang, Mingyuan Xiao, Yang Hua, Tao Song, Bo Peng, Cheng Hua, Haibing Guan

作者单位：上海交通大学、英国贝尔法斯特女王大学

论文摘要：本文针对微视频热度随时间剧烈波动、长期趋势难以准确预测的问题，提出时序检索增强的多模态微视频热度预测框架M3TR。现有方法一方面往往将点赞、评论、分享等用户反馈视为简单的聚合时间序列，难以刻画不同交互行为之间相互激发、衰减及长期依赖关系；另一方面，现有检索增强方法主要依据静态内容相似性寻找历史视频，忽略了热度演化模式本身的重要预测价值。为此，M3TR首先设计Mamba-Hawkes Process（MHP），结合Hawkes过程与Mamba网络，对用户交互事件的复杂时序动态进行建模；进一步构建时序感知检索机制，同时考虑视频的视觉、音频、文本内容以及历史热度轨迹，从记忆库中检索具有相似动态模式的历史视频，并将检索信息与目标视频的多模态特征融合完成预测。 在MicroLens-100k和2024 INFORMS Data Challenge两个真实数据集上的实验表明，M3TR在nMSE、SRC、MAE和PLCC等指标上均优于现有方法，其中性能提升最高达到19.3%，验证了细粒度时序建模与时序感知检索对于微视频热度预测的有效性。

第一作者：卢嘉成，上海交通大学安泰经济与管理学院2022级金融学-计算机科学与技术双学位本科生，现为上海交通大学计算机学院2026级计算机科学与技术专业博士生（致远荣誉博士，导师：管海兵教授），获评上海市优秀毕业生。曾获国家奖学金、睿远红杉人才发展基金、新生入学奖学金、本科生优秀奖学金（A等）。入选上海交通大学第二批“伯乐计划”，上海交通大学“饮水思源”优秀学生培养计划（三期），深圳市鲲鹏创新人才计划。在ICML、MM、ACL、EMNLP、INFORMS Annual Meeting上发表6篇论文，获得10余项国家级及省部级奖项。

研究方向：大模型训推优化，大模型安全对齐。

会议介绍：ACM MM（ACM International Conference on Multimedia）是多媒体、计算机视觉与多模态人工智能领域最具影响力的国际顶级学术会议之一，由国际计算机学会（ACM）主办，长期聚焦图像、视频、音频、文本、多模态学习及生成式人工智能等前沿方向，也是中国计算机学会CCF推荐的A类国际学术会议。ACM MM 2026是第34届ACM International Conference on Multimedia，将于2026年11月10日至14日在巴西里约热内卢召开，这也是ACM MM首次在拉丁美洲举办。根据Google Scholar Metrics相关统计，ACM MM的h5指数约为101，在多媒体领域长期位居国际顶级会议行列。会议涵盖计算机视觉、多模态学习、生成式人工智能、3D与元宇宙、人机交互、音视频处理等研究方向，是国际多媒体与多模态人工智能领域最重要的学术交流平台之一。

再次祝贺以上6位同学！期待他们在未来的学术道路上继续深耕，取得更多突破性成果！