申报倒计时3天：首届CCF-网易雷火联合基金

【业务创新型】多模态理解、生成和编辑等技术；课题旨在结合大规模预训练技术，针对Transformer和Diffusion为基座的模型框架，进行多模态相关领域的研究和应用，研究课题包括但不限于图文理解和生成预训练、文图可控生成、高质量多模态数据构建、图像编辑等，并具备工业化规模应用的潜力。 

【业务创新型】多任务统一的语音大模型技术：课题将研究如何将大模型引入音频领域，实现多任务统一的大模型框架，同时支持语音合成、歌声合成、语音转换、语音增强、语音编辑等多项功能，满足音频相关的各项需求，以大数据量训练的鲁棒大模型超越各个领域的小模型。重点需要解决目前存在的大模型稳定性较低的问题，提升模型训练效率。 

【业务创新型】基于转移模型的控制策略学习。课题旨在研究基于数据的状态转移模型训练和基于转移模型的控制策略学习。在强化学习训练的过程中需要与环境进行交互，而在工程机械设备上的训练控制策略时，真实设备进行交互的存在效率地下和安全风险的问题，本课题计划先收集大量数据训练。能够基于转移模型实现MPC控制策略。本课题研究成果会应用在矿山自动装车场景下的挖掘机液压臂轨迹跟踪和搅合站无人装载机的底盘轨迹跟踪项目。 

【研究创新型】高精度多视角场景重建，课题旨在针对游戏场景建模、工程机械作业场景建模等业务，基于大量真实数据，在多样化复杂环境下，提升双目/多目重建算法的精度、稳定性及跨场景泛用性能。为后续数字孪生、人机协作决策等任务，提供高质量的三维重建结果。 

【业务创新型】大模型驱动的标注技术，课题旨在通过结合大模型能力，与真人标注员协同标注，实现标注质量提升，标注成本下降的目的，是目前群体智能领域的热点研究问题，重点需要解决复杂任务分配和拆解、主动学习、人机协同、人机能力对齐等关键问题。

【业务创新型】标注能力认知建模，课题旨在对人类、机器智能以及群体智能的认知能力进行统一画像建模，为后续任务分配、人机协同等下游任务提供基础，重点需要解决能力标签体系、认知画像、个性化培训、能力智能评估等关键问题。 

【创新研究型】自对弈训练中的自动奖赏塑形，课题将研究如何在自对弈(selfplay)训练中通过自动奖赏塑形方法得到所需要的目标策略，既要保证所学到策略的质量（如：近似纳什均衡），也要保证完成塑形奖赏所刻画的学习目标（如：对策略某方面行为的约束），重点需要解决自对弈场景下的奖赏塑形的最优策略不变性问题，以及处理动态调整奖赏权重所带来的非静态环境的问题。

【创新研究型】虚拟人合成技术，课题旨在结合游戏应用场景，探索虚拟人物角色建模和驱动技术，提高游戏角色制作效率和降低应用成本，包括不限于角色形象生成、表情和肢体动画捕捉与合成等关键问题。 

本基金将面向符合如下条件的国内所有高校及科研院所学者展开：

• 申请者必须是国内高校科研院所在职的全职教师或研究人员；

• 申请者必须是CCF会员；

• 优先支持博士毕业5年内的申请者；

• 申请者具有博士学位或者研究生指导资格。

点击“阅读原文”，查看详情。