评审组：计算机与系统科学组
项目名称：神经网络模型轻量化理论与参数高效微调关键技术研究
提名等级：二等奖
提名专家意见：
  1. 姓名：王燕妮
    工作单位：西安建筑科技大学
    技术职称：教授
    学科专业：计算机科学与技术
    提名专家意见：本人认真审阅了该成果提名书及附件材料，对该成果所取得的原创性科学发现、学术价值及学科贡献进行了全面评估。该成果围绕神经网络模型轻量化与参数高效微调中的关键科学问题，开展了系统深入的原创性研究，取得了以下重要科学发现：（1）揭示图拉普拉斯谱约束下关键拓扑支撑选择与多维表征保持机理，为图神经网络模型的轻量化结构设计夯实了理论基础；（2）揭示邻域协方差主子空间对随机噪声传播的抑制机理，成为图神经网络模型轻量化结构高效运作重要手段；（3）揭示预训练权重响应的稳定基底保持与低自由度重构机理，为视觉模型参数高效微调设计提供了统一的理论框架。相关研究成果发表于CVPR、NeurIPS、TPAMI、TII等本领域权威学术会议及期刊，得到国内外学术同行（包括中国工程院院士、IEEE Fellow、顶会程序主席及顶刊编委等）的广泛关注与正面引用，在推动神经网络模型高效部署发展方面发挥了重要作用。该成果研究思路新颖，方法科学严谨，数据翔实可靠，科学发现具有显著的原创性和重要的学术价值。项目提名材料齐全、规范，经完成单位公示，无知识产权纠纷，人员排序无争议，符合陕西省科学技术奖提名条件。
  2. 姓名：张双喜
    工作单位：西北工业大学
    技术职称：教授
    学科专业：信息与通信工程
    提名专家意见：本人认真审阅了该成果提名书及附件材料，对该成果所取得的原创性科学发现、学术价值及学科贡献进行了全面评估。该成果围绕神经网络模型轻量化与参数高效微调中的关键科学问题，开展了系统深入的原创性研究，取得了以下重要科学发现：（1）揭示图拉普拉斯谱约束下关键拓扑支撑选择与多维表征保持机理，为图神经网络模型的轻量化结构设计夯实了理论基础；（2）揭示邻域协方差主子空间对随机噪声传播的抑制机理，成为图神经网络模型轻量化结构高效运作重要手段；（3）揭示预训练权重响应的稳定基底保持与低自由度重构机理，为视觉模型参数高效微调设计提供了统一的理论框架。相关研究成果发表于CVPR、NeurIPS、TPAMI、TII等本领域权威学术会议及期刊，得到国内外学术同行（包括中国工程院院士、IEEE Fellow、顶会程序主席及顶刊编委等）的广泛关注与正面引用，在推动神经网络模型高效部署发展方面发挥了重要作用。该成果研究思路新颖，方法科学严谨，数据翔实可靠，科学发现具有显著的原创性和重要的学术价值。项目提名材料齐全、规范，经完成单位公示，无知识产权纠纷，人员排序无争议，符合陕西省科学技术奖提名条件。
项目简介：
客观评价：
代表性论文专著目录：
主要完成人情况：
  1. 姓名：董玮
    排名：1
    行政职务：西安建筑科技大学计算机与信息工程学院计算机系支部书记
    技术职称：教授
    工作单位：西安建筑科技大学
    完成项目时所在单位：西安建筑科技大学
    对本项目主要学术贡献：承担了图表示学习模型的轻量化方法、模型参数高效微调方法的设计工作，主要包括：轻量化的自监督图对比学习方法；模型参数高效微调LoRA方法。该完成人为代表性论文1、2、3、4和5的唯一第一作者。
  2. 姓名：林智君
    排名：2
    行政职务：无
    技术职称：无
    工作单位：西北工业大学
    完成项目时所在单位：西北工业大学
    对本项目主要学术贡献：参与了模型参数高效微调方法的设计工作，主要方向为模型参数高效微调LoRA方法研究。该完成人为代表性论文3和4的作者。
  3. 姓名：闫大伟
    排名：3
    行政职务：无
    技术职称：无
    工作单位：西北工业大学
    完成项目时所在单位：西北工业大学
    对本项目主要学术贡献：参与了图表示学习模型的轻量化方法、模型参数高效微调方法的研究工作，主要包括：轻量化的自监督图对比学习方法；模型参数高效微调LoRA方法。该完成人为代表性论文1、3和4的作者。
  4. 姓名：闫庆森
    排名：4
    行政职务：无
    技术职称：教授
    工作单位：西北工业大学
    完成项目时所在单位：西北工业大学
    对本项目主要学术贡献：参与了模型参数高效微调方法的设计工作，主要研究方向为LoRA方法的持续学习特性研究。该完成人为代表性论文4的作者。
  5. 姓名：白宗文
    排名：5
    行政职务：处长
    技术职称：教授
    工作单位：延安大学
    完成项目时所在单位：延安大学
    对本项目主要学术贡献：参与了图表示学习模型的轻量化方法的研究工作，主要研究方向为轻量化的自监督图对比学习方法的主成分聚合设计。该完成人为代表性论文5的作者。
主要完成单位：
  1. 单位名称：西安建筑科技大学
    单位贡献：第一完成人以西安建筑科技大学为第一完成单位，一直以来从事图表示学习模型的轻量化方法、模型参数高效微调方法等研究工作。该完成单位为成果的测试与应用提供了良好的硬件软件平台，支撑完成人在轻量化图表示学习、模型参数高效微调领域进一步探索与研究。

  2. 单位名称：西北工业大学
    单位贡献：第二完成单位主要承担的是视觉模型参数高效微调方法与持续学习等研究工作。西北工业大学在视觉模型深度学习技术方面拥有丰富的研究与应用经验，为本成果打下了坚实的科研基础。

  3. 单位名称：延安大学
    单位贡献：第三完成单位主要承担的是图表示学习方法的轻量化研究工作。延安大学在图数据挖掘技术方面拥有丰富的研究积累，为本成果打下了坚实的科研基础。

完成人合作关系说明： 完成人合作关系说明：1
陕西省科技厅成果处