2026年6月26日晚19时，永利yl304第七十五期研究生学术论坛在崇真楼南楼A4030成功举办。本次论坛由2024级研究生袁漂漂、刘子怡、靳然、何京以及2025级研究生蓝欣仪主讲，永利yl304研究生会学术部主办，学院孙海丽老师出席了该论坛。
袁漂漂同学分享的主题为“Large Language Models Sensitivity to The Order of Options in Multiple-Choice Questions”。LLMs 的预测不仅受提示词和示例影响，也会因答案选项重新排列而发生明显变化，导致不同基准上的性能差距达到 13%–85%。文章指出，这种现象通常出现在模型对前 2/3 个候选答案不确定时，位置偏差会进一步影响最终选择。研究还发现，首尾放置容易放大偏差，相邻放置有助于缓解偏差，并通过“随机重排多数投票校准”和“多证据校准（MEC）”两种方法提升了模型表现。
蓝欣仪同学分享的主题为“GarmageNet: A Multimodal Generative Framework for Sewing Pattern Design and Generic Garment Modeling”。真实感数字服装建模人力成本高，2D 裁片转可物理仿真高保真 3D 服装流程复杂。本文提出统一生成框架 GarmageNet，可自动完成 2D 纸样生成、缝纫关系搭建、适配物理仿真的 3D 服装初始模型合成。核心为全新服装表征 Garmage，将各裁片编码为结构化几何图像，打通 2D 纸样与 3D 服装几何的语义、几何隔阂。框架包含潜在扩散转换器 GarmageNet（生成裁片几何图像）与神经模块 GarmageJigsaw（预测裁片轮廓点对点缝纫关系）。同时构建含 14801 套专业服装、附带精细结构与风格标注的大规模数据集 GarmageSet 用于训练评测。该方案适配多类场景：多模态设计素材生成可量产服装、平面纸样自动建模、点云还原纸样、指令驱动渐进服装编辑，为全自动可落地数字时尚工作流提供支撑。
刘子怡同学分享的主题为“Mission reliability modeling of UAV swarm and its structure optimization based on importance measure”。无人机群的任务可靠性是指该群在指定运行条件下、指定时间段内完成预定任务的能力。为了实现高可靠性，当部分无人机在任务执行过程中发生故障时，需确定无人机群的最优结构。本文基于重要度，研究了无人机群可靠性与结构优化问题。首先，提出了基于多边形线性“k-out-of-n: F”系统的无人机群可靠性模型。其次，基于重要度，分析在不同位置的无人机群的性能表现。第三，通过重要度，分析了无人机群在任务过程中的结构优化。本文给出了三角形和四边形无人机群的数值示例，以验证所提出的方法。所提出的模型和标准可用于支持无人机群的任务规划和设计。
靳然同学分享的主题为“CKADisor: Central Kernel-Aligned Distillation for Efficient Event-Driven Object Recognition”。脉冲神经网络是实现高效事件驱动目标识别的最佳方法之一。为了达到较高的识别精度，现有方法通常需要在较长的时间步内累积充足的二值脉冲信号。因此，其所需的功耗甚至可能与传统的脉冲神经网络相当。本文提出了CKADisor，利用ANN教师网络来指导SNN学生网络在更短时间步设置下的直接训练。为缓解ANN与SNN之间的表征结构不匹配问题，我们提出了一种中心核对齐蒸馏策略，该策略逐层度量特征差异并将其融入相应的优化目标中。在三个主流事件数据集上的大量实验表明，在相同架构下，我们的CKADisor方法比多种前沿方法均能取得更高的识别精度。
何京同学分享的主题为“From physically-based to learning-based in cloth simulation: evolution and future—a scoping review”。布料仿真是计算机动画中兼具应用价值与研究难度的重要方向，其真实感和计算效率直接影响动画质量、交互体验。由于布料具有柔软、易褶皱和自由度高等特点，仿真过程通常涉及布料建模、数值积分、碰撞检测、接触响应、摩擦处理和约束求解等多项技术。随着图形硬件性能提升和影视、游戏、虚拟试衣、数字人等应用需求增长，研究者不断提出面向精度和速度的改进方法，包括物理模型优化、迭代求解加速、GPU并行计算以及神经网络辅助仿真等。本文围绕这些方向综述布料仿真的研究进展，并比较典型方法的特点，为后续学习和研究提供参考。
