【榜样领航】专访2025年度CSIG硕士学位论文激励计划入选者孙宇辰

来源：市场资讯

（来源：中国图像图形学会CSIG）

中国图象图形学学会博士/硕士学位论文激励计划旨在推动中国图像图形学领域的科技进步，鼓励创新性研究，促进青年人才成长。

为宣传科技工作者积极进取的工作精神，分享获奖人的科研故事，本期推文我们独家对话2025年度CSIG硕士学位论文激励计划入选者孙宇辰，听他讲述科研路上的坚守与成长，以榜样之力，赴创新之约。

问题一：感谢您接受CSIG专访，请先进行一下自我介绍：

首先非常荣幸能够入选2025年度CSIG硕士学位论文激励计划，我叫孙宇辰，毕业于中国科学院计算技术研究所智能信息处理重点实验室，导师为许倩倩研究员，目前在京东担任算法工程师，负责京东主站搜索算法开发。在学期间，我曾发表CCF-A类论文3篇，其中AAAI 1篇（一作）、ACMMM 2篇（其中一作Oral 1篇，录取率为5.4%），并且积极担任AAAI/ACMMM等会议审稿人；获北京图象图形学学会优秀硕士，中科院计算所易方达金融科技硕士奖学金、易方达金融科技新生奖学金等荣誉。

问题二：在科研过程中，有没有什么好的方法可以推荐给大家？

我认为科学研究的制胜之道在于将好奇心转化为对“非共识现象”的敏锐追踪，不满足于在已知路径上修补，而是主动去挖掘实验异常背后的潜在范式，同时配合一种“原子化”的积累习惯，把每天对逻辑推演或技术细节的点滴洞察结构化地沉淀为长期的认知复利，并坚持通过高质量的学术碰撞引入外部“熵增”，在与异见者的思维摩擦中强行打破认知闭环，从而确保你的研究既能深扎入具体的底层难题，又能始终保持俯瞰全局的宽阔视野。

问题三：请对您的论文进行简要介绍：

本研究旨在探讨多标签排序模型在面对噪声和未知类样本时的鲁棒学习问题。为了解决该问题，本研究将重点从对抗扰动和分布外检测两方面入手，系统探讨和解决多标签排序模型中的鲁棒学习问题。本文从对抗扰动方面探索更具有威胁性的对抗扰动生成技术，通过对抗训练和Top-k优化技术，生成一种可躲避指标检测的指标不可感知扰动，以指出多标签排序模型在现有指标监测下的安全性问题。同时，在分布外检测方面，本文结合长尾学习和能量优化等方法，进一步扩大尾部类样本和分布外样本之间的能量差距，建立可靠的能量边界，从而实现能够准确检测分布外样本的高泛化多标签排序学习模型。

问题四：请问您在论文筹备过程中遇到最大的挑战是什么？是怎样克服的呢？

在论文筹备过程中，我面临的最大挑战是如何完成从复杂真实场景到严谨科学问题的“从零到一”多维建模，以及在算法调优深水区必须经历的从陷入瓶颈到推倒重来的痛苦循环，而为了真正跨越这些障碍，我首先选择打破闭门造车的局限，积极向富有经验的师长与师兄请教，正是他们毫无保留的谆谆教诲为我提供了拨云见日的破局视角；更关键的是，我深知科研本质上是对未知的韧性博弈，因此在漫长且繁杂的迭代验证中，我始终保持着敢于打破常规、不断尝试的定力，哪怕面临指标倒退的挫折，也坚持将每一次失败的实验作为极佳的剖析样本，通过高频且深度的硬核复盘来精准查找问题症结，并在对前沿新方法的不懈探索中持续开拓自己的思维边界，最终在“试错-复盘-重构”的螺旋上升中成功蹚出了这条研究路径。

问题五：请问您有什么获奖感言呢？

师恩如海，衔草难报。衷心感谢我的导师许倩倩老师。您渊博的学识与严谨的治学态度，让我深刻领悟到学术的庄严与纯粹。论文从选题到定稿，每一处批注都凝聚着您的心血。记得开题受阻时，您一句“做研究要像挖井，选准方向便深掘到底”让我豁然开朗；实验屡次失败时，您又以“科研本就是在试错中逼近真理”的豁达教我直面挫折。您不仅是学术的引路人，更以谦和包容的品格教会我如何立身处世。师门如家，这份教诲将终生铭记。