2026年3月26日下午，计算机与电子信息学院机器学习课题组邀请蒋庆远副教授，在仙林校区明理楼402，开展了题为“平衡多模态表示学习”的学术报告。报告由杨明教授主持，学院部分教师及研究生到场聆听。

蒋庆远现为南京理工大学计算机科学与工程学院副教授，主要研究方向为多模态学习与多模态大模型，曾入选“华为天才少年计划”。他在IEEE TIP、NeurIPS、CVPR、ICCV等国际顶级期刊与会议上发表论文十余篇，并指导学生多次在CVPR、ICCV等国际竞赛中斩获冠军。

在报告中，蒋庆远副教授围绕多模态学习领域中长期存在的模态不平衡问题展开系统阐述。他指出，融合图像、文本、音频等多模态信息的模型在实际性能上往往不及单一模态模型，根源在于强模态在训练过程中“喧宾夺主”，弱模态则被边缘化。该问题广泛存在于数据、模型和学习三个层面：数据层面，不同模态的样本难度存在差异；模型层面，异构编码器的能力天然不匹配；学习层面，强模态的梯度主导作用使弱模态的“塑性”变差，难以有效收敛。针对上述挑战，蒋庆远教授介绍了其团队提出的一系列平衡多模态表示学习的创新方案。在数据层面，提出平衡感知序列采样策略，根据样本相关性与信息量设计学习机制，引导模型由易到难渐进学习；在模型层面，设计自适应子网络掩码与弱模态分类增强策略，在细粒度层面动态调节模态间学习权重；在学习层面，引入平坦投影梯度修正与SAM优化方法，有效缓解交替训练过程中的“塑性不足”问题，促使多模态模型在训练中实现协同收敛。相关研究成果发表于NeurIPS、IJCAI、TPAMI等国际顶级会议与期刊，所构建的多维平衡框架为多模态大模型的鲁棒训练提供了系统性的理论支撑与技术路径，预计将在视频理解、人机交互、多模态大模型等应用场景中发挥重要作用。

报告结束后，蒋庆远副教授与在场师生进行了深入交流。整场报告内容前沿、视野开阔，不仅加深了与会师生对平衡多模态表示学习研究进展的理解，也激发了大家对相关领域的浓厚兴趣。