出访人员名单（含领队）

吕航

出访国家（地区）

韩国济州岛

实际

出访时间

2026年8月7日

至2026年8月14日

实际往返路线（相关城市）

福州——北京——济州岛——北京——福州

出访任务

参加知识发现与数据挖掘会议（KDD 2026）

出

访

成

果

报

告

我有幸赴韩国济州岛参加知识发现与数据挖掘会议（The Conference on Knowledge Discovery and   Data Mining，简称 KDD 2026），并完成论文海报展示、口头报告及学术交流。KDD是数据挖掘、机器学习与数据科学领域最具国际影响力的顶级学术会议之一，长期聚焦知识发现、机器学习、推荐系统、大语言模型、智能体、图学习及人工智能应用等前沿方向，汇聚了来自全球高校、科研机构和产业界的专家学者，是展示数据挖掘与人工智能最新研究成果、促进国际学术交流与合作的重要平台。

我的论文题目为《Awaken the Giant: Activating LLMs via   Deep Model Guidance for Boundary-aware Medication Recommendation》（《唤醒巨人：通过深度模型引导激活大语言模型实现边界感知的药物推荐》）。该工作聚焦于电子健康记录场景下的组合药物推荐问题。现有深度学习模型能够基于患者的诊断、操作及历史用药等信息产生细粒度的药物预测概率，但对于接近推荐决策边界的候选药物往往存在较高不确定性。与此同时，大语言模型具有较强的医学语义理解与推理能力，但直接处理结构化医疗数据及细粒度数值关系时存在一定局限。针对这一问题，该工作提出了一种深度模型与大语言模型协同的边界感知药物推荐框架GiantMed。该框架首先利用深度模型的预测分布识别处于决策边界附近、需要进一步判断的候选药物，再通过深度模型提供的患者状态与候选信息引导大语言模型进行针对性的临床语义推理，从而充分发挥深度模型在数值建模方面的优势与大语言模型在语义推理方面的能力。GiantMed采用模型无关的插件式设计，可灵活适配不同的基础药物推荐模型，在尽量保留深度模型稳定预测结果的同时，重点修正边界区域中的困难候选药物，为大小模型协同驱动的智能临床决策提供了新的研究思路。

在本次会议中，我于8月11日晚参加论文海报展示，并于8月12日下午进行论文口头报告。在海报展示与口头汇报过程中，我围绕研究背景、边界药物推荐问题、深度模型与大语言模型的协同机制、模型整体框架以及实验结果进行了系统介绍，重点阐述了为什么不直接使用大语言模型完成全部药物推荐，而是利用深度模型识别不确定的“边界区域”，再有针对性地激活大语言模型进行辅助决策。通过此次论文展示与学术交流，我进一步认识到，在医疗决策等高风险应用场景中，大模型与传统深度模型并非简单的替代关系，而应根据不同模型在数值建模、语义推理、稳定性和计算效率等方面的能力差异进行合理分工。如何进一步提升边界候选识别的准确性、增强大语言模型决策依据的可靠性，并在推荐效果、临床安全性与推理成本之间取得更好的平衡，是后续值得深入研究的问题。

会议期间，我还积极参加了多场与本人研究方向密切相关的专题研讨活动。8月9日上午参加了“第二届 SciSoc智能体与大语言模型研讨会——面向科学与社会进步的智能体式人工智能”，进一步了解了大语言模型智能体、多智能体协作、复杂任务规划以及智能体在医疗健康等真实场景中的应用进展，对本人后续探索多智能体协同辅助诊疗具有较强启发意义；下午参加了“面向大规模预训练模型的几何空间、架构与学习目标”研讨会，重点关注双曲空间、球面空间及混合曲率空间等几何表示方法及其在基础模型中的应用，为本人在医学概念几何表示、跨模态对齐与结构化知识建模方面的研究提供了新的思路。8月10日上午参加了第25届国际生物信息学数据挖掘研讨会（BIOKDD   2026），学习了数据挖掘、数字孪生、疾病状态建模与治疗结局预测等方法在生物医学领域的最新进展；下午参加了第5届面向信息检索的人工智能智能体研讨会（Agent4IR），进一步了解了大语言模型智能体在检索、生成、排序、工具调用、记忆与规划等方面的研究进展。这些内容与本人正在开展的智慧医疗、组合药物推荐、大语言模型及多智能体临床决策研究具有较高相关性，为后续开展检索增强、智能体协同及可靠医疗决策研究提供了有价值的参考。

通过参加KDD 2026，我不仅向国际同行展示了本人及团队在大语言模型与深度模型协同药物推荐方面的研究成果，也进一步了解了智能体式人工智能、几何表示学习、生物医学数据挖掘以及智能检索等方向的最新研究进展。特别是会议中关于大语言模型智能体、基础模型协同、复杂任务推理以及人工智能在真实医疗场景中落地的相关研究，使我更加认识到，未来智慧医疗研究需要进一步兼顾模型的预测性能、可靠性、可解释性与计算效率，并通过多模型、多智能体以及医学知识的协同提升临床决策质量。相关学习和交流为本人后续围绕大语言模型辅助药物推荐、多智能体临床决策以及可靠高效的智慧医疗方法开展进一步研究提供了重要启发。

本次参加KDD 2026是我博士阶段一次重要的国际学术交流经历。通过论文海报展示、口头报告以及专题研讨会学习，我进一步提升了对数据挖掘、大语言模型、智能体与智慧医疗交叉研究前沿的理解，拓展了国际学术视野，同时也进一步明确了后续研究中大小模型协同、多智能体决策以及可靠高效医疗人工智能等值得深入探索的方向。本次出访顺利完成了既定的论文汇报和学术交流任务，为博士阶段后续科研工作的持续推进奠定了良好基础。

该团组已进行事后公示，并无异议。　　　　　　　　　　　　        （领队签字）

遵守外事纪律情况（含意见和建议等）：

严格遵守出访纪律。