个人简介：

福州大学计算机与大数据学院副教授，主要研究方向为深度学习，表征学习，图神经网络，大模型与智能体，相关研究成果在CVPR、NeurIPS、KDD、TNNLS等重要国际会议、期刊上发表。同时强调技术落地，与工业界保持紧密联系与合作，曾入选腾讯技术大咖等人才计划。

招生信息：

目前硕士招生专业：计算机科学与技术、电子信息等。欢迎对人工智能研究充满热情，想解决实际问题，做出有意义的科研成果，同时对包括但不限于深度学习，表征学习，图神经网络，大模型与智能体等方向感兴趣的研究生和本科生与我联系。

联系邮箱：jiechen202@fzu.edu.cn

代表性科研成果：

1) From Node Interaction to Hop Interaction: New Effective and Scalable Graph Learning Paradigm (CVPR), 2023. (CCF A)

2) GMV: A Unified and Efficient Graph Multi-View Learning Framework (NeurIPS), 2025. (CCF A)

3) Domain-RAG: Retrieval-Guided Compositional Image Generation for Cross-Domain Few-Shot Object Detection (NeurIPS), 2025. (CCF A)

4) SA-MLP: Distilling graph knowledge from GNNs into structure-aware MLP (TMLR), 2024.

5) Learning to distill global representation for sparse-view CT (ICCV), 2023. (CCF A)

6) Automated Label Unification for Multi-Dataset Semantic Segmentation with GNNs (NeurIPS), 2024. (CCF A)

7) Make a Strong Teacher with Label Assistance: A Novel Knowledge Distillation Approach for Semantic Segmentation (ECCV), 2024. (CCF B)

8) Learning representation for clustering via prototype scattering and positive sampling (TPAMI), 2022. (SCI-1, CCF A)