张长青在CNCC 2026报告广义多模态融合研究

天津大学人工智能学院英才教授张长青在 CNCC 2026 首日 Tutorial 环节作《广义多模态融合技术》报告，介绍团队在多模态表征、动态可信融合和通用预测基座三方面的研究，涵盖可信多视图分类方法 TMC 与通用预测基座 Fusion Anything Model（FAM）。 演讲中展示的实验结果显示，在晶体结构识别任务上，分类准确率由约 58%—59% 提高至 93.9% 左右。据论文报告的评估，FAM 在 18 个真实数据集、12 种模态和 11 类预测任务上测试，平均准确率较所比较的专用融合基线提高约 6.9 个百分点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。