朱贵波 硕士生导师 中国科学院自动化研究所
中国科学院自动化研究所紫东太初大模型研究中心副研究员、硕士研究生导师，武汉英才优秀青年人才，主要研究方向包括多模态大模型、具身智能、世界模型、图像与视频分析等。担任国家科技创新2030—“新一代人工智能”重大项目课题负责人、科技部重大专项任务负责人和工信部算力强基项目负责人，主持自然科学基金2项，曾作为核心骨干申请并参与了包括国家重点研发计划、中科院先导A项目、广东省重点研发计划等在内的多个国家或省级项目。作为中国科学院“科苑名匠”紫东太初多模态大模型研究团队核心成员，全程参与大模型从0到1的构建，推动国际首个图文音三模态大模型“紫东太初”及其升级版本紫东太初2.0（全模态认知大模型）、紫东太初3.0（多模态智能体大模型）和紫东太初4.0（多模态推理大模型）的研发，实现基于昇腾AI的全栈国产化适配，并成为首批通过国家备案的大模型，相关成果荣获2022年世界人工智能大会SAIL奖。在国产AI训练优化方面，作为核心成员参与的国产化算力优化及产业化项目获湖北省科技进步二等奖。学术成果涵盖IEEE TIP、TNNLS、T-CYB等权威期刊及ICLR、NeurIPS、CVPR、ICCV、AAAI、IJCAI等国际顶会，共发表论文60余篇，授权国家发明专利20余项，参与国家标准《人工智能 预训练模型 第1部分：参考架构》、国家标准《人工智能 预训练模型 第2部分：评测指标与方法》、国家标准《人工智能 预训练模型 第3部分：服务能力成熟度评估》、《信息技术 计算机视觉 术语》等4项人工智能国家标准和《工业AI视觉外观检测系统通用技术规范》等2个团体标准制定。曾获中国科学院Rokid人工智能科学奖，并在KDD CUP、Eurographics、IEEE BigData、铁路人工智能算法大赛等国内外竞赛中斩获冠军，担任CVPR 2020 Anti-UAV竞赛及研讨会程序委员会共同主席，其在“紫东太初”相关研发中夺得7项国际竞赛冠军，荣获2023年中国算力大会“算力中国·年度突破成果”奖、DC Tech创新先锋奖和2024年祖冲之人工智能创新成果奖、2024年湖北省科技进步二等奖、2025年指挥与控制学会科技进步二等奖等。
电子邮件： gbzhu@nlpr.ia.ac.cn
通信地址： 北京市海淀区中关村东路95号
邮政编码： 100190
研究领域
专业：模式识别与智能系统、计算机应用技术
研究方向：多模态大模型，具身智能，世界模型等
发表论文情况
- Imagine How To Change: Explicit Procedure Modeling for Change Captioning, ICLR 2026(EI, CCF A);
- Decoupled Similarity for Task-Aware Token Pruning in Large Vision-Language Models, ACM MM 2026(EI, CCF A)
- Improving generalization in LLM structured pruning via function-aware neuron grouping， AAAI 2026(EI,CCF A);
- Anomalymoe: Towards a language-free generalist model for unified visual anomaly detection, AAAI 2026(EI, CCF A);
- FiLo++: Zero-/few-shot anomaly detection by fused fine-grained descriptions and deformable localization, IEEE TCSVT 2026(SCI,CCF B);
- Adversarial discriminant attack on text-to-image diffusion models, Neural Networks 2026(SCI, JCR1区);
- Univad: A training-free unified model for few-shot visual anomaly detection, CVPR 2026(EI, CCF A);
- See through their minds: Learning transferable brain decoding models from cross-subject fmri, AAAI 2025(EI, CCF A);
- BrainCLIP: Brain representation via CLIP for generic natural visual stimulus decoding, IEEE Transactions on Medical Imaging 2024(SCI, JCR 1区);
- ADFormer: Generalizable few-shot anomaly detection with dual CNN-transformer architecture, IEEE Transactions on Instrumentation and Measurement 2024(SCI, JCR 1区);
- Auto DragGAN: Editing the Generative Image Manifold in an Autoregressive Manner， ACM MM 2024(EI, CCF A);
- Filo: Zero-shot anomaly detection by fine-grained description and high-quality localization, ACM MM 2024(EI, CCF A);
- Anomalygpt: Detecting industrial anomalies using large vision-language models, AAAI 2024(EI, CCF A);
- Taisu: A 166m large-scale high-quality dataset for chinese vision-language pre-training, NeurIPS 2022(EI, CCF A);
- Multi-granularity mutual learning network for object re-identification, IEEE Transactions on Intelligent Transportation Systems 2022(SCI, JCR 1区);
- Multi-initialization optimization network for accurate 3d human pose and shape estimation， ACM MM 2021(EI, CCF A);
- High-performance discriminative tracking with transformers, ICCV 2021(EI, CCF A);
- Improving multiple object tracking with single object tracking, CVPR 2021(EI, CCF A);
- Dynamic collaborative tracking, IEEE TNNLS 2018(SCI, JCR 1区);
- Feature distilled tracking， IEEE transactions on Cybernetics 2018（SCI, JCR 1区);
- Diverse Neuron Type Selection for Convolutional Neural Networks， IJCAI 2017(EI, CCF A);
- Weighted part context learning for visual tracking, IEEE Transactions on Image Processing 2016(SCI, CCF A).
招生信息
招生方向：图像与视频处理、模式识别与智能系统；
招生要求：计算机专业、电子信息、自动化、人工智能、数学等相关专业，要对科研怀有强烈的兴趣和追求卓越的精神，希望你具备良好的数学基础和自主学习能力，动手能力强，有团队精神；
招生类型：硕士研究生，及国科大非全日制硕士；
培养模式：根据学生的特点，因材施教。面向应用问题，着重培养动手实践能力；面向国际前沿科学问题，着重培养科研创新能力。
招生专业
招生方向
教育背景
学历
中国科学院自动化所，2013.09--2016.07，工学博士
中国科学院自动化所，2010-2013， 工学硕士
武汉大学，2005--2009， 工学学士
学位
中国科学院自动化研究所，2016，工学博士
工作经历
2018.11至今：中国科学院自动化研究所 副研究员 硕士生导师
2016.07 - 2018.10： 中国科学院自动化研究所 助理研究员