面向国家计算智能底层研究的重大技术问题，突破自主可控的软硬件基础架构，构建“智能泛在”的算力支撑体系，增强我国智能产业的核心竞争力。
1.中心基本信息
中心名称：计算智能实验室（NLPIR认知智能与安全实验室）
中心简介：创新为国，天下为先，合而为盟，超越为我。
中心合影：
实验室团队成员合影
实验室团队参加IMLIP会议
优秀毕业生合影
留学生研讨会
2.中心核心成员
中心负责人
张华平，开云.彩票(kaiyun)官方网站计算机学院和人工智能学院副院长，特聘教授，国家级领军人才，新疆天池英才，NLPIR实验室主任，博士生导师（每年拟招3名博士，5名硕士，1个博后），新疆大学博导（每年拟招1名博士，2名硕士），博士毕业于中国科学院计算技术研究所，知名汉语分词系统ICTCLAS创始人，中国人工智能学会多语种智能信息处理专业委员会秘书长，中国计算机学会杰出会员，信息社会50人论坛成员，全国社会舆情分析论坛主席，同时担任新疆大学、首都师范大学、西南政法大学兼职导师；中央网信办评审专家，公安部评审专家，中国计算机学会青年科技论坛YOCSEF委员，中国计算机学会普及工委委员，国家自然科学基金函评专家，北京市重点产业知识产权联盟专家、同时担任《Data Intelligence》《应用科技》编委；同时担任教育部学位中心博士学位论文、多个顶会顶刊评审专家。研究方向为：多语种智能信息处理、大数据搜索与挖掘、自然语言处理。张华平作为课题组长主持开发了国家自然科学基金、装发演示验证项目，国防创新特区课题、国防基础加强重点课题、国防先导计划、863、973、242等科研课题几十余项，曾牵头或前三获得省部级科技奖7项，其中国家BM科技奖一等奖（排名第一），国防科技进步奖二等奖2项（排名第一），新疆自治区科技进步一等奖1项（排名第二），钱伟长中文信息处理科学技术奖一等奖1项（排名第二）。发表《大数据智能分析》、《自然语言处理与应用》等专著6部。论文百余篇，SCI一区等高质量论文20余篇，所研制的NLPIR/ICTCLAS语义分析系统是中文自然语言处理领域引用最多的成果（国内外引用近3万次）。并作为特邀大数据技术专家，先后在中央电视台担任特约专家，引起学术界与产业界广泛关注。
中心学生规模：博士后1名，博士生12名，硕士生33名，本科生15名
3.中心研究方向
计算智能与大模型研究：
面向大模型技术，聚焦于模型架构创新、高效训练算法与智能涌现机制的核心研究，重点打造具备可控性、可信度与敏捷响应能力的ChatBIT大模型。引入计算智能的“学习与适应”核心理念，通过强化学习、多智能体协作、进化计算及自监督学习等方法，模拟自然智能的演化过程，探索模型的可解释性、泛化性与本质稳健性。构建具备自主感知、持续学习与动态进化能力的“计算智能体”。研究同时强调基于计算智能思想的高效训练与自适应推理技术，通过软硬件协同设计与资源智能调度，形成高效、可扩展的支撑体系，最终推动通用人工智能的核心技术突破与广泛落地。
认知智能与安全研究：
聚焦技术驱动的认知智能与安全方向，核心研究涵盖以下研究：基于开源信息的高效聚优与关联分析；融合多语言、多模态的自然语言处理与生成技术，结合机器学习与大模型方法，实现多语种实体识别、跨语料关联及深度语义挖掘，精准提取关键情报要素；同时，引入心理科学与计算建模方法，深入探索信息对人类认知的干预机制，借助自然语言理解与机器学习解析感知、决策、学习等心理过程，构建个体与群体认知的计算模型，揭示潜在的认知逻辑与风险路径。最终目标在于实现对数据泄漏、认知操控等威胁的早期感知与预警，提升个体与组织的认知免疫力，完善整体安全情报体系。技术路径以大模型为核心，整合数据采集与自动化分析模块，开发认知影响量化评估工具，为数字时代的认知安全提供关键技术支撑。
4.中心研究成果
面向认知智能与安全面向国家开源情报安全急需，依托NLPIR认知智能与安全实验室，汇集以张华平教授为代表的创新团队，在开源情报分析领域开展深度研究，突破大模型驱动的开源情报价值挖掘与认知风险防控关键技术，核心技术成果包括：NLPIR 中文语义智能处理平台、ChatBIT 明理大模型、深眼情报刺探系统、九眼智能审查系统、比特参谋等。研究成果应用于国家安全保密与国防网信等关键部门，在开源情报分析领域达到世界领先水平，培育一批国家级领军领导人才，获批国家重点研发与国防重大项目，获评国家保密科技奖一等奖在内的省部级7项，并通过国家科技奖初评。
1. 提出了基于完美双数组TRIE树的内容实时过滤方法和动态网络尺度自适
应泛化多维推理模式，突破了数量膨胀与检测效率之间的计算瓶颈，创新了内外网风险监测及核查流程，实现了海量数据准实时精准核查，其中8GB数据核查时间由1小时缩短到5分钟，推理模型的处理速度提升32倍；
2. 提出了基于语义扩充的风险规则动态构建算法和风险识别策略多语并行
动态更新算法，打破了保密事项与风险规则之间的语义壁垒，创新了内网信息监测策略动态构建模式，实现了识别规则的动态生成与适时更新，将信息误筛数量降低10倍；
3. 提出了基于上下文邻接向量的模式统一表征模型、基于细粒度图文合作
引导的敏感内容聚类融合关键技术和多特征选择融合的安全漏洞识别模型，打通了多模态开闭源信息之间的关联路径，创新了开源信息关联推理算法，实现了聚合风险的深度挖掘，其中开源信息关联覆盖度超90%。
5.中心文化与资源
课题组氛围
我们致力于营造一个 “自由开放、协同共进” 的学术共同体。在这里，我们鼓励创新思维与批判性讨论，同时强调团队协作与知识共享，让每位成员都能在宽松而严谨的环境中充分发挥潜力，共同成长。
优势资源
课题组拥有强大的计算平台作为核心支撑，独家配备10块A100 GPU集群，可确保在大规模模型训练与复杂实验中对算力的极致需求。同时，我们与业界领先的研究机构及企业保持紧密合作，能为成员提供一流的数据资源、学术指导与产业实践机会。
欢迎计算机科学与技术及相关专业的优秀同学加入。我们期望你具备：
扎实的专业基础：熟练掌握至少一门主流编程语言（如Python/Java/C++），拥有良好的代码编写与系统开发能力。
突出的科研素养：拥有主动探索的意愿、独立研究的能力和创新进取的精神，对技术有好奇心，对难题有韧性。
良好的团队协作意识：善于沟通，乐于分享，能够融入团队协同攻关的研究文化。
6.课题组联系方式
课题组热烈欢迎对[计算机科学与技术]等领域充满热情的博士后、研究生和本科生（欢迎大二、大三同学申请科研实习）加入！欢迎联系：kevinzhang@bit.edu.cn