2026年5月5日上午，姚德中副教授指导的博士生赵思凡、周子淇顺利通过博士学位论文答辩。

赵思凡的博士论文题目为“面向深度神经网络的多粒度协同推理技术研究”。论文针对深度神经网络在终端设备上推理延迟高、不同模型结构协同推理策略难以统一设计等问题，从层级、块级和组件级三个粒度展开了深入研究。主要贡献包括：（1）提出基于层协同的卷积神经网络推理加速方法，通过层间全局划分与层内过滤器、神经元切分机制，实现多终端设备并行推理，并利用基于狄利克雷分布的强化学习策略自适应调整切分方案；（2）提出基于块协同的视觉 Transformer 推理加速方法，针对多头自注意力和前馈网络设计细粒度切分策略，并结合分区时延预测、Token 路由与异步推理机制降低通信开销和同步等待延迟；（3）提出基于组件协同的大模型适配器推理加速方法，通过云端辅助生成定制化 LoRA 适配器，并结合端侧异构内存管理、缓存感知调度、批处理与计算通信重叠机制，提升大模型适配器推理效率。

周子淇的博士论文题目为“预训练模型鲁棒性评估与增强技术研究”。论文针对预训练模型鲁棒性评估与增强过程中存在的攻击迁移性不足、多模态语义鸿沟大以及鲁棒性与泛化性难平衡等问题，围绕单模态与多模态场景下的对抗攻击与防御技术展开了深入研究。主要贡献包括：（1）提出基于频域驱动的生成式通用对抗攻击方法，通过注入高频对抗噪声，并结合对比学习优化特征分布，实现对单模态预训练模型的高效鲁棒性评估；（2）提出基于拓扑偏离的通用对抗补丁攻击方法，通过构建特征拓扑图，并结合生成器与鉴别器的博弈机制，实现对多模态预训练模型的高效鲁棒性评估；（3）提出基于遗传进化思想的双阶段对抗微调方法，通过特征结构约束与层级敏感性分析协同优化模型参数，在提升鲁棒性的同时兼顾模型泛化能力，实现预训练模型的通用鲁棒性增强。

答辩委员会由武汉大学吴黎兵教授（主席）、武汉理工大学李春林教授、华中科技大学凌贺飞教授、何琨教授和吕志鹏教授组成。委员们分别从研究问题、技术路线、系统设计、实验验证以及未来发展方向等不同角度进行提问，两位答辩人均一一做了细致的解答。

经答辩委员会讨论，认为赵思凡、周子淇同学的论文达到了博士学位论文水平，一致同意通过赵思凡、周子淇同学的博士学位论文答辩，并建议授予工学博士学位。

（通讯员：赵思凡、周子淇）