探索具有人類水平學習、推理與泛化能力的智能系統(tǒng)，推動AI從“專用”向“通用”跨越。研究方向包括：大規(guī)模語言模型，大規(guī)模知識與推理系統(tǒng)，多模態(tài)認知架構(gòu)、元學習與自適應系統(tǒng)、具身智能與機器人交互、復雜場景與復雜系統(tǒng)下的自主決策等。旨在構(gòu)建可解釋、可遷移、可進化的通用智能體，賦能全領域革新。

深耕AI底層邏輯，突破現(xiàn)有技術(shù)瓶頸。研究涵蓋：統(tǒng)計學習理論，深度學習理論、新型優(yōu)化算法、因果推理與概率建模、魯棒性與安全機制、分布式學習理論等。通過數(shù)學與計算科學的交叉融合，為下一代AI技術(shù)奠定理論基石。

以人工智能驅(qū)動科學發(fā)現(xiàn)，加速傳統(tǒng)科研范式變革。聚焦金融經(jīng)濟（如量化決策，宏觀經(jīng)濟決策）、生物醫(yī)藥（如蛋白質(zhì)設計、藥物發(fā)現(xiàn)）、計算物理（如量子模擬、材料逆向設計）、地球科學（如氣候建模、災害預測）等方向，結(jié)合科學大數(shù)據(jù)、物理啟發(fā)生成模型、符號與神經(jīng)混合系統(tǒng)，構(gòu)建“AI科學家”輔助平臺。