（通讯员 徐恺辰 朱怡萱）近日，我院2020级统计学专业本科生徐恺辰在孙晓波副教授的指导下，以第一作者身份在国际人工智能顶级会议——Conference on Neural Information Processing Systems（简称NeurIPS 2025）成功发表论文《Causality-Induced Positional Encoding for Transformer-Based Representation Learning of Non-Sequential Features》。
该研究提出因果感知位置编码方法CAPE，旨在提升Transformer在非序列数据上的建模能力，为非序列数据建模提供了一种通用、可解释的方法。CAPE首先结合广义结构方程模型与神经变分推断，构建非序列特征间的加权有向无环图（DAG），捕捉潜在非线性因果依赖；随后通过Riemann流形学习，将DAG节点映射为旋转算子，并保留“因果强度”和“因果特异性”两项核心属性；最终将旋转算子引入Transformer自注意力机制，使模型在微调阶段能够高效适应多样化下游任务。实验结果显示，CAPE在多领域显著提升性能，为非序列因果建模提供了通用框架。
NeurIPS（Conference on Neural Information Processing Systems）是人工智能与机器学习领域国际顶级会议之一，在中国计算机学会（CCF）的国际学术会议分级中，NeurIPS被列为A类会议。
该研究项目自2025年1月启动，在孙晓波副教授的悉心指导下，历时4个月完成并成功投稿。除第一作者徐恺辰外，其他作者还包括我院2022级统计学本科生杜艺航，2022级数据科学与大数据技术本科生刘绵鹏、2021级统计学本科生余自牧。该成果的发表展现了我院本科生在人工智能与因果建模交叉研究方向上的创新能力与学术水平。
审核人：吴远山
