近日，经济管理学院大数据与机器智能团队李先能教授在大模型技术创新方面取得系列重要研究进展，先后在人工智能领域顶级国际学术会议KDD 2025和AAAI 2026连续发表/录用多篇学术论文，这是该团队继获得Amazon KDD Cup 2024大模型竞赛（用户行为对齐赛道）全球亚军和WWW 2025多模态对话系统意图识别挑战赛决赛第一名后，再次取得的重要突破，充分体现了团队在理论驱动的算法创新、大模型前沿技术等领域的持续探索，进一步提升了在人工智能管理（AI4M）领域的国际学术影响力。

KDD是数据挖掘领域的公认的最高级别国际学术会议，由美国计算机协会（ACM）主办，属于中国计算机学会A类国际学术会议；AAAI是人工智能领域历史最悠久、最具影响力的顶级国际学术会议之一，由人工智能促进会主办，被中国计算机学会和中国人工智能学会共同列为A类国际学术会议‌。

上述研究成果得到了国家自然科学基金面上项目“O2O电商中面向消费者需求不确定性的多样化推荐方法研究”（72071029）和国家自然科学基金重点项目“人机系统的决策行为与协同管理理论及其方法研究”（72231010）的资助。

研究成果1：领导力理论驱动的大小模型协同（KDD 2025）

由李先能教授担任共同通讯作者、博士生张颖异为第一作者，联合香港城市大学及华为诺亚方舟实验室学者完成的论文“LSRP: A Leader-Subordinate Retrieval Framework for Privacy-Preserving Cloud-Device Collaboration”被KDD 2025接收并作Oral Presentation（录用率18.4%）。该研究以云端大模型与设备端小模型协同中的隐私保护与个性化对齐问题为核心，创新性地将领导力理论Path-Goal Leadership Theory引入人工智能算法设计，提出了“Leader-Subordinate”云–端协同检索LSRP框架。该框架通过在云端大模型与设备端小模型之间建立主从式交互机制，将云侧大模型视为领导者（Leader），端侧小模型视为下属（Subordinate），根据任务目标让云侧大模型以指导型、支持型、参与型和成就导向型领导风格来领导小模型执行任务，实现了任务分工、语义协作与隐私反馈的高效统一。研究进一步引入小模型反馈直接偏好优化机制，使设备端反馈能够动态优化云端模型的决策与生成过程，从而显著提升了跨端检索的准确性与隐私安全性。该成果为隐私保护环境下的大模型协同与智能终端协作提供了新的技术路径。

研究成果2：锚定效应驱动的大模型个性化检索（AAAI 2026）

由李先能教授担任共同通讯作者，博士生张颖异为第一作者，共同完成的论文“Personalize Before Retrieve: LLM-based Personalized Query Expansion for User-Centric Retrieval”被 AAAI 2026录用为 Oral论文（录用率低于5%）。该研究聚焦于检索增强生成（RAG）系统在个性化场景中的性能瓶颈，指出现有查询扩展方法往往采用统一策略，忽视用户特定的表达风格与语料结构差异，导致系统在用户适配性方面存在不足。为此，团队提出 PBR（Personalize Before Retrieve） 框架，将锚定理论（Anchoring Theory） 引入人工智能算法设计中。该框架借鉴锚定理论中“个体决策基于认知参照点进行判断与调整”的思想，构建了以“用户语义锚点（Semantic Anchor）”为核心的个性化检索机制，在检索前融入用户专有信号。具体包括两个核心模块：P-PRF，用于生成符合用户表达风格的伪反馈语句；以及P-Anchor，通过基于用户语料的图结构实现语义锚定。两者协同作用，形成面向个体用户语义与风格定制的查询拓展路径，提高检索输入的个性化匹配度。该成果为构建以用户为中心的智能检索系统提供了新的技术思路。

研究成果3：大模型高效检索（AAAI 2026）

由李先能教授担任通讯作者，硕士生祗哲玮为第一作者，与美团合作的论文“Compress-then-Rank: Faster and Better Listwise Reranking with Large Language Models via Ranking-Aware Passage Compression”被 AAAI 2026 录用为 Poster论文（录取率 17.6%）。该研究针对大模型在文档重排序任务中面临的高计算成本与长文本信息丢失问题，创新性提出了Compress-then-Rank（C2R）框架。该方法通过在排序前引入“压缩—重排”机制，将原始文本转化为可预计算的多向量语义表示，并联合优化压缩器与重排器的训练过程，实现了对排序任务的高效适配与语义保真。实验结果表明，C2R在多个主流排序基准上显著提升了排序效果的同时，将计算开销降低约90%，在效率与准确性之间实现了优越平衡。该成果为大模型在高效检索与智能排序方向的应用提供了新的技术路径。

主要作者简介

李先能，大连理工大学经济管理学院副院长，教授、博士生导师，系统工程研究所所长，国家级某重点实验室副主任，大数据法律监督联合研究中心主任，AI+数字化动销联合实验室主任，中国系统工程学会理事，中国计算机学会高级会员。主要研究方向为大数据驱动的决策智能、复杂系统工程建模与优化、跨域无人决策智能。出版专著1部、在Marketing Science（UTD24）、管理科学学报、IEEE TEVC、KDD、AAAI、WWW、RecSys、COLING、ICIS等国内外权威期刊和CCF-A/B类权威会议发表研究成果70余篇。先后主持和参与日本学术振兴会、国家自然科学基金委重点/面上/青年、科技部“新一代人工智能”重大项目课题、国防基础科研**科学挑战专题，及省部级等各类科研项目50余项。研究成果已应用于多型高端装备研制、评估和使用过程，显著提升了新质装备运用的智能化水平；研发的智能决策算法已成功应用于华为、美团、中国烟草、普乐师等头部企业，大数据法律监督成果在最高人民检察院、辽宁、新疆、西藏等地区近百家检察机关得到落地应用，取得了显著的经济社会效益。担任大数据管理与应用专业负责人，先后获得辽宁省教学成果一等奖6项、辽宁省一流本科课程3门，第十九届“挑战杯”全国大学生课外学术科技作品竞赛全国一等奖指导教师。

张颖异，大连理工大学经济管理学院与香港城市大学数据科学系联合培养博士生，主要研究领域为大模型与个性化RAG，推荐系统中的消费者行为理解，在管理科学学报、KDD、AAAI、NeruIPS、WWW、RecSys、CIKM等国内外权威期刊和顶级会议发表学术论文9篇。研究成果已应用于美团、华为，部分科研成果已申请专利。研发审判监督模型，该研究的研究成果在大连市检察院全面应用。曾获辽宁省检察机关模型竞赛二等奖，最高检第二届大数据法律监督模型竞赛全国三等奖。参加国际顶级赛事 KDD Cup，在User Behavior Alignment赛道获得第二的成绩（第一名为英伟达），并且获得最佳学生奖。参加国际顶级赛事WWW Competition2025“多模态对话系统意图识别挑战赛”赛题，获得决赛第一名综合铜奖的成绩。

祗哲玮，大连理工大学经济管理学院大数据技术与工程专业硕士生，主要研究方向为大模型文本压缩和重排，以第一作者身份在国际顶级会议AAAI发表论文1篇。参加国际顶级赛事KDD Cup，在User Behavior Alignment赛道获得第二的成绩（第一名为英伟达），并且获得最佳学生奖。