“大模型研究中心”专注大模型技术研究与应用，推动人工智能前沿科学发展。主要研究方向大语言模型：研究方向涵盖大语言模型微调、大模型轻量化与压缩、长上下文建模、大模型持续学习、知识增强的大语言模型、大模型复杂推理增强，以及垂直领域大模型等多个维度，旨在实现实现大模型在新任务和新环境中的持续自我优化和性能提升。

多模态大模型：融合文本、图像、音频、视频等多模态数据，构建具备跨模态理解与生成能力的通用智能系统。研究重点包括自监督学习、异构数据融合和动态模态适配等技术，优化预训练范式，减少对标注数据的依赖并提升泛化性。

多智能系统：重点研究包括智能体间的动态角色分配、共识形成机制以及冲突消解策略等，同时探索如何将大模型的泛化能力与专业智能体的领域知识有效结合。在仿真环境、社会模拟、知识发现等场景中，探索基于大模型的多智能体系统展现出的类人的协作行为和涌现智能。

科学智能（AI for Science)： 研究深度学习、大模型等AI技术处理海量实验数据、发现隐藏规律，并加速复杂系统的模拟与预测，如蛋白质结构预测、新材料设计、药物发现、自主知识发现等关键科学问题，实现"假设-实验-验证"的闭环优化。