主要研究兴趣如下：

1. 不确定性人工智能（粒计算与三支决策）
      在人工智能飞速发展的今天，如何处理数据中的不确定性成为一个核心挑战。研究方向聚焦于粒计算（Granular Computing）和三支决策（Three-Way Decision），探索如何通过多层次、多粒度的信息处理方法，提升AI在复杂场景下的决策能力。 

2. 云计算（面向AI应用的算力资源优化）
     随着大模型和生成式AI的崛起，对算力资源的需求呈指数级增长。本研究方向致力于云计算环境下AI算力的高效调度与优化，探索如何在边缘计算、分布式系统和绿色计算的框架下，支持大规模AI应用的部署。这与当前产业界对高效、低成本AI基础设施的迫切需求高度契合。目前拥有两块A100（80G）, 两块A5000，两块RTX 4090支持。 

3. 大模型（应用开发与幻觉检测策略）
    大语言模型（如GPT系列）和多模态模型（如CLIP、DALL·E）正在重塑技术格局。本方向关注如何开发基于大模型的创新应用（如Agent, MCP等），还深入研究模型”幻觉“（Hallucination）问题，即生成不准确或虚构内容的检测与抑制策略。这是一个兼具理论深度与应用价值的领域，学生可以参与到AI伦理、模型鲁棒性提升等热门内容中。本方向（幻觉检测）的实验代码已经编写完成（202501）。