为深化拔尖创新人才培养、强化本科生科研能力与创新精神，扎实推进学科建设，5月7日下午，统计与数据科学学院2026年度本科生拔尖型科研训练计划项目结项答辩顺利举行。2023级统计学实验班同学经过为期一年的系统培育与深耕研究，围绕高维统计、机器学习、强化学习、大模型评估、生物信息、量化金融等领域完成研究成果，集中展示学术训练成效与创新潜力。
本次答辩特邀学院韩邈、邱怡轩、周慧娟老师作为答辩评审，从选题价值、方法创新、实验严谨性、成果落地与学术规范等维度进行综合评议。各项目团队依次汇报研究背景、模型构建、实验验证与应用展望，充分展现扎实的统计理论功底、熟练的编程实现能力与直面真实复杂问题的科研素养。
本年度结项项目深度交叉融合、紧贴真实需求、落地性突出，既聚焦统计理论与算法创新，围绕高维特征选择、分位数回归、分布式强化学习、最优分箱与稀疏变量选择等关键问题提出新型模型与高效求解方法，也面向真实场景展开应用突破，在大模型自动评估、金融AI智能体评测、基因数据特征选择、口腔健康动态干预、PM2.5污染溯源预警、量化投资组合配置、纵向医疗数据建模等领域形成可解释、可落地的统计解决方案，兼顾理论严谨性与实践价值。
经评审委员会严格评审，共有12个项目顺利通过结项验收，多项成果在理论创新、算法效率与应用效果上表现突出，充分体现拔尖训练计划“厚基础、强交叉、重实践”的培养导向。其中《A Unified Framework for Simultaneous Optimal Binning and Sparse Variable Selection》（项目成员：李雨格、陆泓伯、陈子帆 指导教师：冯兴东）、《Graph-LassoNet: 融合图拉普拉斯正则化的LassoNet模型及其应用》（项目成员：余玥 指导教师：吴梦云）和《基于纵向数据的单指标阈值模型与治疗敏感亚组识别方法》（项目成员：单涵琦 指导教师：韩邈）获评优秀项目。
本科生拔尖型科研训练项目是学院落实“以本为本”、打造高质量本科教育的核心载体，也是贯通“课程学习—科研训练—创新实践”的关键平台。未来，统计与数据科学学院将持续优化拔尖人才培养体系，不断完善本科生科研训练平台与实践创新平台，产出更多高水平成果，为国家输送更多兼具扎实统计功底与强大创新能力的复合型数据科学人才。
供稿|熊踞峰
供图|陆泓伯（学）
审核|李涛
