在王选所2022年优秀毕业研究生评选中，蔡懿韬同学荣获优秀硕士毕业论文奖，黄璨同学荣获优秀应用奖。

蔡懿韬同学的论文深入研究了面向中文的抽象语义表示（AMR）解析技术。针对中文跨语言AMR解析任务（将中文语句解析为英文AMR），论文提出一种融合双语信息的神经网络方法，使中文跨语言AMR解析效果有较大提升，此外，在西班牙语等其他低资源语言的跨语言AMR解析任务中，该方法也比之前最好的模型有显著的提升。针对中文AMR解析任务（将中文语句解析为中文AMR），论文提出了一种基于对比学习的神经网络方法，利用半监督方法生成伪数据，并在伪数据预训练过程中引入对比学习目标，让中文与英语同义的文本向量相似度更大，不同义的文本向量相似度更小。论文在管道式和端到端两种框架上对基于AMR枢纽的文本复述进行实验，并将其与语言枢纽，句法表示枢纽等进行比较与分析，实验结果表明，AMR可以作为枢纽应用于文本复述任务，并能取得不逊色于语言枢纽的效果。

除论文工作之外，蔡懿韬同学还研究了基于文本的SQL生成技术，在SParC和CoSQL数据集上取得了当时最佳性能。硕士阶段该同学以第一作者身份在EMNLP2021、EMNLP2020、ACL2021（Findings）上发表多篇学术论文，同时积极推动技术应用落地，参与“小柯”智能写作机器人的研制，目前系统已部署应用于科学网。

黄璨同学在硕士期间针对windows客户端以及服务端的软件，开展漏洞挖掘相关技术研究，提出了一种基于软件行为监控的客户端软件漏洞挖掘方法，具备良好的通用性，累计发现了数十个知名软件的0-day漏洞；针对大型服务端软件，提出了一种基于MSIL 中间语言和补丁分析的1-day 漏洞挖掘方法，该方法效率高、准确性高，在若干著名大型服务系统中，自动定位并还原出数十个1-day漏洞。在韩心慧老师的指导下，相关工作得到了实际的应用，发表了1篇学术论文，同时投稿了1篇学术论文，并申请发明专利1项。

黄璨同学和导师合影

附：优秀毕业研究生获得者及导师