2025年智能信息处理与应用国际会议（2025 International Conference on Intelligent Information Processingand Applications，IIP&A 2025）于2025年12月26日至28日在中国海口顺利举行。本次会议作为智能信息处理领域的重要国际学术交流平台，汇聚了来自全球多个国家和地区的专家学者、企业代表及科研人员，围绕领域前沿技术与实践应用展开深入探讨，为推动智能信息处理技术的创新发展注入新动力。
本次会议由海南大学主办，国防科技大学、中南林业科技大学、南通大学、东莞理工大学、长沙理工大学、杭州电子科技大学、湖南第一师范学院及中国计算机学会（CCF）联合承办，得到了国内外相关高校、科研机构及企业的大力支持。会议以“智能信息处理与应用”为核心主题，立足当下人工智能技术快速发展的时代背景，聚焦当前智能信息处理技术面临的核心挑战与关键难题，系统梳理该领域的最新研究成果与发展趋势，搭建起智能信息处理技术研究者与相关企业间高效的交流合作桥梁，助力推动人工智能、智慧教育与现代产业的深度融合与创新突破，为相关领域的技术转化与产业升级提供有力支撑。
在本次国际会议上，由我院孙立民教授指导、研究生李屹汭共同撰写的论文“车端与车联网数据驱动的LLMs自动驾驶路径规划”成功被会议录用，充分彰显了我院在智能驾驶与智能信息处理交叉领域的科研实力与创新水平。为进一步分享研究成果、促进学术交流，孙立民教授应邀在分组会议上宣读该论文，向与会的专家学者详细介绍了团队的研究思路、核心成果及实践价值，引发了现场参会人员的广泛关注与热烈讨论。
孙立民教授在报告中指出，自动驾驶路径规划是智能驾驶领域的核心技术之一，直接关系到驾驶安全与出行效率。当前，传统轨迹预测模型（包括物理模型、机器学习模型及深度学习模型）在实际应用中存在明显短板，尤其在泛化能力与推理能力方面表现不足，难以适配复杂多变的真实交通场景，制约了智能驾驶技术的规模化落地。与之相比，大语言模型（LLM）凭借其强大的语义理解、时序生成能力，在自然语言处理领域展现出卓越的推理性能，具备向智能驾驶领域转化应用的巨大潜力。
本次研究围绕“LLMs能否理解驾驶场景，并生成合理轨迹”这一核心问题展开深入探索，以语言任务方式，挖掘大语言模型在自动驾驶路径规划中的泛化能力与预测精度。团队通过大量实验验证发现，依托大语言模型的语义推理优势，其能够通过自然语言精准理解复杂的驾驶场景上下文，为传统轨迹预测模型提供了极具前景的替代方案，尤其适用于V2X车路协同环境，能够有效适配多车辆、多场景的协同行驶需求。同时，团队通过优化提示词设计与采用基于LoRA的轻量化微调方法，显著提升了模型的预测精度与鲁棒性，进一步完善了大语言模型在自动驾驶领域的应用效果。此外，研究还发现，大语言模型具备嵌入常识知识的能力，这使得语义驱动的自动驾驶决策成为可能，为提升智能驾驶系统的智能化水平提供了新路径。
针对未来研究方向，孙立民教授表示，团队将持续深耕该领域，重点致力于提升模型的推理效率，破解大语言模型在实时驾驶场景中的应用瓶颈；同时，进一步融合多模态传感输入与高精地图信息，丰富模型的输入维度，增强模型对复杂场景的感知能力；此外，还将着力提升模型在复杂真实交通场景下的泛化能力，推动研究成果的工程化转化，为智能驾驶技术的高质量发展贡献力量。本次会议成果的取得，不仅提升了我院在相关领域的国际学术影响力，也为我院后续开展跨学科科研合作、推进科研成果转化奠定了坚实基础。
一审一校 | 孙立民
二审二校 | 杨 涛
三审三校 | 李成名 尹 娜
