近年来，随着人工智能技术的飞速发展，多模态大模型通过整合文本、图像、音频、视频等多种模态数据，在跨模态理解、生成与推理任务中展现出前所未有的潜力。包括GPT-4o、Gemini、DeepSeek Janus-Pro在内的一系列多模态大模型先后出现，多模态大语言模型（Multimodal Large Language Models, MLLMs）方法与技术不仅在视觉内容理解、跨模态检索、文本到图像与视频生成等场景中展现出强大能力，也为人工智能在医疗、教育、工业制造、数字媒体等领域的创新应用提供了突破性工具。然而，多模态大模型的构建与应用仍面临诸多挑战：如何有效融合异构模态数据，实现跨模态语义对齐与知识迁移？如何提升模型对复杂场景的泛化能力与可解释性？如何降低多模态大模型的训练与推理成本，并保障其安全性与伦理合规性？如何在不同垂直领域适配优化多模态大模型，以解决领域特定应用问题？这些问题亟需学术界与工业界共同探索创新解决方案。
为深入探讨多模态大模型的前沿理论与技术突破，推动其在各领域的创新应用，《计算机科学与探索》特设“多模态大模型：理论、技术与应用”专题。本专题旨在汇聚多模态学习、大模型架构设计、跨模态知识融合等领域的优秀研究成果，为构建高效、可靠、可扩展的多模态大模型提供理论支持与实践指导，助力人工智能向更通用、更智能的方向发展。
欢迎学术界与工业界同仁踊跃投稿，共同推动多模态大模型的理论、技术创新与产业应用落地！
专题主题（包括但不限于以下方向）
1.多模态数据表示与对齐
o 多模态数据的统一表示与语义对齐方法
o 跨模态预训练与自监督学习技术
o 多模态大模型的鲁棒性与抗噪声优化
2.多模态大模型架构创新
o 高效的多模态融合机制
o 轻量化多模态模型设计与分布式训练策略
o 模型可解释性与动态推理能力增强
3.领域知识融合与应用
o 领域知识图谱与多模态大模型的协同优化
o 垂直领域多模态大模型构建
o 多模态大模型的可控生成与伦理安全机制
4.评测体系与系统实践
o 多模态大模型的性能评估基准与标准化测试
o 多模态大模型的实际应用案例与系统实现
o 低资源场景下的模型适配与部署优化
特邀编辑
o 王 鑫 教授 天津大学
o 熊 赟 教授 复旦大学
o 陈俊颖 教授 华南理工大学
o 王 萌 副教授 同济大学
投稿要求
1. 论文必须具有原创性、学术性、科学性、准确性、规范性和可读性，所述内容应为作者独立或与他人合作完成的研究成果，且未在国内外公开发行的刊物或会议上发表过，不存在一稿多投问题。
2. 论文一律用Word格式排版，版式请参照《计算机科学与探索》提供的“论文写作模板”以及近期已发表的论文。
3. 投稿请通过《计算机科学与探索》官方网站（http://fcst.ceaj.org）完成，同时请提供作者联系方式，并请在论文标题后注明“（多模态大模型）”字样（否则按自由来稿处理）。
重要日期
o 收稿截止日期：2025年8月20日
o 预录用通知日期：2025年9月30日
o 计划出版时间：2025年第12期
