2025年11月7日至9日，第20屆全國計算機支持的協(xié)同工作與社會計算學(xué)術(shù)會議（The 20th CCF Conference on Computer Supported Cooperative Work and Social Computing, ChineseCSCW 2025）在中國廣東廣州舉行。該會議為中國計算機學(xué)會旗下協(xié)同計算領(lǐng)域旗艦級會議。 由團(tuán)隊成員陳國華老師、袁成哲老師指導(dǎo)，2024級研究生紀(jì)少杰撰寫的論文《ScholarRAG: Path-Aware Knowledge Graph-Augmented Retrieval for Scholarly QA》榮獲ChineseCSCW 2025“最佳學(xué)生論文獎”，該論文作者包括：紀(jì)少杰、陳國華* 、梁藝霖、袁成哲、林榮華、湯庸。

圖 1 ScholarRAG核心框架圖

該論文針對大語言模型在學(xué)術(shù)領(lǐng)域面臨的多跳推理和事實一致性挑戰(zhàn)，提出了一種路徑感知的知識圖譜增強檢索框架。該框架將上下文選擇建模為一個Steiner樹優(yōu)化問題，以提取連接查詢相關(guān)實體的最小化且語義連貫的子圖，旨在減少上下文噪聲并提升推理的精準(zhǔn)度。

圖 2 ChineseCSCW 2025頒獎現(xiàn)場合影

在同期舉辦的第六屆ChineseCSCW 2025協(xié)同智能大數(shù)據(jù)競賽中，由團(tuán)隊成員紀(jì)少杰、盧泓鋼、凌嘉輝組成的隊伍（指導(dǎo)老師：陳國華）以項目《基于大語言模型的學(xué)者推薦系統(tǒng)研究報告》榮獲二等獎。該項目針對學(xué)者網(wǎng)圖數(shù)據(jù)的推薦任務(wù)，設(shè)計并實現(xiàn)了一種結(jié)合圖神經(jīng)網(wǎng)絡(luò)（GNN）與大語言模型（LLM）的混合推薦架構(gòu)。此架構(gòu)通過GraphSAGE模塊捕獲圖結(jié)構(gòu)信息，并利用Qwen3-0.6B模型提取學(xué)者簡介的文本語義信息，從而有效提升推薦性能。

圖3 ChineseCSCW 2025協(xié)同智能大數(shù)據(jù)競賽頒獎合影