为更好地服务CCF产学合作基金合作伙伴以及项目承担人，提升项目成果质量，自2024年起，CCF启动产学合作基金优秀项目案例评选工作。

2025年度评选工作面向2023年度共220个项目发起征集，实行企业推荐制。CCF邀请学术界及产业界专家组成评选委员会，于2025年8月14日组织召开了评选会议，评选委员会根据项目材料及项目负责人报告的综合情况，经两轮投票，最终评选出11个项目入选2025年CCF产学合作基金优秀项目案例。

CCF将在CNCC2025颁奖典礼上向项目负责人颁发CCF产学合作基金优秀项目案例证书。公示期内（即日起至2025年8月28日），任何单位或者个人对入选案例的先进性、实用性、真实性等持有异议的，请务必在公示期内实名向基金办公室(fund@ccf.org.cn)提出异议材料，逾期不予受理。

入选理由：本项目聚焦出行平台长期因果推断应用难题，以司乘双视角探究平台运营策略的因果影响。通过融合滴滴多源异质数据，形成三项核心技术创新：构建基于代理观察的长期因果效应模型，借助因果表征学习还原隐变量实现效应识别，引入最优传输理论解决数据偏移问题。成果显著，发表CCF-A类论文3篇、中科院一区期刊1篇，申请专利1项。在业务线应用后，模型评估精度提升超69%，决策效率从季度缩至周级，2024年大规模推广，推动从短期调控转向长期效率优化，践行“科技向善”理念。

入选理由：本项目通过结合先进的算子神经网络算法，使用飞桨结合图神经网络，对汽车风阻进行快速秒级预测支持物理场以及空气动力学系数的多模态预测，相比当前先进模型提升了精度和效率，并发表高水平学术论文，AAAI(CCF-A类会议)论文一篇。同时，本项目继续与多家科研院所形成合作，进一步推广AI流体力学的应用，对飞桨科研生态进行可持续的拓展和推广。

入选理由：本项目针对如何显著提升大模型生成测试用例的正确性与覆盖率展开系统化研究，旨在推动大模型测试生成技术从“可用”走向“好用”和“可信”，为大模型在企业级软件工程中的落地应用提供坚实支撑。同时本项目成果不仅在理论上填补了大模型测试用例生成缺乏可控性的研究空白，更在产业落地中取得实效，为下一代AI编程助手的测试智能化奠定了坚实基础。

入选理由：本项目聚焦高并发、低时延云原生场景的细粒度机密计算系统研发。针对服务器无感计算的高并发需求（单节点并发过百）及实例间可信隔离难题，创新提出软硬结合的隔离机制架构。通过指令集扩展实现段模式快速检查与表模式细粒度管理的融合，在性能开销≤3%的情况下支持近乎无数量限制的隔离域。同时推出Penglai-HPMP系统，结合应用语义动态选隔离方式，降低75%隔离开销。成果已在openEuler开源项目和芯片落地，为RISC-V生态布局事实标准。

入选理由：本项目产出的成果显著提升蚂蚁集团金融风险管理场景中复杂网络训练和推理速度，同时显著提高了相关信贷产品授信体验度。同时也针对开源社区公开任务，在复杂的蛋白质动力学、3D水分子体系等复杂任务上，推理时间显著下降58%；在蛋白质位置精度预测任务上，预测误差显著下降接近6倍。项目申请两项发明专利，并且完成两项开源项目。

项目对应的学术成果分别发表于人工智能顶级会议ICML24和AAAI24。项目成果受到学术传播平台关注，HeMeNet论文被图机器学习领域知名公众号AI in Graph报道，展示了其在专业社区中的影响力，同时项目在其它新兴方向有较好的影响力和辐射力。

入选理由：本项目成果丰硕，技术上构建数据胶囊安全流转框架实现隐私数据权限管理与SQL查询合规自动化验证，设计多方跨域高效隐私算子突破低带宽瓶颈，提出软硬件协同优化联邦查询算法提升效率。学术上在IEEE TKDE、VLDB等发表3篇CCF-A类论文，申请1项专利。基于OpenGauss构建联邦数据管理原型系统，支持多方安全协同查询，查询效率较同类开源系统提升10倍以上。系统部署于华为openGauss，通过行业标准测试，为关键业务提供保障。核心算法在GitHub开源（OpenHuFu），获信通院认证，累计700+星标，获同行认可。

入选理由：本项目针对自动化规则发现技术WeTune仅为学术原型、难以覆盖工业级复杂查询的问题，整合WeTune与SQL Solver提升验证能力，提出全新规则枚举和验证算法，构建新一代规则枚举器 WeTune 2.0，有效解决上一代技术的理论与实现局限性，可发现十倍于前代的有效重写规则，显著提升工业级复杂SQL覆盖能力；同时针对GaussDB现有查询重写器与规则耦合紧密、难以扩展的问题，实现支持运行时动态增删规则的新型查询重写引擎，通过引入专门的规则描述语言G-DSL实现重写引擎与规则解耦，支持通过标准SQL接口编写、管理和交互规则，极大方便开发与运维；此外，为应对大量新增规则导致的查询处理时延增加问题，为GRewriter内置高效的规则索引结构和重写历史缓存，保障了重写效率。

入选理由：该项目针对图像生成大模型难以满足专业设计场景对高质量、可编辑矢量图的需求，开展了具有重要意义和紧迫性的研究，围绕三个研究目标取得显著成果，相关工作发表于NeurIPS、CVPR、ICME等重要会议，技术创新与学术价值突出。其聚焦的AI生成矢量图课题兼具挑战性与意义，矢量图含更精确语义信息，发表多篇高水平论文；完成人作为领域较早参与者，既产出有影响力的研究成果，又在产业化上成效显著，自研算法已在多家企业推广。

入选理由：选题面向人工智能与结构生物学深度融合的关键瓶颈，具有前沿性和交叉性。研究思路清晰，三大课题目标明确，问题导向鲜明。技术路线扎实，结合 Transformer、图神经网络与蛋白质语言模型进行创新设计。产出成果丰富，在国际顶会和期刊上获得广泛认可。应用前景较好，开源系统:ERASThttps://ai4s.tencent.com/erast是全球最大生物序列数据库，支持毫秒级序列搜索，和以检索精度著称的Foldseek-TM相比，快59倍且精度提升38%，和以搜索速度著称的MMseqs2相比，精度提高6倍，速度提升9倍。在腾讯健康https://healthcare.tencent.com/solution/16云平台上线，为生物信息分析、药物筛选等任务提供强大支持，具备良好的科研与产业转化潜力。

入选理由：本项目中实现的框内核原型系统已发展为星绽（Asterinas）项目和社区，在Github平台获得超过3000颗star，并登上HackerNews和LWN等国外主流技术社区头条，荣获2025年OS2ATC大会“最具影响力开源创新贡献奖”。 

项目产出成果丰富，关于“框内核”架构和“星绽”系统的论文已被系统软件领域的顶级学术会议USENIX ATC’25录用（录用率 16%），更是该会议所有录用论文中唯一被USENIX login杂志在线刊载的（1/100）。除发表高水平论文和联合申请专利外，项目所形成的开源软件Asterinas具有较大的社区影响力，且入选“CSDN 2024中国开发者影响力年度榜单”。

入选理由：本项目围绕医学大模型的多任务学习和知识增强展开研究，在理论与应用上均获实质进展。技术上，提出MOELoRA、MedLaSA等创新技术，有效解决计算成本高、准确性不足等关键难题。学术成果丰硕，发表33篇高质量论文，含17篇CCF-A类、11篇CCF-B类，4篇CCF-A类在投，Google Scholar引用超1000次，获CCKS 2023技术创新奖。应用上，成果在药品推荐等场景验证，模型蒸馏降低部署门槛，MOELoRA曾居MedBench榜首，获腾讯认可。人才培养方面引进5名博士生，1人入职高校。