1.基于大语言模型的自动算法选择和设计（邬昇豪，博士后，香港理工大学）

邬晟豪，香港理工大学数据科学与人工智能系博士后研究员。分别于2019年和2023年在华南理工大学计算机科学与工程学院获得工学学士和博士学位。他的主要研究方向包括智能迁移优化、学习式优化、贝叶斯优化及其在智慧城市的应用。截至目前，他已在TEVC、TCYB、TITS、CEC和GECCO等人工智能领域的重要国际期刊和会议上发表论文十余篇。他担任多个重要国际期刊的审稿人，包括TEVC、TCYB、TSMCA和TNNLS等，并担任多个国际会议的审稿人和程序委员会委员，包括ICACI2021、ICIST2022和MiTA2024等。

2.大语言模型驱动的元启发式算法超参数优化（许振兴，博士生，国防科技大学）

许振兴，国防科技大学系统工程学院，二年级直博生。曾获第八届全军军事建模一等奖、第二十一届中国研究生数学建模二等奖等10余项奖项。作为项目负责人，主持湖南省研究生创新项目一项，作为核心技术骨干参与军委科技委1XX工程重点项目、国家自然科学基金面上项目等。发表学术论文3篇，授权国家专利两项。目前从事人工智能与组合优化问题研究。

3.大模型驱动的演化优化（叶汇亘，博士生，清华大学）

叶汇亘，清华大学计算机系直博三年级，师从徐华教授，研究方向为大规模混合整数规划。他以第一作者在ICLR、ICML、AAAI等顶会和期刊上发表论文6篇，其利用大模型求解优化的最新工作被 ICML 2025 录用为 Spotlight 论文。曾获ACM-ICPC区域赛金奖、国家奖学金、腾讯奖学金等荣誉。

4.学习优化中的复杂约束处理：演进与展望（毕结仪，博士生，南洋理工大学）

毕结仪，新加坡南洋理工大学计算机学院博士二年级，导师为张杰教授、曹志广教授。主要研究领域为神经组合优化算法。论文发表在NeurIPS/KDD等国际会议，并在NeurIPS/ICML/ICLR等国际期刊和会议担任审稿人。曾获得NeurIPS优秀审稿人、中山大学本科、硕士优秀毕业生、国家奖学金和中山大学李学柔基金会奖学金等荣誉。

5.通往组合优化基础模型的泛化之路（周佳男，博士生，南洋理工大学）

周佳男，新加坡南洋理工计算机学院博士四年级，导师为张杰教授。主要研究领域为神经组合优化。论文发表在ICML/NeurIPS/ICLR等国际期刊和会议并担任审稿人。

9.大模型后训练中的强化学习（陈嘉诚，博士生，香港中文大学）

陈嘉诚，上海人工智能实验室助理研究员，香港中文大学在读博士，主要研究领域为大模型后训练以及推理增强，曾发表大模型强化学习后训练熵机制，参与科学推理模型训练工作，在大模型后训练中有较为丰富的工程与研究经验。在优化与机器学习交叉领域发表论文10余篇。

10.终身学习在元黑箱优化中的应用（裴季源，博士生，惠灵顿维多利亚大学）

裴季源，新西兰惠灵顿维多利亚大学计算机科学专业博士生，分别于2020年及2023年获得南方科技大学（SUSTech）计算机科学与技术学士与硕士学位。研究方向为自适应算子选择、车辆调度、组合优化、进化计算及终身学习。在知名国际会议如IJCAI、ACM GECCO等发表论文十余篇。

11.Towards Universal Offline Black-Box Optimization via LLM embeddings（谭荣熙，博士生，南京大学）

谭荣熙，南京大学人工智能学院直博一年级，导师为钱超教授。主要研究领域为使用机器学习算法求解黑箱优化，特别是通用、离线场景下的黑箱优化，以及通用回归等相关机器学习领域，曾主持国家自然科学基金本科生项目。以第一/共同第一作者发表CCF/CAAI A类顶级会议论文3篇，包括ICML、ICLR等，担任NeurIPS、ICLR等会议审稿人。南京大学本科优秀毕业生，获南京大学栋梁特等奖学金等荣誉。

12.模块化黑箱优化算法自动设计（郭泓树，博士生，华南理工大学）

郭泓树，华南理工大学计算机学院四年级博士生，导师为龚月姣教授。主要研究基于先进机器学习方法的黑箱优化算法自动设计，探索通过深度强化学习、大语言模型等先进学习方法赋予黑箱优化算法学习与泛化能力，实现黑箱优化算法的自主设计与自适应配置。在深度强化学习、演化计算和大语言模型等领域有丰富的工作经验，已在国际高水平学术期刊或会议投稿和发表论文17篇，其中第一作者（含共一）5篇，google scholor h-index 为8，i10-index为7，总引用量超190。担任多个顶尖国际期刊和会议的审稿人，包括NuerIPS、ICLR、ICML等国际先进学术会议和IEEE TEVC等SCI Q1期刊。

13.EvoX：分布式GPU加速的通用演化计算框架（黄北辰，博士生，香港理工大学）

黄北辰于2023年获南方科技大学计算机科学与技术学士学位，现为香港理工大学数据科学及人工智能系博士研究生。其研究兴趣包括进化算法、神经进化与高性能进化计算，并拓展至大语言模型驱动的自主智能体与演化多智能体系统。他是知名高性能进化计算工具库EvoX的第一完成人，截至目前该项目标星超过一千。

14.RL4CO: 基于强化学习的组合优化基准平台（化传博，博士后，韩国科学技术院）

化传博，韩国科学技术院 (KAIST) 的博士后研究员。他的研究兴趣包括神经组合优化和多智能体系统。他是 AI4CO 社区的主要组织者。

15.MetaBox-v2：元黑箱优化训练测试平台（马泽原，博士生，华南理工大学）

马泽原，华南理工大学计算机科学与工程学院博士生，导师为龚月姣教授。主要研究领域为是强化学习与进化计算优化技术的结合，特别是基于强化学习辅助的元黑箱优化或自动算法设计。他是元黑箱优化领域知名团队MetaEvo的学生带头人，致力于学习辅助优化算法设计的训练数据生成，特征提取及基础测训平台开发。带领开发的开源元黑箱优化训练测试平台收获Github百余标星。近五年在国际知名学术会议如NeurIPS、ICML、ICLR、ACM GECCO及权威学术期刊IEEE TEVC上一作（含共一）发表文章10余篇。他担任多个学术会议及期刊的审稿人，如ICML、ICLR、NeurIPS、AAAI， 以及IEEE TEVC、IEEE TII、IEEE TNNLS等。

17.RouteBench：基于大语言模型的自动建模（李凯，硕士生，南方科技大学）

李凯，南方科技大学硕士研究生在读。目前以第一作者身份录用学术论文4篇，包括SCI Q1一作（IF>10）1篇，CCF B一作一篇。第一作者身份投稿CCF A类论文2篇。第一作者身份授权发明专利1项。目前研究方向为：基于大语言模型的优化问题建模与通用算法设计，初步实现"用户提出需求，无需额外开发，直接产出方案"的流程，并成功应用在上千类不同的车辆路径问题上。

19.分布式数据驱动的进化算法（魏凤凤，助理教授，华南理工大学）

魏凤凤，华南理工大学计算机科学与工程学院助理教授，硕士生导师，主要研究方向是群体智能、分布式进化计算、数据驱动进化计算及其应用，已发表国际期刊和国际会议论文50余篇，其中IEEE Trans.长文15篇；主持国家自然科学基金青年科学基金项目、中国博士后科学基金面上项目、广东省自然科学基金面上项目等；获广东省人工智能产业协会科学技术奖自然科学奖一等奖、第四届国际分布式人工智能会议最佳论文、智能优化与调度学术会议优秀博士学位、ACM广州分会优秀博士论文；现任中国计算机学会协同计算专业委员会委员。

20.数据驱动的大规模进化优化（顾浩然，博士生，西安电子科技大学）

顾浩然，西安电子科技大学人工智能学院博士二年级学生，在校期间共发表包括TEVC, ECJ, CEC等演化计算领域顶级期刊、会议论文7篇。目前他的研究兴趣包括数据驱动的大规模进化优化、大规模多目标进化优化、以及大语言模型的对齐与安全。

21.面向代理模型辅助进化算法的元级控制框架研究（杜玉坤，博士生，国防科技大学）

杜玉坤，国防科技大学系统工程学院体系工程团队博士在读，主要从事强化学习，进化计算，数据挖掘领域的研究。在元黑箱优化与代理辅助优化交叉方向成果已投稿AAAI。

22.面向大规模昂贵单/多目标优化的线性子空间代理模型构建方法

（司朗春，博士生，安徽大学）

司朗春，安徽大学计算机科学与技术学院博士，主要研究方向为数据驱动优化、进化优化算法及其应用研究。在IEEE TEVC、IEEE TETCI、IEEE TSMC、ACM Computing Surveys、EAAI、CAIS、Applied Soft Computing、ACM TELO、IEEE CEC等国际重要刊物和会议上发表论文11篇，并担任IEEE TEVC审稿人。

23.数据流环境中的概念漂移检测与动态优化方法（钟远婷，博士生，华南理工大学）

钟远婷，华南理工大学计算机科学与工程学院博士研究生，研究方向包括数据驱动的优化，进化算法。

24.代理模型在元黑箱优化中的可行性分析（黄之阳，本科生，华南理工大学）

黄之阳，华南理工大学计算机科学与技术专业23级本科生，MetaEvo团队成员。研究方向为元黑箱优化，进化计算和代理模型，在ACM GECCO发表论文一篇。