（通讯员 葛欣悦、马毅、袁星）为检验2024级信息数学拔尖班学生基本科研训练阶段性成果，进一步提升学生文献研读能力、科研表达能力和创新实践能力，2026年5月29日，学院在长安校区举办2024级信息数学拔尖班基本科研训练汇报活动。

本次汇报分三组同步进行，包括阶段成果汇报、专家提问、现场点评和打分评审等环节，现场秩序井然、气氛热烈，师生围绕研究选题、文献理解、方法设计和后续改进方向进行了充分交流。

在汇报过程中，同学们围绕各自研究方向，结合文献研读、理论推导、算法实现和实验分析，展示了较为扎实的阶段性成果。部分同学聚焦矩阵分解与图像处理问题，探讨随机奇异值分解及幂迭代优化在图像压缩中的作用，并通过PSNR、SSIM和运行时间等指标比较算法性能。也有同学围绕非负矩阵分解核心算法，系统梳理F-范数与KL散度两类非负矩阵分解方法的优化思想、迭代规则和适用场景。还有同学将研究视角拓展到复杂序列数据建模与高阶稀疏矩阵数值计算等方向。与以往相比，本次汇报选题更加丰富，交叉融合特色更加明显，涵盖矩阵分解、图像压缩、机器学习、时间序列预测、金融建模、密码数学和数值计算等多个方向，同学们在汇报中展现出的逻辑表达、文献理解、问题分析和方法应用能力，体现了信息数学拔尖班学生扎实的数学基础和不断增强的科研意识。

评审老师认真听取了每位同学的汇报，并围绕选题意义、研究方法、表达能力、创新性和后续改进方向等方面进行了细致点评。老师们充分肯定了同学们在基本科研训练中的阶段性进展，同时也指出，科研训练不仅要重视结果展示，更要注重问题提出的合理性、文献研读的深度、研究过程的规范性和结论论证的严谨性。老师们鼓励同学们在后续学习中进一步拓宽学术视野，强化数学理论基础，提升独立思考能力，在持续阅读、反复推敲和深入实践中逐步形成稳定的科研方向。

本次基本科研训练汇报会既是对2024级信息数学拔尖班学生阶段性科研学习成果的一次集中检阅，也是学院落实“基础学科拔尖学生培养计划”、推进拔尖创新人才培养的重要环节。通过此次活动，同学们进一步锻炼了学术表达能力，深化了对科研训练的认识，明确了后续学习与研究方向，为今后参与更深入的学术研究、学科竞赛和创新实践打下了良好基础。