个人资料
- 院部/部门：计算机科学与技术学院（软件学院）
- 联系电话：
- 性别：男
- 电子邮箱：
- 专业技术职务：
- 办公地址：苏州大学天赐庄校区理工楼
- 毕业院校：法国格勒诺布尔阿尔卑斯大学
- 通讯地址：
- 学位：工学博士学位
- 邮编：
- 学历：博士研究生毕业
- 传真：
教育经历
- 大学本科,信息工程,西安交通大学
- 研究生,计算机技术,西安电子科技大学
- 博士生,计算机科学与技术,法国格勒诺布尔阿尔卑斯大学/法国国家科学研究中心
工作经历
- 推免保研等相关，请阅读“招生信息”
个人简历
李明翰，男，计算机博士，现为苏州大学副教授，自然语言处理实验室。
长期从事自然语言处理、信息检索、预训练语言模型与大语言模型研究。博士毕业于法国格勒诺布尔-阿尔卑斯大学（UGA），在 UGA/法国国家科学研究中心（CNRS）团队完成博士阶段研究，入学后33个月完成博士答辩。
曾获得国家留学基金委总额超65000欧元资助。本科与硕士分别毕业于西安交通大学信息工程和西安电子科技大学计算机技术专业。曾赴新加坡国立大学计算机学院做访问学者；具有包含腾讯等公司的研究实习经验。2024入选教育部海外BH引才专项。主持国家自然科学基金。
以第一作者身份在本学科重要期刊或国际会议已发表多篇论文，包括多篇ACM Transactions on Information Systems，ACM SIGIR, Information Fusion，EMNLP等；以第一作者授权两个中国发明专利；
现为CCF自然语言处理专委会执行委员、中国中文信息学会大模型生成专委会委员、中国中文信息学会信息检索专委会通讯委员、青工委预备委员。曾为AAAI、ACM SIGIR、ECIR等 PC Member、为ACL、ICLR、ACM TOIS、Artificial Intelligence、ACM TKDD、IP&M、TMC、计算机学报等国际顶级会议或期刊审稿人。
研究方向为对话大模型智能体（LLM、Agent、机器人）的记忆机制、自然语言处理、大语言模型的信息检索、RAG、对话系统、问答系统、法律检索、法律AI、大语言模型、大模型推荐算法等。招生信息请阅读“招生信息”。
研究领域
大语言模型的信息检索（搜索算法），RAG(检索增强生成)，对话系统，问答系统，大模型智能体记忆，大模型推理，法律AI，大语言模型，稀疏检索，基于大模型的推荐等
开授课程
- 1、数据库原理与设计
- 2、微积分
- 3、数据库课程实践
- 4、网络搜索引擎
- 5、离散数学
- 6、毕业实习
科研项目
- 1、面向长期对话智能体的因果增强记忆机制研究,李明翰,国家自然科学基金委员会,1
- 2、跨语言、高效率对话式RAG问答系统,李明翰,海外BH引才专项,教育部、人力资源和社会保障部,1
- 3、Domain Transfer for Conversational Search,2022-2023,李明翰,Projets d’aide à la mobilité internationale sortante,格勒诺布尔阿尔卑斯大学卓越大学计划（IDEX Université Grenoble Alpes）,1
- 4、Deep Active Learning for Large...,国家留学基金管理委员会,1
- 5、苏州大学学术启动经费,李明翰,1
论文
- 1、The Power of Selecting Key Blocks with Local Pre-ranking for Long Document Information Retrieval,ACM Transactions on Information Systems (TOIS),2023,M. Li（李明翰）, D. N. Popa, J. Chagnon, Y. G. Cinar, E. Gaussier,CCF推荐A类期刊，JCR Q1，IF=11.2
- 2、A Survey of Long-Document Retrieval in the PLM and LLM Era,ACM Transactions on Information Systems (TOIS),2026,M. Li（李明翰）, Y. Zhang, T. Lv, S. Zhao, M. Luo, E. Nie, G. Zhou,CCF推荐A类期刊，JCR Q1，IF=11.2
- 3、Query Expansion in the Age of Pre-trained and Large Language Models: A Comprehensive Survey,ACM Transactions on Information Systems (TOIS),2026,M. Li（李明翰）, X. Lv, J. Zou, T. Chen, C. Zhang, S. An, E. Nie, G. Zhou,CCF推荐A类期刊，JCR Q1，IF=11.2
- 4、Dual-Layer Prompt Ensembles: Leveraging System- and User-Level Instructions for Robust LLM-Based Query Expansion and Rank Fusion,Information Fusion,2026,M. Li（李明翰）, E. Nie, H. Huang, X. Lv, G. Zhou,CAAI推荐A类期刊，JCR Q1，IF=17.4
- 5、S2G-RAG: Structured Sufficiency and Gap Judging for Iterative Retrieval-Augmented QA,Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026),M. Li†, J. Zou†, X. Lv, C. Zhang, G. Zhou,CCF-A类会议
- 6、RFKG-CoT: Relation-Driven Adaptive Hop-count Selection and Few-Shot Path Guidance for Knowledge-Aware QA,Proceedings of the AAAI Conference on Artificial Intelligence (AAAI 2026),C. Zhang, M. Li（唯一通讯作者）, T. Lv, G. Zhou,CCF-A类会议
科研成果
- 1、一种基于扩展查询的信 息检索方法、系统、设备和介质．,ZL 2025 1 1764352.9,已授权
- 2、关系驱动自适应的知识图谱 问答与路径引导方法及系统．,ZL 2025 1 1622400.0,已授权
荣誉及奖励
招生信息
可以招收计算机、软件工程、人工智能等相关专业的学术型或专业型硕士研究生，每年约 5 名名额。
主要研究方向包括：大语言模型智能体（LLM Agents）的记忆机制、信息检索、RAG、自然语言处理、对话系统、问答系统、法律检索与法律 AI、大语言模型相关研究等。
近期研究兴趣：长期对话智能体的记忆机制
我近期尤其关注面向长期对话智能体的记忆机制。
今天的大语言模型已经能够完成很强的单轮或短期任务，但如果未来的智能体真正长期存在于人的生活中——例如科幻电影中的机器人或个人智能助手，能够陪伴一个人几年甚至几十年——它需要具备持续理解过去经历、保持长期连续性并利用历史信息的能力。
这并不只是简单地“把所有历史对话存下来”。真正的长期智能体需要能够在持续交互中形成、维护并利用长期记忆，从过去的经历中理解当前情境，并支持未来的交流、决策与行动。
我认为，长期、可靠且能够持续演化的记忆能力，是智能体走向更加通用智能的重要能力之一。
欢迎对 LLM Agent、Memory、Retrieval、RAG、NLP 等方向感兴趣，希望真正参与科研的同学联系。
培养方式
课题组结合国内外科研培养经验，目前组内学生均已参与到相关科研课题以及 CCF-A 类国际期刊/会议论文的研究与撰写中（人均得到录用），部分同学能够逐步负责相对独立的研究任务。
科研能力可以在研究过程中逐渐培养。相比入学前已经掌握多少技术，我更看重诚实、责任心、科研兴趣、合作意识以及长期投入。
推免联系
推免学生需要正常参加苏州大学及学院统一的报名、机试、面试等招生流程。
请在邮件中明确说明会参加苏大统一机试。
推免、考研学生中均有优秀的同学，具体招生情况根据当年名额及双方研究兴趣匹配情况确定。