王敏，南京航空航天大学计算机科学与技术学院副研究员。2026年6月博士毕业于国防科技大学大数据与决策国家重点实验室，师从黄金才研究员。期间赴新加坡国立大学联合培养。主要研究方向为可信人工智能、大模型安全等，重点研究人工智能模型在复杂动态环境下的可靠推理、自主适应与安全学习。在NeurIPS、CVPR、AAAI、KDD、ACM MM等人工智能领域重要国际会议及期刊发表学术论文20余篇，相关成果累计引用300余次，获授权国家发明专利5项。曾获中国指挥与控制学会博士学位论文激励计划，中国指挥与控制学会科技进步二等奖，湖南省优秀毕业生，国防科技大学优秀毕业生等荣誉。常年受邀NeurIPS、CVPR、AAAI、KDD、ECCV、TKDE、KBS等会议或期刊的程序委员会委员和审稿人。近年来，主持湖南省研究生科研创新项目，并作为项目骨干参与jwkjw基础加强、16X及装备预研等科研项目。

招收2027级硕士中，欢迎报考！欢迎具有计算机、数学及相关专业背景、对以下方向感兴趣的同学报考：

[1] 可信人工智能：关注模型在真实、复杂环境下的可靠性问题

[2] 大模型与多模态智能：关注大语言模型、视觉语言模型等前沿方向

也可一起探索新的方向，同时欢迎本科生参与大学生创新创业训练、毕业设计及日常科研训练。

有意者请将个人简历发送至本人邮箱，作为新入职教师，本人耐心细致，可为每位学生提供充分的指导与交流时间。非常欢迎感兴趣的同学与我联系交流。

邮箱：wangmin_cs@nuaa.edu.cn

办公室：计算机院楼102室

Google Scholar：谷歌学术

获得荣誉：

[1]中国指挥与控制学会博士学位论文激励计划

[2]中国指挥与控制学会科技进步二等奖

[3]湖南省优秀毕业生

[4]国防科技大学优秀毕业生

[5]国防科技大学学术新秀人才

[6]2020年亚太杯数学建模竞赛特等奖

部分论文：

[1] Min Wang, Hao Yang, Qing Cheng, Jincai Huang. Geometric Logit Decoupling for Energy-Based Graph Out-of-distribution Detection. NeurIPS 2025. [CCF A] 

[2] Min Wang, Hao Yang, Jincai Huang, Qing Cheng. Moderate Message Passing Improves Calibration: A Universal Way to Mitigate Confidence Bias in Graph Neural Networks. AAAI 2024. [CCF A] 

[3] Hao Yang*, Min Wang*, Jinshen Jiang, Yun Zhou. Towards Test Time Adaptation via Calibrated Entropy Minimization. KDD 2024. [CCF A]

[4] Miao Jia, Xingchen Hu, Jiyuan Liu, Siwei Wang, Min Wang, Zijian Chen. Scalable Multi-View Subspace Clustering with Tensorized Anchor Guidance. CVPR 2026. [CCF A, Oral] 

[5] Min Wang, Hao Yang, Qing Cheng. GCL: Graph Calibration Loss for Trustworthy Graph Neural Network. ACM MM 2022. [CCF A] 

[6] Min Wang, Miao Jia, Hao Yang, Qing Cheng, Jincai Huang. CATE: Consensus-aware Calibration for Test-time Prompt Tuning via Energy Anchoring. Knowledge-Based Systems, 2026. [中科院一区 TOP] 

[7] Min Wang, Hao Yang. WPL: Learning to Perturb Network Weights for Adversarial Robustness. Knowledge-Based Systems, 2026. [中科院一区 TOP] 

[8] Hao Yang, Min Wang, Qi Wang, Zhengfei Yu, Guangyin Jin, Chunlai Zhou, Yun Zhou. Non-informative Noise-enhanced Stochastic Neural Networks for Improving Adversarial Robustness. Information Fusion, 2024. [中科院一区 TOP]

[9] Hao Yang*, Min Wang*, Zhengfei Yu, Yun Zhou. Weight-based Regularization for Improving Robustness in Image Classification. ICME 2023. [CCF B, Oral] 

[10] Hao Yang, Min Wang, Qi Wang, Mingrui Lao, Yun Zhou. Balanced Confidence Calibration for Graph Neural Networks. KDD 2024. [CCF A] 

[11] Hao Yang, Min Wang, Zhengfei Yu, Zhi Zeng, Mingrui Lao, Yun Zhou. Maximizing Feature Distribution Variance for Robust Neural Networks. ACM MM 2024. [CCF A]

[12] Hao Yang, Min Wang, Zhengfei Yu, Yun Zhou. A Simple Stochastic Neural Network for Improving Adversarial Robustness. ICME 2023. [CCF B, Oral]

[13] 王敏，杨昊，黄金才等. 面向可信指挥决策的智能态势认知可靠性增强方法. 指控与控制学报，2026.（指挥控制领域T1级期刊）

* Equal contribution (co-first authors).