近日，我院魏明强教授团队在小样本分割方向取得新进展，相关成果以论文“PromptPilot: Game-Theoretic Multi-Agent Prompt Optimization for Segment Anything”发表在CCF A类会议International Conference on Machine Learning (ICML) 2026。该会议是机器学习与人工智能领域最具影响力的顶级国际会议之一。ICML 2026共收到23,918篇有效投稿，最终6,352篇被会议录用，录用率约为26.6%。该论文由我院博士研究生师广泽为第一作者，软件学院22级本科生米英杰为共同第一作者，人工智能学院刘雪宇副教授、吴永飞副教授和我院魏明强教授为共同通讯作者。

该研究聚焦于视觉基础模型 Segment Anything Model（SAM）在实际应用中的关键问题——如何自动获得高质量提示点。现有提示优化方法在优化阶段未纳入SAM反馈，而在推理阶段又依赖SAM生成最终分割结果，由此产生了优化过程与分割目标之间的错位。为此，团队创新性地提出了一个基于博弈论的多智能体提示优化框架PromptPilot，将提示优化过程建模为合作博弈，在优化过程中显式引入SAM的分割反馈，并利用高效的边际贡献计算方法量化提示点的真实效用，从而实现对高价值提示点的保留和低效、误导提示点的剔除。实验结果表明，该方法在自然图像、医学图像和视频目标分割等多类场景中均表现出良好的泛化能力与鲁棒性。

图 1 方法整体框架图

该成果表明，将基础模型提示工程与博弈论优化方法相结合，是提升小样本分割鲁棒性与泛化能力的一条有效路径。相关研究不仅为视觉基础模型在自然图像、医学图像和视频目标分割等复杂场景中的应用提供了新的技术支撑，也体现了我院在人工智能前沿交叉方向上的持续探索与科研积累。团队将继续围绕视觉基础模型、图像分割等方向开展深入研究，推动更多高水平科研成果产出。