探索流计算与大模型的结合，为大模型推理系统在管理大模型记忆和实现增强推理提供了直接启发：

• 动态数据流上的情感分析与知识增强：提出了在动态数据流环境中实现语言模型适应性和知识增强的框架，利用联合训练、知识图谱和问题分解等方法，有效提升情感分析与复杂推理任务的准确性和效率。EMNLP’23, EMNLP‘24

• 高维数据预测、流数据聚类与知识管理：聚焦动态数据流的高维特性，通过聚类、智能预测和可信群体迁移学习方法优化知识管理，显著提升动态环境下的实时处理能力和系统准确性。IJCAI’20，VLDBJ’23, SIGMOD’23, ICDM’24, Nature Communication 2024

• 基于流数据的大模型推理框架：规划开发一个新型大模型推理框架，将流数据的实时处理能力与大模型推理需求深度结合，支持动态知识的存储、更新与推理优化，进一步提升在高频数据流场景下的模型生成与推理效率。在研/未来工作