王翔設計了一種面向模態(tài)對齊的微調(diào)方式，并開發(fā)了多模態(tài) AI for Science 大模型，實現(xiàn)了對化學分子與蛋白質(zhì)等圖數(shù)據(jù)的處理和生成，可應用于藥物發(fā)現(xiàn)、材料科學等領域。他設計了一種魯棒偏好學習方法，能夠優(yōu)化大模型的訓練過程，從噪聲數(shù)據(jù)中尋找符合人類價值和行為的偏好數(shù)據(jù)，讓大模型在做出預測或決策時，能夠更好地與人類的價值觀和行為對齊，從而促進大模型在社會科學、智慧金融等領域的可信應用。

入選理由：聚焦于“可信賴的圖基礎模型”這一領域，在推薦大模型方向?qū)崿F(xiàn)了對人類行為和價值觀的可信建模與對齊，在生化大模型方向?qū)崿F(xiàn)了對化學分子和蛋白質(zhì)的可信理解與生成。