南京邮电大学预聘副教授，硕士生导师。 2024年6月博士毕业于南京大学计算机科学与技术系，2024年8月加入南京邮电大学计算机学院、软件学院、网络空间安全学院。研究主要致力于在开放环境下构建可靠、稳健的AI模型，包括噪声标签学习、分布外样本检测、分布偏移等。近5年发表学术论文十余篇，以第一作者在ICML、AAAI、IJCAI、TNNLS等CCF-A类会议、顶级国际期刊上发表论文7篇。主持国家自然科学基金青年科学基金项目、江苏省自然科学基金青年项目、江苏省高等学校基础科学（自然科学）研究面上项目等。

欢迎相关专业的本科同学与我联系，一起学习:)。

对于有意愿攻读研究生的同学，我可以提供：

• 完成学业后允许实习
• 助研津贴
• 定期一对一的指导交流

也欢迎通过邮箱进一步沟通

邮箱：chenmc@njupt.edu.cn

个人主页：https://chenmc1996.github.io/

我在计算机科学与技术（081200）招收学术型硕士研究生，在计算机技术（085404）方向招收专业型硕士研究生，主要研究方向围绕机器学习及其鲁棒性展开，聚焦开放环境下可靠、稳健AI模型的构建，具体包括：

1）机器学习基础研究：涵盖监督学习、半监督学习、弱监督学习等核心基础学习问题，探索开放环境下数据特性与模型训练的内在关联，优化模型在非理想数据场景下的基础性能，为鲁棒性研究奠定理论与方法基础。

2）现代大模型的鲁棒性与泛化性研究：聚焦大模型在开放环境中的稳健性优化，重点研究大模型面对噪声数据、分布偏移、分布外样本等问题的泛化能力提升，探索大模型微调策略、开放场景适配方法及可靠部署的关键技术。

1.       国家自然科学基金青年科学基金项目，2026.01-2028.12

2.       江苏省自然科学基金青年项目，2025.09-2028.08

3.       江苏省高等学校基础科学（自然科学）研究面上项目，2025.10-2027.10

4.       南京大学计算机软件新技术国家重点实验室开放课题，2025.06-2027.05

1.  Mingcai Chen, Baoming Zhang*, Zongbo Han, Yuntao Du, Wenyu Jiang, Yanmeng Wang, Shuai Feng, Bingkun Bao.

Test-Time Selective Adaptation for Uni-Modal Distribution Shift in Multi-Modal Data.

Proceedings of the Forty-second International Conference on Machine Learning (ICML’25)

[Acceptance Rate: ~27%]

2.  Mingcai Chen, Yuntao Du, Wenyu Jiang, Baoming Zhang, Shuai Feng, Yi Xin, Chongjun Wang.

Robust Logit Adjustment for Learning with Long-Tailed Noisy Data.

Proceedings of the 39th Annual AAAI Conference on Artificial Intelligence (AAAI’25)

[Acceptance Rate: ~23%]

3.  Mingcai Chen, Yu Zhao*, Bing He, Zongbo Han, Junzhou Huang, Jianhua Yao.

Learning with Noisy Labels over Imbalanced Subpopulations.

IEEE Transactions on Neural Networks and Learning Systems (TNNLS)

4.  Mingcai Chen, Yu Zhao*, Bing He, Zhonghuang Wang, Jianhua Yao.

A Noisy-Label-Learning Formulation for Immune Repertoire Classification and Disease-Associated Immune Receptor Sequence Identification.

Proceedings of the 32nd International Joint Conference on Artificial Intelligence (IJCAI’23).

[Acceptance Rate: ~15%]

5.  Mingcai Chen, Hao Cheng, Yuntao Du, Ming Xu, Wenyu Jiang, Chongjun Wang.

Two Wrongs Don’t Make a Right: Combating Confirmation Bias in Learning with Label Noise.

Proceedings of the 37th AAAI Conference on Artificial Intelligence (AAAI’23).

[Acceptance Rate: ~20%]

6.  Mingcai Chen, Yuntao Du, Yi Zhang, Shuwei Qian, and Chongjun Wang.

Semi-Supervised Learning with Multi-Head Co-Training.

Proceedings of the 36th AAAI Conference on Artificial Intelligence (AAAI’22).

[Acceptance Rate: ~15%]