王翔设计了一种面向模态对齐的微调方式，并开发了多模态 AI for Science 大模型，实现了对化学分子与蛋白质等图数据的处理和生成，可应用于药物发现、材料科学等领域。他设计了一种鲁棒偏好学习方法，能够优化大模型的训练过程，从噪声数据中寻找符合人类价值和行为的偏好数据，让大模型在做出预测或决策时，能够更好地与人类的价值观和行为对齐，从而促进大模型在社会科学、智慧金融等领域的可信应用。

入选理由：聚焦于“可信赖的图基础模型”这一领域，在推荐大模型方向实现了对人类行为和价值观的可信建模与对齐，在生化大模型方向实现了对化学分子和蛋白质的可信理解与生成。