CCF杰出会员、中国人民大学教授

简介：李直旭，中国人民大学信息学院、智慧治理学院双聘教授、博士生导师，中国人民大学数据工程与多模态智能实验室主任。中国计算机学会杰出会员，博士毕业于澳大利亚知名学府昆士兰大学，曾在复旦大学和苏州大学等高校担任教授，并曾兼任科大讯飞苏州研究院副院长。主要研究方向为大模型、知识图谱、大数据治理等，有着丰富的人工智能与大数据技术的研究与实践经验。

CCF杰出会员、国防科技大学教授

简介：赵翔，国防科技大学大数据与决策国家级重点实验室智能决策技术研究部主任，教授、博导，长期从事大数据知识工程等方面的教研工作。教育部青年长江学者，湖南省科技创新领军人才，军队青年科技英才，主持国家重点研发计划青年科学家项目、国家自然科学面上基金、湖南省杰出青年基金等重要科研项目10余项，出版专著2部，获评国际学术会议论文奖5项，申请专利40余项。湖南省科技创新团队骨干成员，获中国计算机学会自然科学二等奖等。CCF杰出会员、信息系统专委副秘书长、大数据专家委员会委员。

南京邮电大学计算机学院、软件学院、网络空间安全院长，二级教授

简介：鲍秉坤，南京邮电大学计算机学院、软件学院、网络空间安全院长，二级教授，博士生导师，国家杰出青年科学基金获得者、中组部WR计划青年拔尖人才、江苏省杰青。研究方向为多媒体计算、社交多媒体、计算机视觉、人工智能等，主持国家科技创新2030-“新一代人工智能”重大项目、国家自然科学基金重点项目等。曾获多媒体领域重要期刊ACM TOMM 2016年度最佳论文奖、IEEE MM 2017年度最佳论文奖等多项学术奖励。担任IEEE Trans. on Multimedia、IEEE Trans. on Circuits and Systems for Video Technology、ACM Trans. on Multimedia Computing, Communications and Applications、 Multimedia Systems编委。

报告题目：面向工业操作场景的视频行为分析

报告摘要：视频行为分析旨在通过从连续的视频序列中识别、定位和解释目标行为，实现上下文关联和语义理解。随着深度学习技术和大规模预训练模型的快速发展，现有行为分析研究在互联网、安防监控等领域取得了长足进步。然而，在应对工序繁琐长时、人-工具交互复杂、视角移动频繁的工业操作场景时，现有方法仍面临长时序处理效率低、异常辨识能力弱、在线预测可靠性差等瓶颈。针对上述挑战，本报告介绍建立的“高效内容定位-鲁棒异常检测-可靠未来预测”三阶段技术体系：首先通过语义驱动的历史行为摘要，快速产生行为实例候选片段，支撑长程时-空跨度下高效行为定位；然后引入预训练视觉-语言模型提供语义知识，提升对未知异常泛化能力，实现面向长时工序的鲁棒异常操作检测；随后利用高阶意图线索引导挖掘历史-未来行为间关联，实现面向装配操作的可靠在线行为预测。报告最后将探讨面向工业场景的智能体行为决策的研究趋势。

西南大学计算机与信息科学学院、软件学院院长，二级教授

简介：罗辛，工学博士、“香江学者”博士后，西南大学二级教授、博士生导师，计算机与信息科学学院、软件学院院长，IEEE/AAIA Fellow，国家高层次领军人才、国家高层次青年人才、国家网信优秀人才、中国科学院百人计划入选人。研究聚焦数据科学领域，在国际期刊和国际会议上发表学术论文400余篇。先后主持含国家重点研发计划项目在内的国家级项目8项、省部级项目20余项。自2022年起连续入选斯坦福与爱思唯尔全球前2%顶尖科学家“终身科学影响力”榜单和爱思唯尔“中国高被引学者”榜单。

报告题目：非标准张量网络

报告摘要：在推荐系统、社交网络服务系统、加密货币网络交易系统等大规模大数据相关应用中，经常会遇到大量节点间复杂的时序交互问题。这类交互数据可被量化为 N 阶（N≥3）张量，而该张量的大部分元素是未知的，即形成 “非标准张量”。尽管存在高度不完整性，这种非标准张量仍蕴含着丰富信息，可用于挖掘各类目标模式，例如未知交互关系或未识别社群等。为实现此类模式的挖掘，本报告将介绍张量潜在因子分解（LFT）模型。该模型以 “数据密度导向” 的方式处理目标非标准张量的已知数据，并构建高效优化算法以从中提取所需的潜在特征，从而精准且高效地完成非标准张量的表示学习。由于在计算与存储两方面均具备高效性，张量潜在因子分解（LFT）模型在工业领域具有巨大的应用潜力。

CCF杰出会员、CCF会员与分部工委副主任、CCF走进高校工作组组长，北京航空航天大学教授

简介：童咏昕，北京航空航天大学计算机学院教授，博士生导师，国家杰青、优青基金获得者。2014年于香港科技大学获计算机科学与工程学博士学位，2015年入选北京航空航天大学“卓越百人计划”。主要研究方向包括：联邦学习、大模型的数据基座、向量数据库系统、时空大数据挖掘与智能体等。近年先后主持国家自然基金杰青项目、优青项目、重点项目、国家重点研发计划课题等。共发表学术论文百余篇，谷歌学术引用1.6万余次。CCF杰出会员和杰出讲者、CCF会员与分部工委副主任、CCF走进高校工作组组长。中国人工智能学会（CAAI）智能服务专委会副主任。

报告题目：联邦智能计算：从大数据到大模型

报告摘要：在互联网公域数据的支撑下，GPT、DeepSeek等大模型快速发展。然而，如何激活全球大数据中占比90%以上的私域大数据不仅是国际人工智能领域的前沿热点，更是服务于国家数字经济战略的核心挑战。秉持“原始数据不出域、数据可用不可见”的理念，构建可发挥跨域大数据价值的“联邦大模型”，为破解数据要素流动与隐私保护之间矛盾提供了一种全新思路，是进一步突破智能大模型时代数据瓶颈的关键技术。本报告首先从联邦数据库、联邦数据挖掘、联邦学习到联邦大模型技术分阶段回顾联邦计算的发展历程；然后，聚焦于联邦计算从大数据到大模型时代的范式转变，汇报联邦大模型的指令微调、检索增强生成和智能体等关键技术；随后介绍本团队结合产业应用需求所研发的联邦智能计算开源平台——“虎符(OpenHufu)”；最后，报告将剖析虎符系统在交通出行与社会治理等行业的应用示范，并对未来发展进行展望。

同济大学教授、院务助理

简介：宋井宽，同济大学计算机科学与技术学院教授，国家“青年特聘专家”，国家杰出青年科学基金获得者。主要研究方向为多模态、具身智能。在多媒体、计算机视觉、人工智能等领域的重要会议和期刊发表论文180余篇，谷歌学术引用17000余次。担任国际SCI期刊IEEE TMM、ACM TOMM等编委，担任多个期刊的评审和多个国际顶级会议(MM'18-'24, IJCAI'18-'24)的领域主席。主持自然科学基金委重点、科技部重点研发课题等多项国家级项目。

报告题目：从多模态大模型到具身智能的发展启发

报告摘要：多模态大模型是指在一个统一的框架下，集成了多种不同类型数据处理能力的大型神经网络模型。这些模型能够处理图像、文本、音频等不同的数据模态，并在这些模态之间进行有效的交互和信息整合。ChatGPT及其变种的问世展现了大型语言模型（LLM）及MLLM的突破，不仅激发了对大模型在各行各业应用的无限想象，也将“具身智能”推到了聚光灯下，引发了对机器如何更自然地与人类及环境互动的深入探讨。具身人工智能（Embodied AI）对于实现通用人工智能（AGI）至关重要，并且是连接网络空间和物理世界的各种应用的基础。本报告梳理了从多模态大模型到具体智能的发展历程，提出了针对智身智能中目前挑战的一些思考。

上海交通大学副教授

简介：傅洛伊，上海交通大学 ，计算机学院副教授，获批2025年国家杰出科学青年基金及2018年国家优秀青年科学基金。研究方向为图网络启发的知识挖掘与知识发现。获2021年CCF科技成果奖自然科学一等奖（排名1）、2022年CCF青年科技奖、2019年计算网络与通信领域全球十大女性新星学者（自奖项创立以来首位来自中国大陆的获奖者）、2016年ACM中国优秀博士学位论文获得者等。出版《移动互联网导论》 教材 （第三、 第四版）。

照片：

报告题目：数据网络化时代的知识度量与知识压缩探索

报告摘要：互联网、物联网、移动网络、社交网络的迅猛发展，推动了数据向网络化发展的态势。如何从爆炸式增长的网络数据中，发掘结构化关联的网络知识，探索网络信息从无序到有序的结构化感知，对于发掘网络数据中的价值至关重要。对此，报告人利用图论与信息熵理论工具，结合数据挖掘的开发手段，提出了一种知识量化指标KQI，从巨量文献中高效地获取和评价知识。进一步，基于KQI指标，设计大规模网络参数中的知识压缩方法，探寻网络结构中的知识锚点，为海量数据网络的知识发掘和高效计算提供指导依据。