第一届中国计算机学会新疆计算机大会(CCF Xinjiang Computer Conference, CXCC 2026)将于2026年2月6日至8日在新疆乌鲁木齐举办。大会设置“机器学习前沿论坛”，聚焦动态环境中学习与智能体的前沿问题，涵盖跨场景泛化、科研自动化、内容安全及稳健在线学习。

东南大学计算机科学与工程学院教授。主要研究领域为机器学习、数据挖掘。现任中国人工智能学会机器学习专委会副主任、江苏省人工智能学会副理事长等。担任《中国科学：信息科学》、《IEEE TPAMI》、《ACM TOIS》、《ACM TIST》、《Frontiers of Computer Science》、《Machine Intelligence Research》等期刊编委，ACML、PAKDD指导委员会委员，AAAI/IJCAI/ICML/ICLR/KDD等国际会议领域主席30余次。曾获CCF - IEEE CS青年科学家奖（2016）、国家杰出青年科学基金（2022）等。

山东大学软件学院教授，博士生导师，齐鲁青年学者，山东省优青。研究兴趣主要包含机器学习、基础模型、Agentic AI、AI for Science、医学图像处理等。迄今已在TPAMI、IJCV、TIP、TKDE、MLJ、TMI、MedIA、NeurIPS、CVPR、AAAI、IJCAI、IPMI等顶级期刊和会议发表论文40余篇，授权发明专利6件，2篇入选ESI高被引论文，谷歌学术总引用超过2800次。获得2023年青岛市科技进步二等奖、2025年CCF人工智能与模式识别专委会博士学位论文激励计划，2024年山东省优秀博士学位论文奖、ACM（济南）2023年优博奖，山东省人工智能学会优博与优秀硕士学位论文，并被评为NeurIPS 2024与IEEE TMI 2022杰出审稿人，研究成果入选2023年度山东省人工智能优秀论文。

个人简介：常晓军，中国科学技术大学讲席教授，国家级高层次人才，中国科学院海外引进杰出人才，澳大利亚研究理事会青年研究奖获得者。主要研究方向为具身智能、多模态大模型及计算机视觉。主持包括国家自然基金委区域联合基金、科技部2030新一代人工智能重大专项课题等十余项国家级科研项目。已在IEEE TPAMI、IJCV等国际顶级期刊及CCF A类会议发表论文150余篇，Google Scholar引用次数超2万次，其中21篇入选ESI高被引或热点论文。自2019年起，连续入选科睿唯安全球高被引学者。现任IEEE TPAMI、IEEE TCSVT、IEEE TNNLS、ACM TOMM等国际期刊编委，并担任多项CCF A 类国际会议的领域主席（Area Chair）。

报告题目：具有环境任务泛化能力的通用具身智能体

摘要：本报告面向开放环境中的具身智能任务，研究如何构建具备跨场景、跨任务稳定泛化能力的通用具身智能体。报告首先梳理具身感知与控制中导致泛化失效的主要因素，包括观测偏移、动力学差异与目标组合变化。随后提出一套方法框架：统一多模态表征与世界模型、任务条件化策略、基于不确定性与安全约束的规划控制，以及在线适应与记忆更新机制。最后给出评测基准与实验设计，关注成功率、样本效率、鲁棒性与安全性，并讨论面向真实机器人部署的工程要点与未来方向。

个人简介：张岳，西湖大学教授，工学院副院长，ACL fellow。2003年获得清华大学计算机科学本科学位，2009年获得牛津大学计算机科学博士学位，2010~2012在剑桥大学从事博士后研究工作。主要研究领域为自然语言处理、语言模型、可信赖的人工智能等。著有剑桥大学出版社《自然语言处理—机器学习视角》，编写牛津参考文献自然语言处理。CCL 2020、EMNLP 2022、LMG 2025程序委员会主席，NLPCC 2026、AACL 2026大会主席，LLM journal主编，TACL执行编缉，IEEE/ACM TASLP、IEEE TBD、ACM TALLIP副主编。

报告题目：AI赋能的科研自动化

摘要：AI赋能的科研自动化随着AI技术的发展，人工智能领域科研速度不断加快。AI赋能的科学研究得到显著进步。AI科学家是近两年兴起的新领域。其最显著的特点是人工智能主导科学研究全流程。AI科学家的发展潜在可以帮助人类显著提升技术科研效率，同时对于科研发表范式产生深远影响。在本次报告中，我将分享AI科学家的一些研究，包括科研全流程执行，以及通用学科数据采集系统。此外我将分享AI如何帮助科研领域适应更快的研究速度，促进学术交流发表新范式。

个人简介：任文琦，中山大网络空间安全学院教授/博导，信息技术教育部重点实验室副主任，国家优青获得者，天津大学与美国加州大学Merced分校联合培养博士，从事图像处理、计算机视觉、人工智能安全领域的研究。在CCF-A类和中科院一区发表学术论文100余篇（8篇ESI高被引论文，2篇热点论文），Google学术引用23000余次，第一作者单篇最高被引2200余次，近三年连续入选爱思唯尔中国高被引学者，入选2024年ScholarGPS全球前0.05%顶尖科学家榜单。多次担任CVPR、ICCV、NeurIPS、ICLR、AAAI等AI和CV领域重要学术会议的领域主席，担任IEEE Transactions on Image Processing编委、《中国电子学报》和《中国图象图形学报》编委等。主持国家自然科学优秀青年基金、联合重点项目、面上、青年、国际合作和交流项目，深圳市优秀科技创新人才培养项目，及华为、腾讯、美团等多项企业合作项目。获中国计算机学会优博论文奖、吴文俊人工智能优秀青年奖、中国电子学会自然科学一等奖（序2）、中国图象图形学学会自然科学一等奖（序3）等。

报告题目：大模型生成内容安全与深度伪造检测

摘要：随着大语言模型技术的快速发展与广泛部署，生成式人工智能（AIGC）在赋能产业的同时，其输出内容的合规性与可控性、以及模型本身的安全性已成为制约技术落地的关键瓶颈。本报告将围绕大模型生成安全议题，从风险揭示与安全防御两个维度，探讨如何让大模型生成的内容更加可信、可控。通过对大模型“越狱”现象的分析，展示当前主流大模型在面对复杂、伪装的提示词时，其原有的安全护栏可能失效。同时揭示模型在理解用户指令时存在的安全盲区，以及由此引发的违规生成风险。在安全防御部分，报告将系统梳理保障生成内容检测的关键技术，提升生成内容检测技术准确性与鲁棒性。

个人简介：赵鹏，南京大学人工智能学院准聘副教授，博士生导师，机器学习与数据挖掘所（LAMDA）成员。研究方向为机器学习基础理论，包括在线学习、随机优化、强化学习理论等。目前发表学术论文60余篇，包括JMLR、COLT、ICML、NeurIPS等顶会顶刊。担任ICML、NeurIPS等会议领域主席、ACML 2025讲习班主席。入选CCF优秀博士论文激励计划，曾获南京大学“小米青年学者-科技创新奖”等。

报告题目：在线集成：稳健在线学习的理论框架

摘要：在线学习是一种通过交互信息不断更新模型能力的学习范式，是解决序列预测与决策问题的重要技术手段。然而，在真实应用场景中，在线学习算法的稳健性面临开放动态环境中不确定性的严峻挑战，例如分布动态变化、函数性质未知。本次报告将介绍我们在稳健在线学习方面的系列工作。我们提出了“在线集成”（online ensemble）理论框架，通过维护多个基学习器在线探索环境，并通过元学习器进行调度与整合，有效对冲环境不确定性。研究表明，该框架在多类在线学习问题中能够实现理论最优的遗憾界保障，为应对开放环境关键挑战提供了新的算法思路和理论基础。此外，本报告还将介绍该框架在大模型情境下的初步探索，包括低秩持续微调、智能体交互能力提升等。