黄建华，香港中文大学（深圳）校长讲座教授，人工智能学院副院长。曾为美国宾州大学沃顿商学院助理教授，原德州A&M大学副教授、教授，并于2017年被命名为德州A&M大学理学院Arseven/Mitchell Astronomical Statistics讲席教授。曾任Texas A&M University统计系研究生项目主任、理学院代理副院长、统计系代理系主任、数据科学研究所副所长等职务。黄教授已培养博士20余人。在国际学术期刊发表学术论文100余篇，并入选全球前2%高引用统计学家榜单。以项目负责人或共同负责人身份主持过多项美国国家自然科学基金项目。曾任Journal of American Statistical Association, STAT (The ISI's Journal for the Rapid Dissemination of Statistics Research), Journal of Multivariate Analysis, and Chemometrics and Intelligent Laboratory Systems等国际期刊编委。

成英超，佛山市南海区发展和改革局挂职干部（协助领导班子工作），国家公派联合培养博士，全国创新创业优秀博士后，香港中文大学（深圳）/深圳大学/广州大学等高校研究生导师，CCF 高级会员。从事类脑智能、数据空间、算力网络、工业互联网等课题研究；担任CCF-分布式计算与系统专委会执委、计算机应用专委会执委，CCF 会刊《软件导刊》编委，南海博士联合会常务副会长等学术和社会职务。主持/参与多项国自然、省重点、市基础、博士后项目，在EAAI、BDMA、ASOC、Neurocomputing、TST、IEEE ICWS、《计算机学报》等SCI（Top）、CCF A/B类期刊和会议发表 40 余篇学术论文，取得 30 余项知识产权，获得7项国家级和省市级创新创业奖项。

讲者简介：郝志峰，汕头大学教授，博导，校长。兼任教育部大学数学教学指导委员会副主任委员，全国大学生数学建模竞赛组委会委员，广东省超级计算机应用产业联盟理事长。主要研究方向为：代数学及其应用、数据科学理论、人工智能、数学建模等。主持国家重点研发计划项目、国家自然科学基金-广东省联合基金项目等国家、省部级项目40余项，近年在TNNLS，TKDE，PR，Bioinformatics、《中国科学》等国内外重要刊物上发表高质量论文逾80篇。获国家优秀教学成果奖二等奖、广东省科学技术奖一等奖、广东省自然科学奖二等奖、教育部自然科学奖二等奖、广东省优秀教学成果一等奖；获广东青年五四奖章、丁颖科技奖、国家专利奖优秀奖、“2020智慧城市先锋榜领军人物”、广东省“南粤优秀教师”等荣誉。

报告题目：人工智能中的“数据-智能”实现与医工融合的场景

报告摘要：人工智能的发展正在从单纯依赖模型算法突破，走向数据、知识、算法、算力和场景协同驱动的新阶段。高质量数据是人工智能能力形成的基础，复杂场景则是智能技术验证、迭代和价值释放的重要载体。如何实现从数据资源到智能能力的有效转化，构建面向真实问题的“数据-智能”实现路径，是当前人工智能发展和产业应用中的关键问题。报告将围绕人工智能中的“数据-智能”实现机制展开讨论，分析数据在智能形成过程中的基础作用，探讨数据治理、特征表达、知识建模、数学建模、机器学习与优化决策等环节如何共同支撑智能系统构建。报告将进一步结合医工融合场景，讨论人工智能如何在医疗健康、医学影像、疾病预测、辅助诊疗、健康管理和智慧医疗服务等方向发挥作用，推动医学需求、工程技术、数据资源和智能方法的深度融合。数据空间、算力基础设施和人工智能技术的协同，将为跨机构数据协作、多源异构数据利用、智能模型训练和场景化应用落地提供重要支撑。

讲者简介：周傲英，华东师范大学教授、数据学院创院院长，中国计算机学会会士、常务理事、数据库专委会主任、上海市计算机学会理事长、《计算机科学与探索》主编、《计算机学报》副主编。曾任复旦大学计算机科学系系主任（1999-2002）、华东师范大学副校长（2016-2023）。主要研究兴趣包括数据库、数据管理、区块链、数字化转型、教育科技等。

报告题目：从Palantir现象看数据空间和数据产业

报告摘要：在人工智能加速演进、数据要素市场化配置改革持续深化的背景下，数据基础设施的建设正成为推动各行各业智改数转和数据要素价值释放的关键因素。本报告以Palantir 的发展轨迹为切入点，分析其成长为 AI 时代企业级数据服务标杆的内在逻辑。它提出的 FDE、Ontology、AIP 等一众概念成为当前热词，不仅推动其市值的飙升，也揭示人工智能时代数据的重要性以及数据企业形成核心竞争力的基本路径。对Palantir现象的研究有助于我们从理念、技术和商业等不同维度深刻理解数据产业的底层逻辑和发展趋势，对我国数据要素学说的完善和数据事业的发展有重要的参考价值。

讲者简介：马晨昊，现为香港中文大学（深圳）数据科学学院助理教授，博士毕业于香港大学。主要研究方向为大规模数据管理、数据挖掘与人工智能。申请人已在国际数据库和数据挖掘领域的重要期刊/会议（如 SIGMOD、VLDB、TODS、VLDBJ、WWW、KDD、NeurIPS、ICLR、ICML等）发表论文 60 余篇，其中包括以第一/通信作者身份发表的 40余篇 CCF-A 长文，其中一篇代表性研究成果的论文被评为SIGMOD 2020会议的四篇最佳论文之一（～4/458），并荣获2021 ACM SIGMOD Research Highlight Award；主持国家级项目 1 项，省部级项目 2 项，CCF-蚂蚁科研基金等；担任顶级会议的程序委员会领域主席/高级委员/委员（如 VLDB、ICDE、KDD、WWW 、NeurIPS等）、顶级期刊（如 VLDBJ、TKDE 等）的审稿人。

报告题目：面向数据空间的任务导向数据检索：从数据集搜索到可分析数据发现

报告摘要：随着数据空间、数据湖和开放数据平台的发展，数据资源的规模与类型迅速增长，用户面临的核心问题正在从“如何查询一个已知数据库”转向“如何在复杂数据空间中发现可用于分析的数据”。传统数据检索方法主要依赖关键词、元数据或向量相似度，往往假设用户已经知道应搜索的数据集名称、字段名称或业务术语。然而在真实场景中，用户通常只知道高层分析目标，例如希望研究某类事件、比较某个指标或构建某个预测任务，而并不知道相关数据集、文档、表格和字段位于何处。因此，数据空间中的数据检索需要从“找相关数据”进一步走向“发现可分析数据”。本报告将围绕任务导向的数据检索展开，介绍我们在大语言模型时代重新审视数据集搜索问题的相关工作。

讲者简介：肖蕴明，香港中文大学（深圳）数据科学学院助理教授，博士生导师。曾任密歇根大学研究员，于2024年获美国西北大学博士学位。当前研究聚焦互联网与AI服务的安全与隐私，以及云与AI基础设施的性能与可靠性。相关成果发表于SIGCOMM、NSDI、EuroSys、ATC、TOCS等国际知名会议和期刊，并获APNet最佳论文奖和EuroSys最佳学生论文奖。

报告题目：数据空间中的匿名分析与安全接入

报告摘要：数据空间旨在支撑跨主体、跨域的数据共享与协同使用，其核心挑战不仅在于实现数据互联互通，更在于如何在不完全互信的环境中支持数据的可信使用。围绕这一问题，本报告聚焦数据空间中的两个基础能力：匿名分析与安全接入。前者关注在不暴露用户身份和敏感信息的前提下，如何支持在线数据分析与统计处理；后者关注在引入第三方基础设施参与服务提供的场景下，如何实现面向敏感凭据与访问过程的安全接入，并降低认证与接入链路中的泄露风险。结合我们在匿名在线流式分析与安全预认证方面的研究，报告将讨论面向数据空间的若干系统与安全机制，包括边缘侧匿名分析、隐私友好的数据处理路径，以及面向不完全互信环境的安全接入架构。

讲者简介：成英超，佛山市南海区发展和改革局挂职干部（协助领导班子工作），国家公派联合培养博士，全国创新创业优秀博士后，香港中文大学（深圳）/深圳大学/广州大学等高校研究生导师，CCF 高级会员。从事类脑智能、数据空间、算力网络、工业互联网等课题研究；担任CCF-分布式计算与系统专委会执委、计算机应用专委会执委，CCF 会刊《软件导刊》编委，南海博士联合会常务副会长等学术和社会职务。主持/参与多项国自然、省重点、市基础、博士后项目，在EAAI、BDMA、ASOC、Neurocomputing、TST、IEEE ICWS、《计算机学报》等SCI（Top）、CCF A/B类期刊和会议发表 40 余篇学术论文，取得 30 余项知识产权，获得7项国家级和省市级创新创业奖项。

报告题目：从数据空间到场景创新：数据流通驱动产业应用落地

报告摘要：随着人工智能、大模型和算力网络快速发展，数据空间正在从数据共享基础设施逐步演进为支撑场景创新、模型训练、产业协同和成果转化的新型数字基础设施。当前数据空间建设的关键，不仅在于解决数据可发现、可连接、可授权、可追溯和可控使用等基础问题，更在于如何面向真实产业和治理场景，形成数据、算法、算力与业务需求之间的高效协同机制。报告结合地方数字经济、公共数据治理、经济运行数智化分析和应用场景创新实践，探讨数据空间如何从“数据资源汇聚”走向“任务驱动协同”。重点分析三方面问题：一是数据空间如何支撑跨部门、跨主体、跨领域的数据可信流通与合规使用；二是如何以具体应用场景为牵引，推动数据需求、算法模型、算力资源和业务流程协同匹配；三是如何通过场景开放、首用首试、验证迭代和产业化推广，构建“数据—算法—算力—场景—产业”的闭环路径。

讲者简介：唐靖，博士生导师，香港科技大学（广州）数据科学与分析学域助理教授、大数据智能理学硕士项目主任，香港科技大学新兴跨学科领域系助理教授。先后从中国科学技术大学获得学士学位（2008–2012）、新加坡南洋理工大学获得博士学位（2013–2017），曾在新加坡国立大学担任研究助理教授（2018–2021）。目前主要致力于多模态大模型与智能体、大数据管理与分析、社交网络与图分析、机器学习、区块链的研究。近年来在SIGMOD、VLDB、ICDE、ICML、ICLR、NeurIPS等上发表CCF-A类学术论文60余篇。获得2025年CES创新奖（AI赛道）、2025年日内瓦国际发明展金奖、2014年ICNP最佳论文奖、2018年INFOCOM最佳展示奖。入选广东省、市、区各级重大人才工程项目，入围新加坡国家科研基金人工智能成就奖终评。主持国家重点研发计划课题、国家自然科学基金等多个项目。

报告题目：面向多模态大模型的数据合成与训练

报告摘要：强化学习已成为多模态大模型后训练的核心引擎，但仍面临数据稀缺、非可微奖励及长链推理开销等挑战。本报告系统探讨针对上述领域的全链路优化方案。在数据合成与大模型训练方面，报告将介绍通过“逆向苏格拉底式”合成方法低成本获取高质量数据，并引入 DGPO 新范式直接优化组级偏好以提升训练效率；同时，TDM-R1 攻克了少步模型在非可微奖励下的难题，仅需 4 NFE 即可超越传统高步数模型的效果。在智能体强化与推理侧，利用 TreeRPO 提供细粒度奖励，并结合 DARS 自适应采样提升探索效率；在推理侧构建“手风琴”式思考框架，动态压缩冗余上下文以打破长序列 KV Cache 瓶颈。本报告旨在梳理从数据构建、算法设计到推理加速的前沿技术，重塑多模态大模型后训练范式，为构建高智商、低成本、高并发的 AI 系统提供关键路径。

讲者简介：陈东龙，副教授，博士生导师，统计与数据科学系副主任，入选教育部部省U40人才、深圳市海外高层次人才。他在香港城市大学电子工程系获得博士学位，博士毕业后先后任职于华为与腾讯。2019年加入北师香港浸会大学，2022年升任副教授。他在IEEE TIFS、TC、TSP、TETC、TCAS-I、CHES、JLT等重要国际期刊、会议上发表论文四十余篇，担任密码工程领域知名期刊Journal of Cryptographic Engineering的副主编。主持/参与多项基金项目如国家自然科学基金、教育部部省联动U40项目、广东省自然科学基金面上项目、华为海思攻关项目、CCF-蚂蚁科技隐私专项基金等。他的主要研究兴趣领域为密码工程、隐私计算、可信数据空间、计算机视觉。

报告题目：抗量子格基密码系统的算法及软硬件协同设计

报告摘要：随着高通量数据空间的快速发展，海量数据的实时处理与安全保护对密码系统的吞吐量和计算效率提出了严峻挑战。美国国家标准与技术研究院（NIST）关于后量子加密标准的出炉，进一步推动了后量子密码系统在高通量数据环境中的迁移与部署。在此背景下，密码系统在软件、软硬件协同以及硬件等不同平台上的实现性能至关重要。本报告将汇报研究团队近年来面向高通量数据空间的后量子格基密码系统实现工作，重点探讨如何针对三种不同平台的计算特性，优化模乘、多项式乘法等计算密集型算子与算法，以支撑高通量数据流下的实时加解密需求。报告还将详细介绍Plantard模乘、离散伽罗瓦变换（DGT）以及其他多种高基/混合基NTT/INTT的优化策略。