个人简介： 浙江大学本科生院院长、人工智能研究所所长。求是特聘教授，国家杰青，CAAI Fellow。中国人工智能学会教育工作委员会主任委员。主要研究领域为人工智能、多媒体分析与检索等。国务院学位委员会智能科学与技术学科评议组成员，科技部科技创新2030“新一代人工智能”重大项目管理专家组成员和指南编制专家、中国工程院院刊《Engineering》信息与电子工程学科执行主编，浙江大学第九届永平杰出教学贡献奖获得者。曾获教育部科技进步一等奖（大规模图神经网络模型端云协同计算平台和应用示范，排名第一）和中国电子学会科技进步一等奖（排名第一）。

报告题目： 基础模型和专业模型的协同和进化

报告摘要： 当前，计算资源的巨大需求极大制约了AI技术的突破性进展，大语言模型（LLM）预训练阶段仅能由少数研究机构参与。报告介绍一套创新的持续预训练基础设施体系构建，该体系培育具有强推理能力的高质量小型语言模型（SLM）及多模态SLM。在此基础上，提出了整合数百个领域专用模型构建通用人工智能（AGI）基础架构的范式——以极低算力需求实现智能突破。为实现AI研发的民主化，该方案采用三大核心策略：首先开发高效精简的模型体系；其次通过智能排序算法实现跨领域顶尖模型的协同应用；最后持续优化动态演进的基础模型架构。通过建立开放的模型协作机制，降低AI研发门槛，激发更广泛的研究群体参与，突破集中式模型的发展桎梏，为AI领域注入新的创新动能。

个人简介： 杨红霞教授拥有超过15年的人工智能科研经验，涵盖大规模机器学习、数据挖掘和深度学习领域。研究方向包括预训练模型、大数据分析以及大语言模型（LLM）系统在实际场景中的应用与部署。发表超过100篇顶级学术论文，累计被引用约1万次，H指数达到46，持有超过50项专利。曾荣获2019年世界人工智能大会SAIL奖和2020年中国国家科学技术进步二等奖。2022年被《福布斯中国》评为“科技女性50强”之一，于2023-2024年荣获AI 2000全球最具影响力学者奖。曾于字节跳动美国、阿里巴巴集团、雅虎和IBM T.J.沃森研究中心任职。

报告题目： 淘宝XR技术建设和应用探索

报告摘要： 本话题将介绍淘宝在 XR 方向的技术建设情况，涉及三维重建、3D真人数字人，实时渲染引擎AceNNR，XR应用工程框架XRAppOS等。基于上述技术创新，淘宝推出了淘宝 Vision版，旨在探索沉浸式购物新体验。例如：在MR场景中展示3D商品，从而可以让用户完整了解商品的形状、尺寸、材质等信息。此外，3D空间品牌馆赋予用户更多体验商品实际使用场景的机会，比如操控大疆无人机、试驾小米汽车、体验芝华士沙发等。

个人简介： 吕承飞，博士，淘天集团Meta技术负责人，目前负责端侧智能技术和3D/XR技术创新。曾参与主导手淘超级App架构升级和演化完整过程，以及负责从零构建淘宝端智能技术体系，包含开源的端侧推理引擎MNN和端云协同系统平台Walle，在手淘规模化应用并取得显著经济效益。在OSDI、MLSys等发表多篇论文，荣获2023年度计算机学会科技进步一等奖（排一）。

报告题目： 大模型个性化与应用

报告摘要： 报告围绕“如何将通用大模型推广为个体专用模型”展开，主要介绍两方面内容：大模型用户行为理解和大模型个性化偏好对齐。针对大模型用户行为理解，介绍行为编码、记忆存储、上下文学习等技术，实现大模型对用户行为的精准理解；针对大模型个性化偏好对齐，介绍一系列智能体、偏好对齐、推理时优化等技术，实现大模型输出与用户偏好的匹配。此外，报告探讨个性化大模型时代，云侧通用模型和端侧个性化模型的分布式更新问题。

个人简介： 中国科学技术大学特任教授。研究领域：信息检索、数据挖掘、机器学习等，发表国内外顶级会议和期刊论文100篇，谷歌学术引用10000次，承担科技部重点研发计划项目课题、基金委面上项目等国家级项目，研究成果在多家公司的商业系统应用。曾获SIGIR 2021最佳论文提名奖、WWW 2018最佳演示论文奖。担任ACM TORS编委（AE），众多顶级期刊审稿人，会议SPC/PC，包括SIGIR、WWW、SIGKDD、NeurIPS、ICML、ICLR、ACL、TOIS、TKDE、TPAMI、JASA、Nature Sustainability。

报告题目： 生成式大小模型协同学习

报告摘要： 虽然生成式预训练大模型解决了传统深度学习应用碎片化难题，但其离线训练与在线推理开销限制了参数规模继续扩张，一个未来出路是大模型与小模型协同。一方面大模型可以向小模型降维输出必要的垂直领域知识，另一方面小模型负责靠近应用场景、用户和数据源的高实时推理，同时基于本地用户数据得以个性增强，并向大模型升维集成新知识，构建生成式大小模型有机循环的新体系。本次分享将主要介绍在生成式大小模型在样本协同、特征协同、参数协同方面的进展，并探讨在任务协同、协同优化等方面的潜在研究机会。

个人简介： 曾获2023年上海市科技进步一等奖和CCF科技进步一等奖、2022年阿里巴巴集团优秀学术合作项目、2021年CCF优秀博士学位论文奖等荣誉。目前研究兴趣主要包括大小模型端云协同学习、推荐系统、多模态内容理解等。研究成果主要发表在ACM MobiCom、USENIX OSDI、ACM KDD、NeurIPS等国际顶尖会议上，并形成多项授权专利。

报告题目： 大小模型协同算法及端云协同应用

报告摘要： 在中心化云机器学习的基础之上，发挥端侧情境机器学习隐私保护、实时响应、动态适应的优势进行互补，形成“端云协同”机器学习的计算框架，已成为产学研的焦点。本报告将分享团队在大小模型协同基础算法研究、在资源受限分布偏移下的端云协同学习和推理方法，以及在推荐系统、端侧多模态交互智能体（GUI Agent）等应用研究探索。

个人简介： 浙江大学平台“百人计划”研究员，博士生导师，启真优秀青年学者。入选第十届中国科协青年人才托举工程。研究方向包括大小模型端云协同智能，多媒体计算与推荐系统。近年来，在TPAMI、TKDE、KDD、CVPR等CCF A类期刊和会议上发表论文四十余篇。任KDD 领域主席，SIGIR、IJCAI等会议高级程序委员会委员，ICMR、ACM MM Asia 大小模型协同workshop主席。曾获2023年度上海市科技进步一等奖、2023年度计算机学会科技进步一等奖，2024年ACM Multimedia最佳论文奖提名，2023年中国人工智能学会CICAI最佳论文奖、2021年WAIC云帆奖-明日之星（全球15人）等奖励与荣誉。

张圣宇

浙江大学

sy_zhang@zju.edu.cn