个人简介： 林宙辰，北京大学教授，IAPR/IEEE/CSIG Fellow，国家杰青，中国图象图形学学会机器视觉专委会主任，中国自动化学会模式识别与机器智能专委会副主任。研究领域为机器学习、 数值优化。发表论文 300 余篇，英文专著2本。获2020年度CCF科学技术奖自然科学一等奖。多次担任机器学习与人工智能顶级会议 CVPR、ICCV、NIPS/NeurIPS、ICML、IJCAI、AAAI 和 ICLR 的领域主席，曾任 IEEE T. Pattern Analysis and Machine Intelligence 编委，现任International J. Computer Vision、 Optimization Methods and Software 编委。

个人简介： 王奕森，北京大学助理教授，博士生导师。主要研究方向为机器学习理论和算法，目前重点关注大模型的理论、安全等。已发表机器学习三大顶会ICML/NeurIPS/ICLR文章60余篇，多篇被选为Oral或Spotlight，获ECML 2021最佳机器学习论文奖、ICML 2024 Workshop最佳论文奖、ICML 2021 Workshop最佳论文银奖、CVPR 2021竞赛第一等。谷歌学术引用1万余次。主持科技创新2030新一代人工智能重大项目课题、基金委重大研究计划等项目。

报告题目： 领域大模型应用生态系统

报告摘要：

个人简介： 陈刚，教育部长江学者特聘教授，国家“万人计划”科技创新领军人才，现任浙江大学党委常委，副校长，浙江大学软件所所长。主要从事数据库、大数据智能等方向研究，研究工作获得中国计算机学会 A类国际会议VLDB 2014、VLDB 2019、SIGMOD 2023最佳论文奖。牵头获得中国电子学会科技进步特等奖1项，教育部科技进步一等奖1项，浙江省科学技术一等奖2项。作为学术骨干，获得国家科技进步二等奖2项。

报告题目： When Machine Learning Meets Evolutionary Computation: Evolutionary Machine Learning & Machine Learning Assisted Evolutionary Computation

报告摘要： 机器学习和进化计算是人工智能领域的两大技术，该报告将首先分别简单介绍这两大技术的优缺点，然后重点介绍两大技术相互结合的研究成果，分别称为进化机器学习和机器学习辅助的进化算法。

个人简介： 张兴义，男，博士，二级教授，博士生导师，IEEE Fellow，享受国务院特殊津贴，长江学者特岗教授（人工智能），“国家优青”、“安徽省杰青”。现为安徽大学计算机科学与技术学院党委书记、“计算智能与信号处理教育部重点实验室”主任。研究领域为多目标进化优化及应用、复杂网络认知计算、人工智能方面等。主持科技部2030人工智能重大专项课题1项，国家自然科学基金联合基金重点项目1项，国家自然科学基金面上项目2项等国家级项目，以及省部级项目多项。在国内外学术刊物上发表论文200余篇，国际具有重要影响力的期刊或会议论文60余篇，并获得了计算智能领域顶级期刊IEEE TEVC的2018年度、2021年度及2024年度最佳论文奖等多项奖项。现为多国际期刊编委。

报告题目： 视觉基础模型及数字视网膜应用实践

报告摘要：

个人简介： 王耀威，哈尔滨工业大学（深圳）教授、博士生导师，鹏城实验室视觉智能研究所所长，国家高层次人才，享受国务院政府特殊津贴专家。致力于大规模视频智能感知领域研究，在顶级国际期刊/会议发表论文百余篇，获授权专利50余项，曾承担国家/省部级项目20余项，曾获国家技术发明二等奖、中国电子学会科技进步一等奖和技术发明一等奖、广东省科技进步奖特等奖。担任IEEE TCSVT副编辑、IEEE数字视网膜系统工作组主席、新一代人工智能产业技术创新战略联盟 AI 标准工作组“数字视网膜系统”专题组组长，牵头制定数字视网膜端边云协同技术系列标准。

报告题目： 城市世界模型：进展与思考

报告摘要： 近年来，城市世界模型研究在生成式人工智能驱动下取得显著突破。本报告将介绍UrbanWorld通过多模态技术路径（OSM数据转换、MLLM场景规划、扩散模型渲染）实现了高真实感3D城市环境的自动化生成，提高几何一致性与视觉多样性，为AI代理训练与城市规划提供了高效工具。进一步，探索通过“next-token预测”城市多智能体运动生成验证其基于大规模时空序列建模的扩展潜力。二者的结合探索城市世界模型发展的两大方向：静态环境生成与动态行为模拟的深度融合，将建立兼顾城市功能逻辑与人类行为规律的仿真框架，为智慧城市与自动驾驶提供更鲁棒的虚拟试验场。

个人简介： 李勇，清华大学电子系长聘教授、博士生导师，教育部长江学者。长期从事城市科学与计算方面的科研工作，在Nat. Sustain.、Nat. Mach. Intell.、Nat. Hum. Behav.、Nat. Cities等自然子刊发表论文多篇，在ICLR、NeurIPS、KDD、WWW等CCF A类国际会议和期刊发表学术论文100余篇，文章引用28000余次，6次获国际会议最佳论文/提名奖。先后入选全球“高被引科学家”名单、国家“万人计划”青年拔尖人才计划，获IEEE ComSoc亚太区杰出青年学者奖、教育部科技进步一等奖、湖北省技术发明一等奖、电子学会科技进步一等奖、电子学会自然科学二等奖、吴文俊人工智能优秀青年奖等。

报告题目： 大模型自我反思能力的理论分析

报告摘要： 大语言模型（LLM）在某些情况下具备纯粹通过自我反思提升能力的潜力，即通过自我审查来修正先前的回答。然而，目前尚不清楚这一能力如何产生。本次报告中从上下文学习的视角理论分析自我反思，表明在LLM能给予相对准确的自我评估作为奖励时，它们能够在上下文中进行对齐。值得注意的是，我们的理论构建超越了关于线性Transformer的简化理论，揭示了现实Transformer设计中多头注意力、MLP模块在自我反思中的关键作用。

个人简介： 王奕森，北京大学助理教授，博士生导师。主要研究方向为机器学习理论和算法，目前重点关注大模型的理论、安全等。已发表机器学习三大顶会ICML/NeurIPS/ICLR文章60余篇，多篇被选为Oral或Spotlight，获ECML 2021最佳机器学习论文奖、ICML 2024 Workshop最佳论文奖、ICML 2021 Workshop最佳论文银奖、CVPR 2021竞赛第一等。谷歌学术引用1万余次。主持科技创新2030新一代人工智能重大项目课题、基金委重大研究计划等项目。

王奕森

北京大学

yisen.wang@pku.edu.cn