学术论坛
多模态垂域大模型与端侧智能论坛

论坛简介

       多模态大模型和端侧智能是近年来人工智能、计算机视觉与模式识别领域备受瞩目的研究方向,本论坛邀请国内外有影响力的专家学者聚焦多模态垂域大模型和端侧智能这一人工智能前沿领域和应用,介绍跨模态表征学习、领域知识注入、端侧轻量化部署、特征解耦、多维约束等核心技术最新进展。内容涵盖跨模态视觉生成、联邦学习协同智能、“学习基因”大模型框架、多模态大模型视觉表征、以及生成式大模型安全等。本论坛通过对多模态垂域大模型感知与推理的架构设计与端侧智能优化进行深入探讨,并结合社会安全治理、自动驾驶、卫星通信、智慧医疗等典型行业应用场景、关键技术突破和最新研究进展等多个方面,为相关研究者提供从理论到实践的全景视角。


论坛主席

6cb52497db17030b956895142d5c2209.png

齐梦实

北京邮电大学  教授

齐梦实,北京邮电大学计算机学院,教授、博导。博士毕业于北京航空航天大学,美国罗切斯特大学联培博士、瑞士洛桑联邦理工学院CVLAB博士后研究员,百度研究院访问研究员等。入选2021年第七届中国科协青年人才托举工程(中国人工智能学会)、2024年小米青年学者、2025年ACM北京分会新星奖。主要研究方向为人工智能、计算机视觉和多媒体智能计算等。作为负责人承担国家自然科学基金、北京市自然科学基金-小米创新联合基金、腾讯犀牛鸟项目等,并作为核心研发人员参与了国自然重大/重点项目、重大专项和港澳台专项等,发表CCF-A类国际高水平期刊会议论文50余篇,担任顶级会议AAAI、IJCAI的领域主席和TMM编委等。


9abb519af377b65c92e87f08aa121e3f.png

王尚广

北京邮电大学  教授

王尚广,北京邮电大学计算机学院(国家示范性软件学院)院长、特聘教授、博士生导师、网络与交换技术全国重点实验室副主任、国家杰出青年科学基金获得者,天算星座发起人兼首席科学家、北邮1号、2号、3号卫星负责人。研究方向包括大规模智能系统、核心网系统、卫星计算等,先后主持/完成包括国家重点研发计划、国家自然科学基金重点项目在内的各类项目50余项、发表高水平学术论文100余篇,获得USENIX ATC、IEEE TSC、IEEE ICWS等多个国际会议最佳论文奖。目前担任IEEE Technical Committee on Services Computing主席等。


论坛讲者信息

c043bc3d01b77351fa624c08e64a3221.png

鲍秉坤

合肥工业大学  教授

报告题目:特征解耦驱动的跨模态视觉生成

报告摘要:当前,跨模态视觉生成方法普遍面临特征耦合的共性挑战,导致生成过程可控性弱、内容精准度低。特征解耦将原始数据中混杂的特征分解为相关性低且具有明确语义的潜在特征,为实现精准可控的视觉生成提供了有效途径。本报告重点介绍针对跨模态生成过程构建的“模态对齐解耦-语义增补解耦-时空表征解耦”方法体系。首先,将跨模态输入中的耦合语义拆解至不同粒度的语义子空间,实现对象、属性、关系等多层次独立解耦生成;其次,在潜在表征空间中引入外部知识,增强表征解耦能力;最后,通过时-空表征解耦,实现运动过程与空间结构的独立控制与连贯生成。该体系为细节可控、高效灵活的跨模态视觉生成提供了系统化支撑。

个人简介:合肥工业大学计算机与信息学院院长,博士生导师、国家杰出青年基金获得者。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。主持多项国家和省部级级项目,包括国家科技创新2030-人工智能重大专项、国家自然科学基金重点项目、国防科技173计划技术领域基金项目、江苏省重点研发计划等。荣获2018年度电子学会科学技术(自然科学类)一等奖。荣获多媒体领域的ACM汇刊TOMM 2016年度最佳论文奖(国内学者首次获得)、IEEE MM 2017年度最佳论文奖、Multimedia Modeling 2019年度最佳论文Runner Up奖。荣获ICME 2020 Outstanding Areas Chair。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。


e8c92cd37de6e2835fc64bf890b6ce33.png

刘贤明

哈尔滨工业大学  教授

报告题目:多维约束下的协同智能:联邦学习的效率、公平与隐私治理

报告摘要:随着人工智能在医疗健康和大规模语言模型等领域的广泛应用,联邦学习作为一种隐私保护的分布式学习范式,能够在不共享原始数据的前提下实现多方协同学习。但在实际部署中,计算资源的不平衡、隐私泄露的风险、数据遗忘的合规需求以及海量的通信开销,成为了制约其广泛应用的主要障碍。本报告针对上述痛点分享课题组相关研究工作:首先,通过动态联邦学习框架实现资源自适应的模型调制,有效消除了医疗机构间的性能差距并增强了隐私安全性,确保了端侧协作的公平性;其次,提出了one-shot帕累托优化联邦遗忘方案,在不重新训练的前提下实现了精确的数据遗忘,以极低成本满足了医疗监管下的合规要求;最后,利用基于自适应卡尔曼估计的标量化协议,在保持向量级稳定性的同时实现了百万倍的极致通信压缩,攻克了边缘设备在大模型微调中的带宽瓶颈。这些研究共同构建了一个更加高效、公平且符合隐私监管要求的端侧协同智能生态系统。

个人简介:刘贤明,现任哈工大计算机学院长聘教授、副院长。国家自然科学青年科学基金A类(原国家杰青)和B类(原国家优青)获得者。研究方向为可信机器学习、多媒体信息处理,在Nature Methods、Nature Communications、TPAMI等国际顶级期刊和会议上发表论文200余篇。获得中国电子学会青年科学家奖、中国人工智能学会吴文俊自然科学一等奖、中国图像图形学会自然科学二等奖、黑龙江省青年科技奖、中国人工智能学会吴文俊人工智能优秀青年奖。主持国家重点研发计划重点专项项目、课题,国家自然科学青A、优青、重大重大研究计划、面上和青年等项目。指导的博士生获评中国人工智能学会优秀博士论文奖等。


c11d74c80c52698229d77846f8bcefb4.png

耿 新

东南大学 教授

报告题目:本能、进化、创意—— “学习基因” 带来的新质 AI 能力

报告摘要:以大模型为代表的当代AI技术在学习、搜索、优化、博弈、理解、表达等不同维度上的能力不断取得突破,部分正在接近甚至超越人类。在此背景下,探讨与人类智能相比,是否还有AI 尚未触及或者表现很弱的能力,是一个非常有趣的话题。为了让机器像人一样学习,我们提出一种受到人类智能遗传进化机制启发的全新大模型技术框架——学习基因。进一步,我们初步探索了如何通过学习基因给AI带来新质能力,包括本能、进化和创意。

个人简介:耿新,东南大学首席教授,研究生院常务副院长,新一代人工智能技术与交叉应用教育部重点实验室主任,国家杰青、优青基金获得者,国际工程与技术学会杰出会士,江苏特聘教授。主要从事机器学习、模式识别、计算机视觉等方面的研究。曾获国家自然科学二等奖、国家级教学成果一等奖、科学探索奖、吴文俊人工智能自然科学奖一等奖等多项教学、科研奖励。现任国务院学位委员会计算机学科评议组成员,教育部高校计算机类专业教指委委员,中国图像图形学会常务理事,中国计算机学会理事,江苏省计算机学会副理事长,亚太国际人工智能会议指导委员会委员。


6900db80fd720cbb17f678c54ff91452.png

谢洪涛

中国科学技术大学  教授

报告题目:多模态大模型中的视觉语义表征研究:高效感知、区域定位与深度推理

报告摘要:随着多模态大模型深入处理高分辨率图像与长视频等复杂任务,精准高效的视觉语义表征成为MLLM核心。海量的视觉信息不仅导致算力过载,还会淹没局部区域细节,引发推理幻觉。本报告系统探讨多层面的视觉语义表征研究:在高效感知方面,引入指令引导的压缩机制,实现视觉特征的去冗余与算力减负;在区域定位方面,探讨视频时空定位与文档区域检索,实现文本意图与细粒度视觉的精准对齐;在深度推理方面,构建交替感知与推理的循环机制,克服复杂场景下的模型幻觉;最后,结合全新构建的多维视觉标注评测基准,对视觉理解能力进行闭环验证。本报告旨在为构建计算高效、细节精准且逻辑可靠的视觉基座模型提供系统性参考。

个人简介:谢洪涛,中国科学技术大学教授、博士生导师,国家杰出青年科学基金获得者。主要研究方向包括人工智能和多媒体内容安全等,以第一或通讯作者在国际一流期刊和会议上发表学术论文100余篇,担任ACM TOMM等四个国际著名期刊编委。主持科研项目10余项,含国家重点研发计划重点专项项目1项、国家自然科学基金联合重点项目2项。获2023年度国家技术发明奖二等奖、2019年度国家自然科学奖二等奖、2022年度中国图象图形学学会青年科学家奖等奖励。


1e717f7725386843a470ad28777abadf.png

李 亮

中国科学院计算技术研究所  研究员

报告题目:生成式大模型的安全问题探索

报告摘要:AI与人们生产生活需求已深度融合,各种垂域大模型拓展相关领域的能力边界,这也带来了信息新环境的重大变革,大模型的规模化落地速度远超安全治理体系的建设进度,安全风险的爆发式扩散已凸显研究的极端紧迫性。当下数据泄露、算法偏见、深度伪造等风险持续蔓延,不仅威胁个人隐私与商业安全,更冲击社会治理秩序,乃至关乎国家数字安全。强化大模型安全的研究,既是应对当下风险的迫切需求,也是防范未来隐患、推动产业健康有序发展的必由之路,此报告将围绕生成式大模型的安全问题,从生成式人工智能模型的内容安全和隐私安全两个方面深入探讨该领域最新技术和趋势。

个人简介:李亮,中国科学院计算技术研究所研究员,博士生导师,国家级青年人才(优青)。研究领域为生成式人工智能、多模态学习和大模型安全,发表TPAMI等CCF-A类期刊和会议论文80余篇,谷歌引用6000余次,获国际会议最佳论文奖4次(包括CCFA类会议ACM MM2024最佳论文奖),6项工作入选ESI高被引论文;主持和参与科技部和基金委相关项目等20余项,担任中科院1区TOP期刊IEEE TMM等6个国际期刊编委,国际顶级会议NeurIPS/ICLR/AAAI/ACM MM/ ACL/EMNLP领域主席,14次相关领域国内外会议的组织主席。获2025年教育部技术发明一等奖、2024年中国图象图形学学会青年科学家。


论坛联系人

姓名:齐梦实 

单位和职称:北京邮电大学教授

邮箱:qms@bupt.edu.cn




参会注册

你知道你的Internet Explorer是过时了吗?

为了得到我们网站最好的体验效果,我们建议您升级到最新版本的Internet Explorer或选择另一个web浏览器.一个列表最流行的web浏览器在下面可以找到.