张煦尧

中国科学院自动化研究所  研究员

报告题目：开放环境模式识别

报告摘要：模式识别面临着从静态封闭环境走向动态开放环境的挑战。针对开放环境的动态性、不确定性和演化性等特点，开放环境模式识别旨在通过置信度估计、新类别自动发现以及类别增量学习来实现模式识别能力的自主进化。置信度估计赋予模型区分已知和未知的能力，新类别自动发现促使模型从数据中自动发现新知识，类别增量学习让模型的能力得以不断进化。通过边界评估-知识发现-能力进化的闭环学习，将推动模式识别从被动识别向主动认知转变。

个人简介：张煦尧，中国科学院自动化研究所研究员，中国科学院大学人工智能学院岗位教授，国家优青，科技创新2030新一代人工智能重大项目青年科学家。主要研究兴趣包括模式识别与机器学习，在顶级期刊和会议上发表论文100余篇，包括PIEEE, IEEE TPAMI, CVPR, ICCV, NeurIPS, ICLR等。担任国际期刊IEEE Trans. Image Processing的Senior Area Editor，以及国际期刊Pattern Recognition和Neural Networks的Associate Editor。入选中国科学院稳定支持基础研究领域青年团队、中国科协青年人才托举工程、中国科学院青年创新促进会优秀会员。荣获中国人工智能学会优秀青年奖、中国科学院优秀教师奖等荣誉。

周大蔚

南京大学  副研究员

报告题目：持续学习：过去，现在与未来

报告摘要：持续学习关注模型在数据、任务与环境持续变化过程中，如何不断吸收新知识、扩展新能力，并尽可能避免对已有能力的破坏。本报告将围绕持续学习的发展脉络，系统介绍本课题组在该方向的一系列研究进展：从早期面向小模型的从零开始持续训练，探索知识保持与遗忘缓解机制；到当前面向预训练基础模型的高效复用，研究如何通过轻量更新与模块适配实现能力演进；再到以多模态大模型为核心的能力扩充，讨论模型在多模态输入与复杂任务需求下的持续升级。最后，报告将进一步展望面向开放环境的智能体持续学习，探讨模型如何在长期交互、自主探索与环境反馈中实现持续成长。

个人简介：周大蔚现任南京大学人工智能学院特任副研究员，在南京大学机器学习与数据挖掘研究所（LAMDA）从事学术研究工作。主要研究方向包括持续学习、模型复用等领域。他在TPAMI、IJCV、ICML、NeurIPS、ICLR等机器学习领域顶级会议期刊发表学术论文40余篇，以第一作者发表CCF-A类论文13篇，含一作《IEEE Trans. PAMI》论文3篇。据Google Scholar统计，累计被引用4600余次，相关论文被顶级国际期刊TPAMI评选为 “最受欢迎文章”之一。担任ICLR、IJCAI等多个顶级国际会议领域主席/高级程序委员，在AAAI、IJCAI多次组织持续学习的相关Tutorial；被评为斯坦福大学“全球前2%顶尖科学家”、IJCV、CVPR、NeurIPS、ICML等重要刊物的杰出审稿人。带领团队开源PyCIL、PILOT等多个标志性的持续学习算法库。

魏　通

东南大学  副教授

报告题目：从长尾学习到持续学习：参数不平衡视角

报告摘要：本报告围绕不平衡学习问题，从长尾图像分类出发，探讨其在参数空间中的延伸及对持续学习的启示。首先介绍我们提出的轻量微调方法 LIFT。该方法兼顾效率与性能，能够有效缓解类别分布不平衡带来的性能退化，已成为该方向的重要基线之一。进一步研究发现，轻量微调方法学习到的参数更新呈现显著的奇异值谱不平衡特性，即主要能量集中于少数更新方向；实验表明，裁剪谱尾方向通常不会对模型泛化性能造成明显影响。基于这一观察，报告进一步介绍两种面向持续学习的方法：KeepLoRA 通过将新任务更新约束在与预训练主子空间及历史任务主导方向正交的残差子空间中，实现旧知识保持与新知识学习之间的有效平衡；EBLoRA 则通过显式约束低秩更新的谱结构平衡，缓解主导分量过强带来的干扰，从而提升模型在多任务场景下的泛化能力。实验结果表明，所提出的方法在持续学习任务中均优于现有方法。

个人简介：魏通，东南大学计算机科学与工程学院副教授、博士生导师、紫金青年学者。2021年博士毕业于南京大学LAMDA研究所，主要研究方向为鲁棒机器学习，研究成果发表CCF-A类论文30余篇，主持国家自然科学基金面上和青年项目、国家重点研发计划项目子课题，获亚太数据挖掘大会PAKDD最佳论文奖、江苏省人工智能学会优秀博士论文奖、美团科研合作卓越实践奖，入选江苏省科协青年科技人才托举工程，任国际期刊Frontiers of Computer Science青年编委、顶级国际会议ICML/NeurIPS/ICLR领域主席。

姓名：李梦柯    

单位和职称：深圳大学助理教授

邮箱：mengkeli@szu.edu.cn