杨耀东

北京大学人工智能研究院   研究员

报告题目：具身智能体对齐

报告摘要：围绕灵巧操作在真实环境中落地难、稳定性不足等关键问题，本报告聚焦“虚实对齐”这一核心技术路径，系统探讨其在灵巧操作大模型中的方法体系与工程实践。通过构建高保真物理仿真并结合参数随机化，覆盖接触、摩擦与柔顺性等关键物理因素，同时融合基于 UMI/Manus 等遥操作的人类示范数据与多模态感知表征，建立动作—视觉—触觉协同的跨模态对齐机制；在策略学习阶段引入分层控制与约束强化学习，将复杂灵巧操作拆解为具备可迁移性的技能单元，从而有效缩小仿真到真实的差距。基于 VLA（Vision-Language-Action）模型的实验结果表明，将虚实对齐机制嵌入数据采集、模型训练与控制执行的全过程，可显著提升灵巧操作在真实场景中的成功率、泛化能力与安全性，为具身智能由“可演示”迈向“可部署”提供了可行且可扩展的技术路径。

个人简介：杨耀东，北京大学人工智能研究院研究员（博雅学者），北大-灵初智能联合实验室首席科学家。国家人社部高层次留学人才、国家优秀青年科学基金（海外）获得者、中国科协青年托举计划入选者。主要研究方向为智能体交互学习与对齐，致力于大模型的可信应用与安全落地，科研领域涵盖强化学习、AI对齐与具身智能。以独立通讯作者身份发表Nature Machine Intelligence、ACL 2025最佳论文等，谷歌学术引用逾15000+次，自2022年以来位列CSRanking北大人工智能与机器学习方向学者首位，入选Scopus全球Top2%顶尖科学家、福布斯中国年度科创人物、麻省科技评论AI100榜单。曾获气象服务协会技术发明一等奖，吴文俊人工智能科技进步二等奖。

韦星星

北京航空航天大学人工智能学院  教授

报告题目：大模型时代的视觉对抗攻击

报告摘要：随着人工智能深度介入安全攸关场景，智能模型固有的脆弱性为多媒体可信分析带来了严峻挑战。攻击者可通过构造对抗样本诱导模型误判，威胁物理空间安全。因此，深入挖掘大模型时代的感知漏洞，是构建可信多媒体分析体系的核心。本报告重点探讨了大模型时代视觉对抗攻击的三大转变：一是攻击对象由小模型向大模型的转变；二是攻击形式由单模态向多模态的转变；三是攻击环境由白盒向黑盒的转变。针对上述挑战，本报告将介绍“几何对抗攻击（Geometric Adversarial Attack）”新框架。该框架通过优化目标的几何属性来应对上述演变：在姿态维度，通过脆弱姿态挖掘实现“零扰动”攻击，利用目标拓扑缺陷诱导大模型误判；在形状维度，基于形状建模确保攻击在不同波谱成像下具备物理一致性，突破多模态防御；在位置维度，利用敏感位置引导技术锁定几何关键区域，显著增强黑盒迁移效能。

个人简介：韦星星，现为北京航空航天大学人工智能学院教授，博士生导师，国家级青年人才，入选年度全球前2%顶尖科学家榜单。主要研究方向为计算机视觉、安全可信人工智能。在TPAMI, IJCV和CVPR, ICCV等人工智能领域顶级期刊和会议发表学术论文100余篇（其中TPAMI、IJCV论文14篇，ESI高被引论文5篇），授权发明专利20余项（其中2项已经成果转化）。作为负责人主持科技部“新一代人工智能”重大项目课题、国家自然科学基金面上项目（2项）、国防基础科研项目、华为/腾讯校企合作项目。荣获国防技术发明一等奖（序3），在国际顶会举办的重要竞赛中获得冠亚军5项，优秀奖5项。

杨智勇

中国科学院大学计算机科学与技术学院  副教授

报告题目：基于曲线下面积优化的机器学习方法

报告摘要：本报告以物理学第一性原理中的不变量思想为理论出发点，系统介绍所在团队基于曲线下面积优化的机器学习方法体系。正如物理定律不依赖于参考系选择，模型评估亦应独立于判别阈值等人为参数。受此启发，通过性能曲线的面积积分来消除判别参数影响，对传统的ROC曲线及AUC指标进行拓展，形成Xcurve优化框架，实现从参数依赖到判别不变量的转变。围绕这一核心思想，依次汇报XCurve在性能约束、分布漂移及开放环境下等场景中的应用。

个人简介：杨智勇，中国科学院大学副教授，博士生导师，研究方向聚焦可信机器学习。在CCF-A类期刊及会议上发表论文70余篇，其中TPAMI20余篇，一作6篇。获吴文俊人工智能青年科技奖、CCF优秀博士学位论文激励计划、CSIG自然科学奖一等奖、吴文俊人工智能科技进步二等奖、小米青年学者、首届百度AI全球华人新星百强、百度奖学金全球20强，以及CCF-A类会议国际竞赛冠军4项。兼任多个JCR1区期刊编委，以及ICML/ICLR/NeurIPS领域主席。

赵　敏

南京大学 助理教授

报告题目：可交互视频世界模型：方法与开源框架

报告摘要：本报告围绕“长视频生成”与“实时交互”两条主线，介绍近期在视频扩散模型与可交互视频世界模型方向的系列工作。第一部分聚焦视频长度外推：从 RoPE 内在频率分量出发，提出 RIFLEx 与 UltraViCo 等方法，分别首次实现视频扩散 Transformer 的免训练 2× 与 4× 长度外推。第二部分介绍实时可交互视频生成：针对双向扩散模型蒸馏到因果自回归模型中的“结构鸿沟”问题，提出 Causal Forcing，在 Dynamic Degree、VisionReward、Instruction Following 等指标上显著优于 Self Forcing。此外，报告还将介绍首个覆盖数据、训练、蒸馏、推理全流程的 Action-conditioned World Model 开源框架 minWM。最后，报告将结合上述工作，展望可交互视频世界模型的若干前沿方向。

个人简介：赵敏，即将加入南京大学担任助理教授，国产视频生成模型 Vidu 核心作者，入选清华大学“水木学者”计划。研究方向为视频生成与可交互视频世界模型。以第一作者/共同第一作者身份在 NeurIPS、ICML、ICLR 等国际顶级会议发表论文多篇，一作论文引用700余次，累计引用1000余次。提出的视频长度外推方法 RIFLEx 及实时交互生成方法 casual forcing 等，已被 HunyuanVideo、CogVideoX 等主流开源视频扩散框架集成应用，主导相关开源项目累计获得 GitHub Star 近3000次。

论坛联系人

姓名：范肇心

单位和职称：北京航空航天大学助理教授

邮箱：zhaoxinf@buaa.edu.cn