为更好服务国家重大战略需求，推动智能学科人才培养与学术研究提质升级，金宝搏app官网下载智能科学与技术学科学位分委会推出“仲荣”人工智能交叉学科论坛，该论坛旨在打造智能科学与技术学科高水准、高影响力的品牌学术活动，成为交叉学科常态化学术交流平台。本次论坛主题为《人工智能数理基础》。

一、论坛信息

1. 会议时间及地点

会议时间：2026年07月18日（周六）

会议地点：金宝搏app官网下载科学园基础科研楼5楼J507会议室

2. 会议组织结构

主办单位：金宝搏app官网下载智能科学与技术学科学位分委会

承办单位：金宝搏app官网下载数学学院

会议主席：马坚伟

3. 会务联系方式

孙慧敏，电话：18845151418，邮箱：20260091@hit.edu.cn

4. 会议报名

请扫描二维码报名

二、论坛议程

日期：2026年07月18日

地点：金宝搏app官网下载科学园基础科研楼5楼J507会议室

注：各报告含5~10分钟讨论

三、专家与报告介绍

刘勇 副教授：中国人民大学长聘副教授，博士生导师，国家级高层次青年人才。长期从事机器学习基础理论研究，共发表论文100余篇，其中以第一作者/通讯作者发表顶级期刊和会议论文近50篇，涵盖机器学习领域顶级期刊JMLR、IEEE TPAMI、Artificial Intelligence和顶级会议ICML、NeurIPS等。曾获中国人民大学“杰出学者”、中国科学院“青年创新促进会”成员、中国科学院信息工程研究所“引进优青”等称号。主持/参与国家自然科学面上/基金青年、科技部重点研发、北京市科技计划中央引导地方专项、北京市面上项目等项目。

报告题目:大模型机理分析

当前大模型技术飞速迭代，但发展重心集中在工程实践与应用优化，基础理论研究相对匮乏，成为制约其深度发展的关键瓶颈。本报告聚焦大模型基础理论前沿，重点从三方面介绍最新进展：大模型合成数据机理、从能量角度解析Transformer架构、大模型推理机制研究。本报告旨在整合理论研究进展，厘清大模型底层规律，为研究者深入理解大模型核心机制、开展相关研究提供理论支撑。

赵雨涵 研究员：纽约大学电子与计算机科学博士，现为北京通用人工智能研究院研究员。2017和2019年分别获得北京理工大学学士学位和宾夕法尼亚大学机器人硕士学位。博士期间师从Quanyan Zhu教授，研究方向包括多智能体系统、博弈与最优控制、多智能体强化学习。他提出了基于层级博弈的多种学习算法，并在《IEEE Control Systems Technology》《Dynamic Games and Applications》等国际期刊发表多篇论文。

报告题目:面向层级博弈的学习方法和应用

随着人工智能和多智能体技术的发展，越来越多的复杂决策问题涉及多个决策主体之间的交互、竞争与协作。博弈论为多智能体决策提供了统一的理论框架，而层级博弈（Hierarchical Game，亦称Stackelberg博弈）通过领导者—跟随者的层次化决策机制，能够有效描述政策制定、资源配置、群体引导、交通管控以及经济系统等典型场景，因此近年来受到人工智能、运筹优化和经济学等领域的广泛关注。本报告将围绕层级博弈的基本原理、学习方法及典型应用展开介绍。首先介绍层级博弈的建模思想及基本理论；随后结合近年来学习算法的发展，讨论基于优化、强化学习和双层优化等方法求解层级博弈的基本思路与关键挑战；最后结合路径规划、群体博弈、资源配置和经济模拟等典型案例，展示层级博弈在复杂多主体系统建模、分析与决策优化中的作用，并探讨其在大规模社会模拟、社会数字孪生和智能社会治理等方向的发展前景。

董迪 研究员：中科院自动化所研究员，博导，国家级高层次青年人才，北京癌症防治学会胃癌专委会常务委员，全国医学影像领域学术影响力Top 100学者，入选全球前2%高被引学家榜单。长期从事肿瘤人工智能分析的研究工作，在临床权威期刊Annals of Oncology (SCI IF: 65.4，2篇)等上发表SCI论文100余篇，ESI top 1%高被引论文13篇，研究连续七年（2019-2025）纳入《中国临床肿瘤学会CSCO胃癌诊疗指南》。主持基金委优青项目、区域联合重点项目、智慧诊疗专项项目、金宝搏188手机登录网站交流项目以及国家重点研发计划青年科学家项目等十余项。入选中国图象图形学会青年科学家、全国胃癌学术大会未来科学家，获杰出青年中关村奖、中华医学会医学科学技术一等奖。

报告题目:基于影像-文本融合的胃癌和鼻咽癌智能辅助诊疗研究

近年来，人工智能方法的迅猛发展与医学影像数据的急剧增长，共同推动了影像人工智能技术的突破与广泛应用。人工智能能够从医学影像中提取肿瘤高维量化信息，并可融合病理、病历文本等多源数据，服务于肿瘤的辅助诊断、疗效评估和预后预测，展现出广阔的应用前景。本报告将围绕影像-文本融合分析方法及其在肿瘤诊疗中的应用进行介绍，从影像数据和视频数据两个维度分别展开。影像方面，主要介绍基于CT影像的胃癌隐匿性腹膜转移预测、基于MRI影像的鼻咽癌预后预测等内容；视频方面，则聚焦于胃癌手术视频的智能理解和基于内镜视频的鼻咽癌筛查等内容。值得指出的是，医疗视频数据的智能分析作为近年来兴起的前沿热点方向，无论是手术视频还是内镜视频，都能为术中实时决策、早期无创筛查等场景提供动态、连续的信息支持，有望进一步拓展影像人工智能的应用边界。

方聪 助理教授兼研究员：北京大学智能学院助理教授兼研究员，国家级青年人才，于2019年在北京大学获得博士学位，先后在普林斯顿大学和宾夕法尼亚大学进行博士后研究。主要研究方向是机器学习理论与优化，研究主要包括机器学习与深度学习理论，因果理论，优化与采样算法，已发表包括PNAS、IEEE TIT、NeurIPS、ICML、COLT、PIEEE 等40余篇顶级期刊与会议论文，多次担任机器学习顶级会议领域主席。

报告题目:适度过参数化的张量主成分分析

张量主成分分析是机器学习中的核心问题，与高维参数模型及神经网络学习有着深刻的内在联系。本次报告聚焦于适度过参数化如何提升梯度下降方法在张量主成分分析（Tensor PCA）中的表现——传统梯度方法通常需要海量样本才能恢复隐藏信号，而我们发现引入适量的过参数化，不仅能够摆脱昂贵初始化步骤的依赖，还能显著降低样本复杂度，从而有效弥合统计极限与计算可行性之间的鸿沟。具体而言，在对称设定下，我们提出的归一化随机梯度上升方法打破了此前“基于梯度的算法必然需要极多样本”的固有认知，在适当条件下达到了已知多项式算法中最佳的统计效率；在非对称设定且内存预算受限时，我们进一步证明适度过参数化不仅能提升样本效率，还能自动适配问题的底层结构。综合来看，过参数化为缩小“统计上可辨识”与“计算上可处理”之间的差距提供了新的可行路径，最后我们将简要探讨上述分析对大模型训练实践的潜在启示。

张国熙 研究员：北京通用人工智能研究院智能体学习部研究员，于2014年获得东南大学自动化学士学位，2018年获得日本京都大学信息学硕士学位，2023年获得同校信息学博士学位，师从Hisashi Kashima教授。其研究方向包括具身智能体、强化学习和神经符号学习，在“International Conference on Machine Learning”、“AAAI Conference on Artificial Intelligence”、“European Conference on Computer Vision”等国际学术会议发表多篇论文。

报告题目:具身智能体的感知对齐和终段导航

本报告将介绍我们近期的两项围绕具身智能体的研究工作。具身智能体常采用三维场景图来表示其所处的环境，通过图结构表示场景中的实体对象和空间关系。然而，当前主流三维场景图的构建方案多依托视觉大模型完成物体识别和空间关系预测。这种方式完全依赖视觉感知结果，无法融入用户偏好信息和任务先验信息。针对这一问题，我们依托大预言模型的任务分解与规划能力，提出了一个全新的人机交互方案，可有效提升场景感知问题的交互效率。此外，在执行移动操作任务时，基于三维场景图的导航方案只能将智能体送至目标物体的附近，缺乏终段导航能力，亦即无法有效衔接移动阶段和物体操作阶段。针对这一问题，我们提出了一个综合运用多模态大模型的多模态理解、二维定位和空间推理等能力的一体化解决方案，取得了优于现有基线方案的效果，实现了移动阶段和操作阶段的平滑过渡。

晏轶超 副教授：上海交通大学副教授，X-Human实验室负责人。主要研究方向为三维表征学习，发表高水平学术论文50余篇。主持国家自然科学基金青年/面上项目、上海市2025年度关键技术研发计划“新一代信息技术”项目、阿里、华为、字节等企业合作项目10余项。入选上海市海外高层次人才计划，获2025年中国图象图形学学会科技进步二等奖（排1），2024年中国图象图形学学会自然科学二等奖（排2），2023年挑战杯-揭榜挂帅专项赛特等奖。

报告题目:如何突破恐怖谷：从高精度数字人脸到灵动机器人脸

三维人脸是连接视觉感知、图形渲染与智能交互的核心基础，在数字人、人形机器人等领域具有关键支撑作用。报告聚焦如何突破人脸恐怖谷效应这一核心命题，探索从高精度数字人脸重建到灵动机器人脸驱动的技术路径。首先剖析高精度三维人脸重建的关键技术，涵盖几何结构精准表征、纹理细节高保真还原及多源数据融合建模；进而探讨动态人脸表征的结构化建模方法，解决表情迁移、微表情生成与面部动作精准驱动等核心难题；最后延伸至机器人脸的个性化建模与灵动表达，打通数字人脸与物理机器人的表征迁移壁垒，实现高逼真度、高自然度的面部交互能力。

范凤磊 助理教授：香港城市大学数据科学系助理教授，主要研究成果在JMLR、TPAMI、CVPR等人工智能和数据科学领域的旗舰期刊上发表论文三十余篇；攻读博士期间获得IBM-RPI Horizon Scholarship，博士论文获得了国际神经网络学会（INNS）2021年杰出博士论文奖；四篇核心研究论文分别荣获2024年CVPR最佳论文奖候选，IEEE TRPMS最佳论文奖，ESI高被引以及IOP杂志北美地区高被引论文奖。他荣获广州科协青年托举（港澳）项目，基于动力系统的模型压缩方法荣获存储领域知名奖项奥林帕斯先锋奖（香港地区首位）。同时担任两本SCI杂志QIMS和IEEE TRPMS副主编。

报告题目:通向符号主义的ImageNet时刻：SR+RL=AGI?

人工智能历史有三大流派：符号主义，连接主义，行为主义。以卷积神经网络和transformer网络为代表的连接主义模型在大算力和大数据的加持下自2012年开始兴起，相比之下符号主义的发展显得滞后。从数学视角看，神经网络成功的关键是高维空间学习特征的能力。本次报告讨论符号主义模型能否在大模型和大算力的加持下好用，借助强化学习，我们构建了一个符号主义模型在CIFAR10和CIFAR100上初步达到了AlexNet的性能，验证了符号主义模型的潜力，并且说明符号主义模型在高维任务上初步表现出性能。在此基础上，我们认为符号主义模型可以在对可解释性要求高的领域发挥出至关重要的作用。我们以医学影像任务为例，在众多数据集上验证符号主义模型的能力和可解释性，同等参数量下，符号主义模型性能超过主要神经网络模型，并且每个计算节点都可以给出语义。

蔡承均 副教授：香港城市大学（东莞）计算机科学系副教授，国家级青年人才。研究方向为网络空间安全、金融科技安全、隐私增强技术与大语言模型安全。在CCS、INFOCOM、TDSC、TIFS等顶级会议期刊发表论文30余篇，获美国专利3项。主持国家自然科学基金、粤莞联合基金，广东省粤港高校1+1+1等项目，牵头建设东莞市计算智能与安全重点实验室，获莞邑青年科技人才等奖项。

报告题目:大语言模型推理中的KV Cache共享：效率、跨模型复用与隐私挑战

随着大语言模型（LLM）逐渐应用于多 Agent、多任务和持续更新的服务场景，同一长上下文往往需要被不同模型版本重复处理。为降低重复计算，现代 LLM 推理系统通过 KV Cache 保存模型处理历史上下文后的中间状态，使后续请求能够直接复用已有计算结果。然而，在实际部署中，模型、Adapter 和任务配置持续演化，导致已有 KV Cache 难以直接迁移到新版本，迫使系统重新执行完整预填充并产生额外计算开销。针对这一问题，近年来研究主要沿两条方向展开：一类工作探索跨模型变体的 KV Cache 复用，以减少模型演化带来的重复预填充；另一类工作关注多用户 KV Cache 共享，利用不同用户请求之间的重复性进一步提升缓存利用率和系统吞吐。 然而，现有跨模型复用通常局限于同架构或同家族模型，而多用户共享缓存又可能引发用户隐私泄露等安全风险，使其难以直接应用于开放共享场景。如何在保障隐私安全的前提下，实现跨模型、多用户的 KV Cache 高效共享，仍是当前 LLM 推理系统面临的重要挑战。本报告将围绕上述问题，回顾相关研究进展，并探讨面向跨模型、多用户场景的安全 KV Cache 共享机制。