人工智能学院系列学术活动（第77场）——香港中文大学（深圳）人工智能学院马文静助理教授学术报告

报告题目：Integrating computational framework and statistical modeling for analyzing genomics data报告人：马文静 香港中文大学（深圳）人工智能学院 助理教授报告摘要：Improvements of resolutions and spatial context in sequencing technologies over the past several years have deepen the understanding of complex biological systems. However, these improvements also pose substantial computational and s...

人工智能学院系列学术活动（第76场）——吉林大学人工智能学院胡纪锋博士学术报告

报告题目：生成式策略在强化学习中的应用报告人：胡纪锋博士 吉林大学人工智能学院报告摘要：深度强化学习指将深度神经网络与强化学习框架相结合，通过智能体与环境交互获得最大累积奖励。近些年在自动驾驶、机器人控制、大语言模型等领域取得多项突破性进展。生成式模型在复杂数据分布拟合、长序列规划、训练稳定性、模型表达能力等方面具有较强的建模能力，与深度强化学习相结合有利于提高强化学习智能体在高维复杂任务中的控...

人工智能学院系列学术活动（第75场）——吉林大学人工智能学院刘兆赓助理研究员学术报告

报告题目：面向黑盒条件下大模型提示学习方法探索报告人：刘兆赓 吉林大学人工智能学院助理研究员报告摘要：大模型作为国家战略级技术部署，其核心价值在于驱动生产力范式革新并为各个行业赋能。然而，目前市面上的商业大模型多为黑盒模式，用户只能通过API进行交互，而无法深入了解模型的内部机制。提示学习作为一种引导大模型适配下游任务的重要方法，在黑盒条件下应用时，却面临着诸多挑战，包括训练数据不平衡导致模型泛化...

人工智能学院系列学术活动（第74场）——南京大学易子立副教授学术报告

报告题目：Towards Higher Controllability and Capacity in Multi-Modal Content Generation报告人：易子立副教授 南京大学智能科学与技术学院报告摘要：本讲座聚焦多模态内容生成的可控性与能力升级，解锁视频生成等复杂场景的技术密钥。以世界模型为核心底座，借长视频数据习得物理规律与时空逻辑，搭配智能体实现动态交互与决策。突破传统生成局限，既让多模态创作精准契合指令，又拓宽内容生成能力的边界。从统一架构到高...

人工智能学院系列学术活动（第73场）——新加坡科技研究局生物信息研究院副院长李惠光教授学术报告

报告题目：人工智能在病理和放射影像诊断领域新进展报告人：李惠光教授 新加坡科技研究局生物信息研究院副院长报告摘要：人工智能的发展改变了人类的技术发展和应用。在医疗健康领域，人工智能已产生了多方面的影响，比如在病理科的癌症和放射影像的诊断。病理样本和放射影像的数字化也使得人工智能的应用成为可能。本次研讨会将探讨几种将人工智能应用于病理诊断和放射影像诊断的先进方法。报告人简介：李惠光（Hwee Kuan Lee...

人工智能学院系列学术活动（第72场）——阿卜杜拉国王科技大学陈奕梦博士后学术报告

报告题目：基于异质性递归规划的AI长文写作智能体框架报告人：陈奕梦 阿卜杜拉国王科技大学 生成式AI卓越中心 博士后（邮件：yimeng.chen@kaust.edu.sa）报告摘要：长文档写作在学术研究、技术报告、创意写作等众多领域中发挥着关键作用，是知识传播和思想表达的重要载体。然而长文写作代表一类典型的长程复杂Agent任务：生成连贯、高质量且结构良好的长文档内容，需要在扩展篇幅中保持逻辑一致性、管理相互依赖的观点，并动态...

2025年秋季学期-人工智能前沿讲座-第7讲——吉林大学宋姗姗副教授学术报告

报告题目：AI赋能水声组网：性能评估、协议设计及通用平台搭建报告人：宋姗姗 吉林大学 计算机科学与技术学院 副教授/博士生导师（邮件：songss@jlu.edu.cn）报告摘要：近年来，水下集群的规模和任务复杂度逐渐增大，现有的水声网络具有通信带宽窄、延迟大、多普勒严重等特性，同时面临网络高时空动态、资源受限等限制，如何实现鲁棒、高效的水声网络是水下集群作业的关键问题。因此，提出“AI赋能水声网络三步走”研究思路：构...

2025年秋季学期-人工智能前沿讲座-第6讲——南开大学陈盛泉教授学术报告

报告题目：人工智能驱动的细胞异质性刻画与解析报告人：陈盛泉 南开大学数学科学学院教授报告摘要：单细胞测序技术使得破译生物体内细胞的类型和构成成为可能，然而，单细胞数据通常具有高维度、高噪声、极度稀疏等特点，常规计算方法难以准确刻画细胞异质性并辨识细胞类型。本报告将介绍针对单细胞数据质量低下、信息不足、细胞类型繁杂等挑战，我们如何基于数据驱动、信息融合、知识引导的思想，分别从无监督学习、弱监督学习...

人工智能学院系列学术活动（第71场）——日本东北大学袁巍副教授学术报告

报告题目：从二维影像到三维时空理解：摄影测量与遥感在灾害评估与城市变化监测中的新进展报告人：袁巍 日本东北大学副教授报告摘要：近年来，随着高分辨率航空与卫星影像、无人机多视影像以及地面移动测量系统的普及，二维影像向高精度三维信息的重建与分析成为摄影测量与遥感领域的核心研究方向。本报告将围绕“二维影像生成三维信息”与“二维/三维融合感知”两条主线，介绍本人及团队成员在灾害响应和城市变化监测中的相关...

2025年秋季学期-人工智能前沿讲座-第5讲——吉林大学聂子斐助理教授学术报告

报告题目：迈向可信可靠的自动驾驶：融合实时优化、数据驱动控制与控制诱导学习的前沿探索报告人：聂子斐 吉林大学人工智能学院 助理教授报告摘要：机器学习的发展正推动自动驾驶由传统的模块化感知–规划–控制架构，转向以 VLA 为输出、以世界模型为训练与评测手段的端到端统一学习范式。基于这一背景，本次报告将系统回顾三条技术路线：传统的实时优化，直接数据驱动控制，以及融合可微分最优控制的学习范式，并分别讨论其前...