庆祝吉林大学建校80周年暨2026年春季学期人工智能前沿讲座第2讲——吉林大学人工智能学院马畅翼副教授学术报告

报告题目：相似度检索和相似度矩阵校准报告人：马畅翼副教授 吉林大学人工智能学院报告摘要：在图像检索、文本检索和自然语言处理等领域，大规模相似度检索都扮演着核心角色。然而现在中的数据不完整，如查询信息不完整、数据采集失误、用户行为缺失等，都导致数据缺失现象普遍存在。而这些数据缺失直接导致了相似度矩阵不准确进而影响相似度检索的准确率。而如何从不准确的相似性矩阵中，快速、精准地校准出真实相似度，成为当...

庆祝吉林大学建校80周年暨人工智能学院系列学术活动（第80场）——日本顺天堂大学孙哲副教授学术报告

报告题目：大规模数据驱动的脑医学影像基础模型与超算大脑模拟：迈向未来智能医疗报告人：孙哲 日本顺天堂大学副教授、独立PI报告摘要：本报告介绍我们在高性能计算驱动的脑医学影像分析与数字脑建模方面的研究进展，重点围绕大规模脑MRI处理、可信医学人工智能以及大脑模拟三个方向展开。针对脑影像数据规模不断增长、临床任务复杂度持续提升所带来的计算效率、模型泛化性与可解释性挑战，我们尝试将高性能计算、深度学习与脑...

庆祝吉林大学建校80周年暨2026年春季学期-人工智能前沿讲座-第1讲——吉林大学人工智能学院王亚星教授学术报告

报告题目：生成式人工智能：视觉内容生成的演进与前沿报告人：王亚星教授 吉林大学人工智能学院报告摘要：生成式人工智能（AIGC）的爆发正在重塑视觉内容的创作方式，从“文生图”到“图生图”，扩散模型（Diffusion Models）等技术已展现出惊人的创造力。然而，如何精准控制生成内容与文本语义的高度一致性？如何在大规模模型中实现高效的推理速度？本报告将针对人工智能的专业背景，从生成式模型的基础逻辑出发，深入浅出地探...

庆祝吉林大学建校80周年暨人工智能学院系列学术活动（第79场）——悉尼科技大学&武汉大学博士研究生李自豪学术报告

报告题目：用户复杂兴趣建模的推荐算法研究报告人：李自豪 悉尼科技大学&武汉大学博士研究生报告摘要：随着数字技术与智能算法的快速发展，推荐系统已由信息筛选工具演化为支撑数字社会运行的重要基础设施，广泛服务于社会治理、数字经济等关键场景。用户兴趣偏好建模作为推荐系统的核心目标，正面临用户行为日益丰富、兴趣多样性与不确定性不断增强等现实挑战。本报告聚焦复杂兴趣建模这一关键科学问题，系统分析现有方法的局...

庆祝吉林大学建校80周年暨人工智能学院系列学术活动（第78场）——美国科罗拉多大学张帆助理教授学术报告

报告题目：Single-Cell Computational Intelligence: New Tools for Autoimmune Disease Translational Medicine报告人：张帆 美国科罗拉多大学 助理教授报告摘要：Chronic inflammation is a defining feature of immune-mediated inflammatory diseases, which collectively represent major causes of global disability and mortality. Progress in prevention and treatment has been limited in part by an incomplete un...

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...