威廉希尔williamhill中文系列学术活动（第53场）——马欢飞教授学术报告

报告题目：动力学因果检测与因果网络构建报告摘要：数据驱动的因果分析在大数据时代有很多的需求和应用，同时也面临着很多挑战，特别是针对具有非线性交互关系的因果检测。在本次报告中，我们将介绍从非线性动力系统的角度来研究非线性因果重构的方法，以及如何从两两间的因果检测到多变量间的因果网络构建。报告人简介马欢飞，苏州大学数学科学学院教授，博士生导师，2010年毕业于复旦大学，获博士学位，2010年到苏州大学数学...

威廉希尔williamhill中文系列学术活动（第52场）——日本理化学研究所（RIKEN）夏俊士研究员学术报告

报告题目: Mapping High-Resolution Land Cover Products Anywhere报告人：夏俊士    日本理化学研究所（RIKEN）高级智能项目中心研究员Abstract: High-resolution land cover mapping plays a crucial role in environmental monitoring, urban planning, and disaster management. However, achieving high classification accuracy and spatial resolution remains a significant challenge in geospatial research. This re...

威廉希尔williamhill中文系列学术活动（第51场）——汪劲教授学术报告

报告题目：系统生物学的景观与流理论报告摘要：我们建立一个能够全局描述系统生物学网络的势和流的景观理论，从动力学和热力学角度探索内在的物理机制及相应的生物功能。研究的系统包括细胞分裂与周期，细胞分化，癌症，衰老和进化等。这些探索可用来帮助找搜寻有效靶点并进行相应的药物设计。报告人简介汪劲，国科温研院/石溪大学教授。威廉希尔WilliamHill官方网站物理系学士，伊利诺斯大学天体物理博士，伊利诺斯大学化学和生物物理博士后。纽约...

威廉希尔williamhill中文系列学术活动（第50场）——上海交通大学姚江超助理教授学术报告

报告题目：不均衡学习的泛在适配报告摘要：不均衡学习是一个广泛存在且研究已久的领域，随着深度学习的发展，近些年来有了一些新的设计和改善。然而，随着整个人工智能领域趋势的演进，原有仅仅围绕类别不均衡的研究设定未必符合或者考虑了各种情形下的领域需求，如何把不均衡学习拓展到泛在情形就变得很重要。本报告将简要回顾不均衡学习领域的发展历史和现状，分析现有不均衡学习领域需要考虑的关键点，重点围绕将经典的不均...

威廉希尔williamhill中文系列学术活动（第49场）——华东师范大学程鹏研究员学术报告

报告题目：供需感知空间众包任务分配问题相关研究 报告摘要：近年来，空间众包作为一种移动互联网服务模式引起了广泛研究，并产生了众多相关应用，如滴滴出行、美团外卖等。此次报告将简单回顾空间众包的主要研究内容，并介绍团队近期关于供需感知空间众包任务的工作进展：包括在深度学习时空数据预测帮助下的空间众包优化问题和共享移动空间优化问题；以及对时空预测模型的区域划分进行自动优化的方法。同时，针对共享移动复杂...

威廉希尔williamhill中文系列学术活动（第48场）——穆罕默德·本·扎耶德人工智能大学博士后研究员施万里学术报告

大规模双层优化问题的高效算法设计及理论分析

威廉希尔williamhill中文系列学术活动（第47场）—— 香港科技大学（广州）谢思泓教授学术报告

图数据上的可靠机器学习

威廉希尔williamhill中文系列学术活动（第46场）——澳大利亚莫纳士大学杜岚教授学术报告

Uncertainty Estimation for Active Learning & Multimodal Learning

威廉希尔williamhill中文系列学术活动（第45场）——中国科学技术大学何向南教授学术报告

报告题目：大模型推荐前沿进展报告人：何向南 教授     国家级青年人才        中国科学技术大学人工智能与数据科学学院副经理报告摘要：预训练大模型在推荐系统领域备受关注，在多个推荐任务上的初期探索已展现出大模型对于推荐的价值。本次报告聚焦大模型驱动的推荐前沿进展并探讨未来发展方向， 具体包括：面向推荐任务的大模型微调和对齐、在大模型中建模协同过滤信息、面向推荐的大模型智能体构建等。同时，...

威廉希尔williamhill中文系列学术活动(第44场) ——复旦大学计算机学院邱锡鹏教授学术报告

报告题目：    从大语言模型到世界模型 报告摘要：    大语言模型在可解释性、可信性以及处理复杂、多模态和长期记忆任务方面还存在一定不足。为了缓解大语言模型在理解物理世界和社会世界时的一些限制，我们可以让大语言模型和实际环境交互来进行持续学习，将大语言模型转变成“世界模型”。相比大语言模型，世界模型的技术路线还不清晰，未来发展之路尚存争议。本报告主要探讨如何从多语言和多模态扩展、具身学习等角...