朱文武，清华大学计算机系教授，信息科学与技术国家研究中心副主任。曾任国家973计划项目首席科学家，国家基金委重大项目负责人，教育部人工智能科技创新专家组成员等。先后担任IEEE Transactions on Multimedia主编、IEEE Transactions on Circuits and Systems for Video Technology主编、 IEEE Transactions on Multimedia 指导委员会主席、ACM Multimedia大会主席等职。 ACM Fellow、IEEE Fellow、AAAS Fellow、欧洲科学院外籍院士。获2023年ACM SIGMM技术成就奖和2024年IEEE电路与系统学会Charles A. Desoer技术成就奖。三次获国家自然科学二等奖（排1，排1，排2）。
【报告题目】
动态开放环境下图机器学习若干进展
【报告摘要】
图数据，例如社交网络、交通网络、蛋白质网络等，广泛存在于各行各业。时空图、知识图、场景图等也广泛用于大数据分析领域中。因此，图机器学习是近年来数据挖掘和机器学习领域的研究热点之一，已成为网络关联分析、视觉内容推理等多类计算机应用的核心技术。本报告介绍动态开放环境下图机器学习 (Graph Machine Learning in Dynamic Open Environment)的若干进展，面向训练与测试图数据分布不一致 (Out of Distribution, OOD) 的现实挑战，提出了解耦不变图机器学习理论方法，研究空间结构OOD、时序结构OOD 以及时空持续演化OOD等难题，求解动态开放环境下的图机器学习问题。
彭宇新，北京大学二级教授、博雅特聘教授，CAAI/CIE/CSIG Fellow，2019年国家杰出青年科学基金获得者，2025年青年科学基金项目（A类）延续资助计划获得者，2019年国家万人计划科技创新领军人才，2018年科技部中青年科技创新领军人才，863项目首席专家，中国工程院“人工智能2.0”规划专家委员会专家，中国人工智能产业创新联盟专家委员会主任，中国图象图形学学会副秘书长、提名与奖励委员会副主任，北京图象图形学学会副理事长。主要研究方向为多媒体分析、计算机视觉、人工智能。以第一完成人获2016年北京市科学技术奖一等奖和2020年中国电子学会科技进步奖一等奖，2008年获北京大学宝钢奖教金优秀奖，2017年获北京大学教学优秀奖。主持了863、国家自然基金重点、北京自然基金联合基金重点、发改委专项等40多个项目。发表TPAMI、IJCV、CVPR、NeurIPS、ICML等ACM/IEEE Trans.和CCF A类论文150多篇，获最佳论文奖2次。10次参加由美国国家标准技术局NIST举办的国际评测TRECVID视频搜索比赛，均获第一名。成果应用于国家网信办、公安部、国家广播电视总局等重要单位以及华为、腾讯、快手、蔚来、美团、中国电信、中国铁塔等头部企业。IEEE TCSVT高级领域编委、IEEE TMM等期刊编委，培养博士生获中国计算机学会、中国电子学会等优博。
【报告题目】
基于多模态大模型的视觉内容理解与生成
多模态大模型在视觉内容理解与生成的协同进化上展现出巨大潜力，也面临关键挑战。在视觉内容理解上，真实世界的细粒度和多模态特性对大模型提出挑战；在视觉内容生成上，如何生成内容真实、逻辑合理且语义一致的视觉内容是需要研究的关键问题。围绕上述难题，本团队在细粒度多模态大模型、AIGC等方面进行了相关研究，推动多模态大模型赋能视觉内容的理解与生成。
胡清华，天津大学讲席教授，卓越工程师学院执行院长、研究生院副院长，天津市机器学习重点实验室主任，智慧城市与数字治理教育部工程中心主任，CAAI粒计算与知识发现专委会主任，CCF智能机器人专委会副主任。从事多模态学习、不确定性建模和自主机器学习方面的研究，获国家重点研发计划项目、国家自然基金重点项目、国家优青/杰青以及国防项目的资助，发表论文300余篇，先后获得省部级自然科学一等奖和科技进步一等奖。
【报告题目】
社会化机器学习——一种基于分治的复杂问题求解范式
【报告摘要】
待确定。
沈超，西安交通大学二级教授，国家级高层次人才特聘教授，教育部创新团队负责人，信息物理融合系统教育部工程研究中心主任，科学探索奖、达摩院青橙奖、国家优秀青年科学基金获得者，国家重点研发计划首席科学家，国家基础加强计划技术首席科学家，国家重点研发计划“先进计算与新兴软件”重点专项指南专家组成员，麻省理工MIT TR35 China、霍英东青年教师一等奖、IEEE SMC Early Career Award、陕西省青年五四奖章获得者。主要从事智能系统安全与控制、人工智能可信与安全、智能软硬件测试的研究，在IEEE S&P、ACM CCS、USENIX Security、ICSE、ASE、ICML、NIPS、CVPR、Automatica、IEEE TAC等计算机和自动化领域的学术刊物上发表论文100余篇，获学术会议最佳论文奖9项。第一完成人获省部级/一级学会科学技术奖一等奖2项，主持国家重点研发计划“网络空间安全治理”重点专项、国家重点研发计划“战略性科技创新合作”重点专项、国家自然科学基金重点类项目、国家自然科学基金国际(地区)合作项目等部委与企业横向项目30余项，授权/受理国家发明专利50余项，主持/参与制定IEEE/行业/团体标准5项。 担任IEEE Transactions on Dependable and Secure Computing、IEEE Transactions on Cybernetics、IEEE Transactions on Fuzzy Systems等9个SCI国际期刊的副编辑或编委以及电子学报、软件学报等5个国内期刊的编委，USENIX Security、ACM CCS、WWW等数十个国内外学术会议的组织委员会或程序委员会成员，以及IEEE SMC Board Of Governors、IEEE SMC&CS Xian Chapter主席、ACM SIGSAC China副主席、中国人工智能学会组织工作委员会副主任、中国指挥与控制学会智能测评专委会副主任等多个国内外学会服务工作。
【报告题目】
待确定。
【报告摘要】
待确定。
张煦尧，中国科学院自动化研究所研究员，中国科学院大学人工智能学院岗位教授，国家优青，科技创新2030新一代人工智能重大项目青年科学家。主要研究兴趣包括模式识别与机器学习，在顶级期刊和会议上发表论文100余篇，包括PIEEE, IEEE TPAMI, CVPR, ICCV, NeurIPS, ICLR等。担任国际期刊IEEE Trans. Image Processing的Senior Area Editor，以及国际期刊Pattern Recognition和Neural Networks的Associate Editor。入选中国科学院稳定支持基础研究领域青年团队、中国科协青年人才托举工程、中国科学院青年创新促进会优秀会员。荣获中国人工智能学会吴文俊人工智能优秀青年奖、中国科学院朱李月华优秀教师奖等荣誉。
【报告题目】
开放环境模式识别
【报告摘要】
模式识别面临着从静态封闭环境走向动态开放环境的挑战。针对开放环境的动态性、不确定性和演化性等特点，开放环境模式识别旨在通过置信度估计、新类别自动发现以及类别增量学习来实现模式识别能力的自主进化。置信度估计赋予模型区分已知和未知的能力，新类别自动发现促使模型从数据中自动发现新知识，类别增量学习让模型的能力得以不断进化。通过边界评估-知识发现-能力进化的闭环学习，将推动模式识别从被动识别向主动认知转变。