杨洋，浙江大学计算机科学与技术学院教授、博导、人工智能系主任，国家优秀青年科学基金获得者。2016年博士毕业于清华大学计算机系，师从唐杰教授和李涓子教授。主要从事大规模图数据及时间序列数据上的人工智能研究，在国际顶级学术期刊与会议上发表论文70余篇，获人工智能顶会AAAI2023杰出论文奖。
[Title]
Exploring Foundation Model for Graphs
[Abstract]
Foundation models for natural language processing (LLM) have recently drawn significant research attention. In addition to text, our world is abundant with various types of data, such as graphs. Can we potentially construct a foundation model that is compatible with these data and achieves both domain and task generalization? In this talk, I will introduce our recent work on building foundation model for graphs, which exhibit a substantial domain shift compared to text. To tackle this, we explore the topic from three perspectives: 1) In terms of data, we assess the transferability of graphs from diverse domains and seek to answer the question of "when to pretrain." 2) Regarding the model, traditional graph neural networks are constrained by the homophily assumption, making their application to heterophily graphs challenging. Moreover, the over-smoothing problem hinders the increase of parameters in GNNs. We investigate solutions to address these issues and enhance the generalization and expressive power of GNNs. 3) As for applications, we delve into how to enable pretrained GNNs to adaptively adjust to downstream tasks.
王啸，北京航空航天大学教授，博士生导师。研究方向为人工智能、数据挖掘与机器学习，国家自然科学基金青年基金B类获得者。共发表论文100余篇，谷歌学术引用15000余次，7篇入选最有影响力论文榜单，3次获得(提名)CCF A/B类等国际会议论文奖，成果多次被写入业界图学习标准库PyG和DGL等。曾获得国家自然科学二等奖，教育部自然科学一等奖，中国电子学会科技进步一等奖，吴文俊人工智能优秀青年奖，ACM中国新星提名奖，入选斯坦福大学发布的全球Top 2%顶尖科学家终身影响力榜单。担任NeurIPS领域主席，WWW/AAAI/IJCAI的高级程序委员会委员，Neural Networks和IEEE TAI期刊编委。CCF高级会员，CCF青工委主任助理，CCF大数据专委会执行委员，CCFAI专委会执行委员，中文信息学会SMP专委会委员。
【报告题目】
大模型增强的图表征学习：通用性与鲁棒性
【报告摘要】
传统图表征学习方法主要依赖于图神经网络（GNN）及其消息传递机制，获得学术界与工业界的广泛关注。随着大语言模型（LLM）在多个领域取得突破，图表征学习范式也正经历显著变革，主要体现在领域内对图transformer架构的聚焦，学习范式从特定任务的端到端训练向自监督预训练的转变，以及图神经网络与大模型的结合。本次报告将围绕以上内容，探讨大模型时代下图表征学习在自监督、鲁棒性等方向的关键技术、挑战以及思考。
杨成，北京邮电大学副教授，博士生导师，长期从事数据挖掘和自然语言处理相关方向的研究，发表相关领域CCF A类论文40余篇，谷歌学术被引1.5万余次，相关成果获2020年教育部自然科学奖一等奖（排名第四）等省部级奖励。获中文信息学会优秀博士论文奖、中国人工智能学会吴文俊青年科技奖，入选中国科协“青年人才托举工程”，连续三年入选斯坦福大学发布的全球前2%顶尖科学家榜单。
【报告题目】
大模型智能体技术引导下的图学习方法研究
【报告摘要】
大语言模型技术目前已展现出推理、规划、工具使用等诸多类人智能，可作为智能体的大脑自动化地处理各种复杂任务，广泛应用于以文本处理为核心的诸多场景。在本次报告中，我们将介绍大语言模型技术与图学习相结合的最新研究进展，并结合图基础模型等相关概念，讨论该领域的潜在发展方向。
讲习班主席：赵姝，三级教授、博士生/硕士生导师，安徽大学计算机科学与技术学院副院长、智谱华章-安徽大学“基础模型”联合中心主任、安徽省安全人工智能重点实验室副主任、安徽省学术和技术带头人后备人选、宝钢优秀教师奖获得者，长期从事大模型、知识图谱、人工智能安全、粒计算等研究。主持国家自然科学基金、国家重点研发计划项目子课题以及横向项目等20余项。在国际和国内相关领域具有重要影响力的刊物和会议发表高水平论文40余篇。目前担任国际期刊IEEE Trans. Big Data编委、中国人工智能学会粒计算与知识发现专委会常务委员等。