2023年3月19日，由中国人民大学高瓴人工智能学院与香港中文大学（深圳）数据科学学院联合主办的人工智能与数据科学青年教师学术交流论坛顺利举办。

在致辞环节，香港中文大学（深圳）数据科学学院副院长、校长学勤讲座教授查宏远教授与中国人民大学高瓴人工智能学院执行院长文继荣教授分别介绍了两院的办学理念、成果及基本情况，并对两院在科学研究、人才培养等多个领域的合作交流表达了期许。

在学术报告环节，香港中文大学（深圳）数据科学学院助理教授于天舒的报告围绕如何用机器学习解决组合优化问题展开，他指出现有的基于学习的组合求解器泛化能力较差，为此他们提出了一种新的训练策略—ASP来处理泛化问题；此外，针对训练样本不足给学习带来的困难，由此介绍了其团队在基于布尔可满足性(SAT)来处理训练样本不足问题方面的研究成果。

中国人民大学高瓴人工智能学院准聘副教授刘勇的报告围绕复杂场景下学习算法的泛化分析展开，他首先介绍了什么是泛化分析、泛化分析所面临的困难以及进行泛化分析的必要性，随后又介绍了针对无监督聚类学习、非凸随机优化、非独立同分布等场景下泛化误差分析的研究成果。

香港中文大学（深圳）数据科学学院助理教授刘桂良的报告围绕逆约束强化学习展开，他指出人们在将强化学习应用到许多现实场景（如自动驾驶）时，往往需要在一定的约束条件下最优化学习策略，但在许多情况下约束是不可知的。为此，刘桂良老师介绍了如何从数据中反向推断出所需要的约束从而实现逆约束强化学习，并分享了他们在逆约束强化学习方面的一些研究成果。

香港中文大学（深圳）数据科学学院助理教授李爽的报告围绕时序点过程模型的可解释性建模展开，她首先指出针对复杂医疗数据，提出可解释模型并得到可解释性结果是十分必要的，随后又介绍了如何把时序逻辑规则融入到模型中，如何从事件中学习逻辑规则以构建时序逻辑点过程模型的相关研究。

中国人民大学高瓴人工智能学院准聘助理教授李崇轩的报告围绕扩散模型生成式AGI展开。扩散模型在图像生成、文本到图像生成、3D场景生成和语音生成等各种生成任务中展现出了广阔的前景。基于扩散模型，李崇轩老师针对加速推理算法、可控语义和多模态生成三个方面作了详细介绍。

中国人民大学高瓴人工智能学院准聘副教授许洪腾的报告围绕如何在分布式系统中度量不同分布的距离展开，他首先指出在分布式系统中由于隐私保护的原因不同代理不能共享原始数据，因此产生了如何衡量数据分布距离的问题，为此，许洪腾老师介绍了基于最优传输理论提出的去中心化的熵最优传输（EOT）方法，该方法为分布式系统中的隐私保护和通信效率提供了理论保证。

本次论坛吸引了来自校内外众多师生线下参与，与会人员就各自所关心的研究领域展开了深入讨论与交流。

来源：高瓴人工智能学院