【ZiDongHua 之“智能自動化”收錄關(guān)鍵詞： 大模型 人工智能 機(jī)器人 機(jī)器學(xué)習(xí)】

　　

　　AI未來 || 大模型與前沿技術(shù)分論壇預(yù)告

 

　　

　　分論壇簡介

　　

　　/ INTRODUCTION

　　

　　為促進(jìn)北京高校學(xué)生之間的學(xué)術(shù)交流與經(jīng)驗(yàn)分享，集中展示北京高校學(xué)生在人工智能領(lǐng)域的科技創(chuàng)新成果，北京高校人工智能聯(lián)盟定于2025年5月17日至5月17日在北京泰山飯店召開“AI未來—第七屆北京高校人工智能學(xué)術(shù)論壇暨清華大學(xué)第799期（自動化系）博士生學(xué)術(shù)論壇”，誠邀大家參加5月17日下午14:00-17:00舉行的大模型與前沿技術(shù)分論壇。

　　

　　該分論壇由中國科學(xué)院軟件研究所研究生會負(fù)責(zé)承辦，共計(jì)邀請大模型與前沿技術(shù)研究方向的2位知名學(xué)者、4位學(xué)生參與匯報(bào)，同時將展示3張學(xué)術(shù)海報(bào)。以下對分論壇內(nèi)容進(jìn)行簡單介紹。

　　

　　1

　　

　　專家學(xué)者報(bào)告

　　

　　1

　　

　　高晉

　　

　　中國科學(xué)院自動化研究所多模態(tài)人工智能系統(tǒng)全國重點(diǎn)實(shí)驗(yàn)室研究員，碩士生導(dǎo)師

　　

　　高晉，中國科學(xué)院自動化研究所多模態(tài)人工智能系統(tǒng)全國重點(diǎn)實(shí)驗(yàn)室研究員，碩士生導(dǎo)師。長期從事視覺目標(biāo)自主感知與理解研究，在包括IEEE TPAMI、IJCV、IEEE TIP、NeurIPS、ICML、CVPR、ICCV、ECCV等重要國際期刊和國際會議發(fā)表學(xué)術(shù)論文40余篇。主持國家自然科學(xué)基金聯(lián)合基金重點(diǎn)、優(yōu)秀青年科學(xué)基金、北京市自然科學(xué)基金杰出青年科學(xué)基金等項(xiàng)目10余項(xiàng)。開發(fā)的時敏視覺目標(biāo)自主感知和移動機(jī)器人視覺感知技術(shù)在國防和民用領(lǐng)域得到實(shí)際應(yīng)用。

　　

　　報(bào)告題目

　　

　　基于擴(kuò)散模型的時空一致4D內(nèi)容生成初探

　　

　　報(bào)告摘要

　　

　　視覺基座模型的快速發(fā)展使得面向動態(tài)物體或場景的3D重建和生成（也被稱作4D生成）有了質(zhì)的飛躍。這體現(xiàn)在，整個重建和生成過程不再依賴嚴(yán)格同步的多視角視頻采集手段，抑或是特定場景下的人體或人臉模型，而是面向數(shù)據(jù)獲取更加容易、物體類別更加廣泛的動態(tài)開放場景來實(shí)現(xiàn)強(qiáng)大數(shù)據(jù)先驗(yàn)驅(qū)動的時空一致新視角預(yù)測。這對于未來面向通用人工智能或具身智能合成大量數(shù)據(jù)、構(gòu)建可交互世界模型至關(guān)重要。本次報(bào)告以4D內(nèi)容生成輔助合成數(shù)據(jù)為切入點(diǎn)，重點(diǎn)介紹所在團(tuán)隊(duì)在基于擴(kuò)散模型的時空一致4D內(nèi)容生成領(lǐng)域的兩個初步探索工作，以期拋磚引玉，共同探討如何促進(jìn)相關(guān)領(lǐng)域的發(fā)展。

　　

　　2

　　

　　劉哲

　　

　　中國科學(xué)院軟件研究所

　　

　　助理研究員

　　

　　劉哲，中國科學(xué)院軟件研究所特別研究助理（助理研究員），主要從事智能化軟件工程、人機(jī)交互等方面的研究，近年來主要關(guān)注移動應(yīng)用測試、人機(jī)協(xié)同測試等。在軟件工程和人機(jī)交互領(lǐng)域國際著名學(xué)術(shù)期刊/會議ICSE、CHI、TSE、ASE等發(fā)表 18篇CCF-A類學(xué)術(shù)論文。主持國家自然科學(xué)基金青年基金項(xiàng)目及企業(yè)合作項(xiàng)目。榮獲中國科學(xué)院優(yōu)博，CCF軟工專委優(yōu)博，ACM Student Research Competition研究生組全球總冠軍和中國科學(xué)院院長獎等榮譽(yù)。

　　

　　報(bào)告題目

　　

　　基于大模型的軟件自動化測試技術(shù)

　　

　　報(bào)告摘要

　　

　　隨著軟件復(fù)雜性的增加，軟件測試的有效性和覆蓋率受到較大的影響。前沿研究正在積極探索一些新興技術(shù)來解決這些問題，而多模態(tài)大型語言模型（MLLMs）被視為最具潛力的技術(shù)之一，其具備前所未有的視覺與自然語言理解和生成能力。本報(bào)告將分享多模態(tài)大語言模型在自動化測試路徑生成和非崩潰缺陷檢測方向的研究成果，包括視覺驅(qū)動的自動化測試技術(shù)和多智能體協(xié)同的非崩潰缺陷檢測技術(shù)，來更好的提升自動化測試的充分性和覆蓋性。

　　

　　3

　　

　　高歡

　　

　　快手AIGC多模態(tài)理解高級算法專家

　　

　　北京大學(xué)信息科學(xué)技術(shù)學(xué)院博士

　　

　　高歡，北京大學(xué)信息科學(xué)技術(shù)學(xué)院博士，快手AIGC多模態(tài)理解高級算法專家，主要負(fù)責(zé)可靈產(chǎn)品中的多模態(tài)理解任務(wù)。他的團(tuán)隊(duì)致力于從事多模態(tài)內(nèi)容準(zhǔn)確且全面的理解，打造高效、可靠的多模態(tài)理解大語言模型。團(tuán)隊(duì)成員近年來在NeurIPS、ICLR、CVPR、AAAI、ACL等頂級學(xué)術(shù)會議上發(fā)表過多篇有影響力的論文。

　　

　　報(bào)告題目

　　

　　AIGC背后的多模態(tài)理解技術(shù)

　　

　　報(bào)告摘要

　　

　　多模態(tài)理解能力是支撐AIGC產(chǎn)出真實(shí)、有美感、可控的內(nèi)容的重要技術(shù)。在過去兩年中，大語言模型（LLM）發(fā)展迅速，目前業(yè)界的主要發(fā)力點(diǎn)已經(jīng)聚焦R1、DeepResearch、BrowseComp等高難度復(fù)雜場景。與LLM場景不同的是，多模態(tài)大語言模型（MLLM）的任務(wù)更加分散，面臨的挑戰(zhàn)更多，因而模型結(jié)構(gòu)、數(shù)據(jù)構(gòu)造、能力評測方面仍然在不斷涌現(xiàn)新的創(chuàng)新工作，還有很多值得深入挖掘的方向。AIGC方向的多模態(tài)理解與通常講到的多模態(tài)理解有所區(qū)別，并非是后者的一個子集。由于對生成方面的考量，AIGC上的多模態(tài)理解模型需要有更全面的視覺感知能力和空間表征能力。GPT4o提供了一個不錯的理解生成一體化的解決方案，效果上也驚艷了世人。當(dāng)前，AIGC的多模態(tài)理解發(fā)展到了一個關(guān)鍵節(jié)點(diǎn)：向左，模型架構(gòu)并不代表所有的優(yōu)雅；向右，刷榜帶不來真實(shí)能力的提升。本次報(bào)告將首先介紹幾個AIGC中重要的多模態(tài)理解任務(wù)，隨后將介紹若干關(guān)于訓(xùn)練MLLM的技巧，在實(shí)際AIGC工業(yè)場景中非常實(shí)用。希望以此給大家?guī)韱l(fā)，推進(jìn)AIGC和多模態(tài)理解向世界模型的演進(jìn)，讓天下沒有難實(shí)現(xiàn)的創(chuàng)意。

　　

　　2

　　

　　學(xué)生報(bào)告

　　

　　1

　　

　　俞王佳

　　

　　中國科學(xué)院信息工程研究所

　　

　　俞王佳，中國科學(xué)院信息工程研究所23級碩士研究生，專業(yè)網(wǎng)絡(luò)空間安全，研究興趣包括：多模態(tài)越獄攻擊、多模態(tài)幻覺緩解、文生圖模型的概念擦除。

　　

　　報(bào)告題目

　　

　　Resolution Attack: Exploiting Image Compression to Deceive Deep Neural Networks

　　

　　報(bào)告摘要

　　

　　模型魯棒性對于確保機(jī)器學(xué)習(xí)系統(tǒng)的穩(wěn)定性和可靠性至關(guān)重要。盡管已有大量研究圍繞模型魯棒性的不同方面（如對抗魯棒性和標(biāo)簽噪聲魯棒性）展開，但針對不同分辨率下的魯棒性探索仍然相對不足。針對這一研究空白，本文提出了一種新型攻擊方式——分辨率攻擊。該攻擊通過生成在不同分辨率下呈現(xiàn)不同語義特征的圖像，旨在同時欺騙分類器與人類觀察者。為實(shí)現(xiàn)分辨率攻擊，我們提出了一個自動化框架，能夠以zero-shot方式生成具有雙語義特征的圖像。具體而言，我們利用大規(guī)模擴(kuò)散模型在圖像構(gòu)建方面的綜合能力，提出分階段去噪策略以實(shí)現(xiàn)跨分辨率圖像的平滑過渡。通過該框架，我們對多種現(xiàn)成分類器實(shí)施了分辨率攻擊。實(shí)驗(yàn)結(jié)果表明攻擊成功率較高，這不僅驗(yàn)證了所提框架的有效性，同時也揭示了現(xiàn)有分類器在不同分辨率下的脆弱性。此外，本框架也能使用在人臉交換和面部偽裝等應(yīng)用。

　　

　　2

　　

　　房海鵬

　　

　　中國科學(xué)院計(jì)算技術(shù)研究所

　　

　　房海鵬，中國科學(xué)院計(jì)算技術(shù)研究所博士研究生，指導(dǎo)老師為唐勝研究員和唐帆副研究員。其研究方向包括模型壓縮與加速、圖像與視頻生成以及視覺理解。作為第一作者在 CVPR、ACMMM、ICASSP 等國際會議發(fā)表論文，并擔(dān)任CVPR2025審稿人。

　　

　　報(bào)告題目

　　

　　Attend to Not Attended: Structure-then-Detail Token Merging for Post-training DiT Acceleration

　　

　　報(bào)告摘要

　　

　　本報(bào)告介紹一種針對擴(kuò)散 Transformer（DiT）的后訓(xùn)練加速方法。我們首先系統(tǒng)分析擴(kuò)散先驗(yàn)，定位并量化網(wǎng)絡(luò)中冗余 token 的位置與程度，然后提出“先結(jié)構(gòu)-后細(xì)節(jié)”的雙階段 token 合并策略。該方法在無需微調(diào)的前提下，即可在保持生成質(zhì)量的同時顯著減少推理計(jì)算量，為高分辨率 AIGC 場景提供輕量化部署方案。

　　

　　3

　　

　　楊藎冉

　　

　　解放軍總醫(yī)院第一醫(yī)學(xué)中心  營養(yǎng)科

　　

　　解放軍總醫(yī)院第一醫(yī)學(xué)中心營養(yǎng)科碩士研究生，研究方向?yàn)閲中g(shù)期營養(yǎng)、減重、脂代謝營養(yǎng)的臨床應(yīng)用。獲得研究生國家獎學(xué)金、北京市三好學(xué)生、北京市優(yōu)秀畢業(yè)生等榮譽(yù)。參與食品安全國家標(biāo)準(zhǔn)1項(xiàng)，國家及軍隊(duì)課題6項(xiàng)，發(fā)表6篇SCI及核心文章，申請專利3項(xiàng)。多次參加國內(nèi)及國際學(xué)術(shù)會議，進(jìn)行國際壁報(bào)展示及口頭發(fā)言等

　　

　　報(bào)告題目

　　

　　Associationbetween dietary mineral mixture and the prevalence of sarcopenia inUS adultsfrom NHANES 2011-2018 A combination of Bayesian approaches

　　

　　報(bào)告摘要

　　

　　背景： 既往研究主要關(guān)注單一膳食礦物質(zhì)與肌少癥（肌肉減少癥）的關(guān)聯(lián)，忽視了多種礦物質(zhì)的聯(lián)合效應(yīng)。本研究旨在探索九種膳食礦物質(zhì)（鈣、磷、鎂、鐵、鋅、銅、鈉、鉀、硒）的混合作用與普通人群肌少癥的關(guān)系。

　　

　　方法： 基于2011–2018年美國國家健康與營養(yǎng)調(diào)查（NHANES）數(shù)據(jù)，剔除缺失值后納入6888名參與者。肌少癥通過經(jīng)體重指數(shù)（BMI）調(diào)整的骨骼肌質(zhì)量（ASMBMI）進(jìn)行定義。采用廣義線性回歸、貝葉斯核機(jī)回歸（BKMR）及貝葉斯半?yún)?shù)回歸模型分析膳食礦物質(zhì)的聯(lián)合關(guān)聯(lián)及交互作用。

　　

　　結(jié)果： 研究發(fā)現(xiàn)，加權(quán)后的礦物質(zhì)組合（尤其是硒）與肌少癥呈負(fù)相關(guān)。礦物質(zhì)混合物水平（特別是硒）越高，肌少癥發(fā)生風(fēng)險(xiǎn)越低，其中硒、鋅、鈣和鈉的影響最為顯著。

　　

　　討論： 本研究提示硒是肌少癥的潛在影響因素。未來需更多前瞻性研究驗(yàn)證硒與肌少癥患病率的關(guān)聯(lián)。

　　

　　4

　　

　　齊天浩

　　

　　中國科學(xué)技術(shù)大學(xué)

　　

　　中國科學(xué)技術(shù)大學(xué)信息科學(xué)技術(shù)學(xué)院信息與通信工程專業(yè)博士研究生，師從張勇東教授和謝洪濤教授，主要研究方向?yàn)榭缒B(tài)視覺內(nèi)容生成和長尾目標(biāo)檢測。在長尾目標(biāo)檢測方向，他提出了統(tǒng)一框架BACL（IEEE TMM 2023）；在跨模態(tài)視覺內(nèi)容生成方向，他先后提出了高效風(fēng)格化擴(kuò)散模型DEADiff（CVPR 2024 Highlight）和多場景長視頻生成模型Mask²DiT（CVPR 2025）。目前擔(dān)任ICLR、ACM MM等頂級會議及IJCV、TMM等期刊的審稿人。

　　

　　報(bào)告題目

　　

　　Mask²DiT: Dual Mask-based Diffusion Transformer for Multi-Scene Long Video Generation

　　

　　報(bào)告摘要

　　

　　Sora在單場景視頻生成中展示了擴(kuò)散Transformer (DiT) 架構(gòu)的巨大潛力。然而，對于更具挑戰(zhàn)性且應(yīng)用更廣泛的多場景視頻生成任務(wù)的研究仍然較少。為填補(bǔ)這一空白，我們提出了 Mask²DiT，一種在視頻片段與其對應(yīng)文本注釋之間建立細(xì)粒度一一對齊的新方法。具體而言，我們在DiT架構(gòu)的每個注意力層中引入對稱二值掩碼，確保每條文本注釋僅作用于其對應(yīng)的視頻片段，同時在視覺token之間保留時序一致性。該注意力機(jī)制實(shí)現(xiàn)了精確的片段級文本–視覺對齊，使DiT架構(gòu)能夠高效處理具有固定場景數(shù)的視頻生成任務(wù)。為了進(jìn)一步賦予DiT架構(gòu)基于已有場景生成額外場景的能力，我們又引入了片段級條件掩碼，使每個新生成的片段都以上一片段作為條件，從而支持自回歸式的場景擴(kuò)展。定性和定量實(shí)驗(yàn)均證明，Mask²DiT在保持跨片段視覺一致性的同時，確保了每個片段與對應(yīng)文本描述之間的語義對齊。項(xiàng)目主頁：https://tianhao-qi.github.io/Mask2DiTProject/

　　

　　3

　　

　　分論壇海報(bào)

　　

　　01

　　

　　魯家興

　　

　　作者單位：遼寧工程技術(shù)大學(xué)

　　

　　Poster題目：基于改進(jìn)LSTM的電商需求預(yù)測方案

　　

　　02

　　

　　矯立岳，李長勇

　　

　　作者單位：山東大學(xué)法學(xué)院

　　

　　Poster題目：老年人數(shù)字化生活權(quán)的法治保障；積極老齡化視角下“銀發(fā)數(shù)字鴻溝”的法治彌合路徑

　　

　　03

　　

　　李冰凝

　　

　　作者單位：中央財(cái)經(jīng)大學(xué)

　　

　　Poster題目：人才流失風(fēng)險(xiǎn)對企業(yè)ESG社會維度表現(xiàn)的影響——基于中國上市公司的經(jīng)驗(yàn)證據(jù)

　　

　　北京高校人工智能聯(lián)盟

　　

　　/  AIABU  /

　　

　　主辦單位

　　

　　清華大學(xué)自動化系研究生會

　　

　　中國科學(xué)院自動化研究所研究生會

　　

　　承辦單位

　　

　　北京大學(xué)軟件與微電子學(xué)院研究生會

　　

　　北京大學(xué)智能學(xué)院研究生會

　　

　　北京航空航天大學(xué)自動化科學(xué)與電氣工程學(xué)院研究生會

　　

　　北京交通大學(xué)電子信息工程學(xué)院研究生會

　　

　　北京交通大學(xué)自動化與智能學(xué)院研究生會

　　

　　北京科技大學(xué)智能科學(xué)與技術(shù)學(xué)院研究生會

　　

　　北京理工大學(xué)自動化學(xué)院研究生會

　　

　　北京郵電大學(xué)計(jì)算機(jī)學(xué)院（國家示范性軟件學(xué)院）研究生會

　　

　　中國科學(xué)院大學(xué)人工智能學(xué)院學(xué)生會

　　

　　中國科學(xué)院計(jì)算技術(shù)研究所研究生會

　　

　　中國科學(xué)院軟件研究所研究生會

　　

　　中國科學(xué)院信息工程研究所研究生會

　　

　　中國農(nóng)業(yè)大學(xué)工學(xué)院研究生會

　　

　　中國人民大學(xué)信息學(xué)院研究生會

　　

　　中國醫(yī)學(xué)科學(xué)院阜外醫(yī)院研究生會

　　

　?。ㄒ陨厦麊伟凑掌匆襞判颍?/div>