社会学习

报告摘要

对时尚潮流、新闻传播、信息茧房等社会现象进行建模和分析一直以来都是社会科学、计算机科学、复杂系统科学等领域交叉研究中的重要问题，而群体认知一致的产生与调节也是群体智能研究中的关键问题。受限于传统的贝叶斯社会学习模型理论分析的高度复杂性并得益于复杂网络理论的发展，非贝叶斯社会学习在近年来成为了热门研究话题，主要探索多智能体如何通过信息更新和交互来逐步学习世界潜在的真实状态并达成共识。本报告将系统介绍社会学习这一交叉领域的研究脉络及其在计算机科学和工程技术方面的广泛应用，以及团队在该领域的前沿进展，揭示有趣的社会规律。

报告人简介 

冷思阳，复旦大学工程与应用技术研究院研究员，智能复杂体系基础理论与关键技术实验室兼聘研究员，博士生导师，本科与博士毕业于复旦大学数学科学学院，师从林伟教授，曾任日本东京大学生产技术研究所特任研究员。从事非线性动力系统、复杂网络、人工智能、计算系统生物学等领域的应用数学理论、模型、算法等交叉研究，成果发表在Nature Communications, PRL, PNAS, Research, Neural Networks等国际重要学术期刊和IEEE CDC等国际顶级学术会议上，获得2019年世界华人数学家联盟最佳论文奖、2022年《Research》优秀论文奖等，主持或参与多个国家级和省部级科研项目的研究工作，2021年入选国家级青年人才计划。担任复旦大学腾飞书院导师、《复旦学报（自然科学版）》编委。

多智能体系统协同控制理论与应用

报告摘要

群体智能系统凭借其低成本性、强适应性和可扩展性在各个领域包括智能交通、抗险救灾、航空航天以及国防安全受到广泛关注。为了进一步实现群体智能系统在复杂网络化场景下的潜在应用，对其系统的灵活性、鲁棒性和安全性提出了新的需求。多智能体协同控制的核心问题是如何设计分布式的协同控制算法，在仅依赖局部信息交互条件下实现全局群体复杂行为。本报告将概述网络化多智能体系统以及多刚体系统在分布式协同控制理论研究方面的最新进展和成果，并介绍分布式系统控制理论在机械臂、移动机器人以及无人机集群等方面的应用。

报告人简介

金鑫，智能复杂体系基础理论与关键技术实验室研究员，长期从事网络化多智能体系统的协同控制与决策研究，研究成果在Automatica、IEEE汇刊等重要国际期刊/顶级会议发表论文20余篇，且担任多本IEEE汇刊审稿人。入选中国科协青年人才托举工程、上海启明星(扬帆专项)计划，同时入选2021年上海市“超级博士后”激励计划，主持中国博士后科学基金项目2项，作为技术负责人参与国家自然科学基金重点项目，并参与多项中央军委科技委基金项目和国家自然科学基金面上项目。

大模型的科学挑战

报告摘要

大模型在人工智能多个领域显示出极强的通用性，极大地推动了下游任务上的性能提升。但是，但是大模型依然存在很多科学挑战，包括模型架构、长序列处理、推理、幻觉、可解释性、多模态融合、评估等问题。本报告主要介绍大模型的主要科学挑战以及对未来研究的展望。

报告人简介

邱锡鹏，复旦大学计算机学院教授，主要研究方向为自然语言处理基础技术和基础模型，曾获中国科协青年人才托举工程项目、国家优青等项目，获钱伟长中文信息处理科学技术奖一等奖， “爱思唯尔2022中国高被引学者”，主持开发了开源框架FudanNLP和FastNLP，已被国内外数百家单位使用，发布了MOSS、CPT、BART-Chinese等中文预训练模型，在中文模型中下载量排名前列。目前MOSS已经成为国内影响力最大的开源大型语言模型之一。

DISC-X：面向数字社会治理的领域大模型微调技术研究

报告人简介

魏忠钰，复旦大学大数据学院副教授，智能复杂体系实验室双聘研究员，博士生导师，复旦大学数据智能与社会计算实验室（Fudan DISC）负责人，复旦大学自然语言处理 （Fudan NLP）团队成员，香港中文大学博士，美国德州大学达拉斯分校博士后。现任中国中文信息学会情感计算专委会副秘书长，青年工作委员会执委会副主任等职务。担任多个重要国际会议包括EMNLP、ACL的高级领域主席和组织委员会成员。主要研究领域包括自然语言处理，大模型技术和社会计算，在国内外相关领域高水平会议及期刊发表论文80余篇。曾获得2019年度中国中文信息学会社会媒体处理新锐奖， 2021年上海市启明星计划，2022年中国计算机学会自然语言处理新锐学者奖等。

Transforming Biological Understanding: The Emerging Influence of Foundation Models

报告摘要

语言模型已经在诸多领域（例如自然语言处理和多模态应用中）表现出卓越效果的有力工具。近期，语言模型在蛋白质结构预测领域的应用也取得了令人鼓舞的进展。基于此，我们将探讨语言模型在生物领域的发展及其在分子结构预测中的作用。通过将大量的无标注序列数据与语言模型相结合，我们希望为探索生物数据提供更多新的可能性。

报告人简介

孙思琦，本科毕业于复旦大学数学系，博士毕业于TTIC研究院。2018-2022年继续在微软研究院开展研究，2022至今在复旦大学智能复杂体系基础理论与关键技术实验室与上海人工智能实验室担任青年研究员。致力于深度学习在生命科学和自然语言处理等交叉学科中的应用研究,并侧重于提高模型的精度和速度，解决模型在实践落地中的具体问题。在ACL、EMNLP、NAACL、NeurIPS、ICML、PLOS Computational Biology等会议和刊物上发表多篇有影响力的论文。

请扫码报名

讲习班地址：上海市杨浦区邯郸路220号智库楼106会议室

场地有限，先到先得。

主办单位

复旦大学智能复杂体系基础理论与关键技术实验室

协办单位

复旦发展研究院

基金支持

国家自然科学基金委员会交叉科学部