陳春林作《面向復(fù)雜場(chǎng)景的機(jī)器人學(xué)習(xí)與知識(shí)發(fā)現(xiàn)》報(bào)告。報(bào)告從機(jī)器人學(xué)習(xí)的具身性特征出發(fā)，探討其在復(fù)雜場(chǎng)景下的知識(shí)建模與決策優(yōu)化方法?；跈C(jī)器人學(xué)與機(jī)器學(xué)習(xí)的交叉視角，報(bào)告將梳理示教學(xué)習(xí)、分層強(qiáng)化學(xué)習(xí)等核心技術(shù)的演進(jìn)路徑，并結(jié)合工業(yè)制造、醫(yī)療輔助等領(lǐng)域的典型案例，闡釋如何通過(guò)多模態(tài)感知、動(dòng)態(tài)環(huán)境建模及人機(jī)協(xié)同機(jī)制實(shí)現(xiàn)知識(shí)的自主挖掘與泛化遷移。并分析當(dāng)前面臨的學(xué)習(xí)效率與數(shù)據(jù)稀缺性、安全可解釋性約束、類(lèi)腦計(jì)算范式創(chuàng)新等五大挑戰(zhàn)。最后，結(jié)合量子控制、腦機(jī)接口等前沿方向，提出構(gòu)建“感知-推理-交互-進(jìn)化”閉環(huán)的下一代智能系統(tǒng)框架，為知識(shí)發(fā)現(xiàn)從實(shí)驗(yàn)室到產(chǎn)業(yè)化的跨越提供理論支撐與技術(shù)路徑。

周獻(xiàn)中作《智能博弈中的人機(jī)融合決策》報(bào)告。報(bào)告聚焦智能博弈場(chǎng)景下的人機(jī)融合決策理論與技術(shù)，探討如何通過(guò)自然智能與人工智能的深度協(xié)同，實(shí)現(xiàn)復(fù)雜動(dòng)態(tài)博弈中的高效知識(shí)發(fā)現(xiàn)與策略?xún)?yōu)化。報(bào)告以“人件技術(shù)（Humanware）”為核心，提出人機(jī)多通道協(xié)同交互框架，結(jié)合意圖識(shí)別、動(dòng)態(tài)置信校準(zhǔn)與分層強(qiáng)化學(xué)習(xí)技術(shù)，構(gòu)建面向動(dòng)態(tài)博弈環(huán)境的混合決策模型。針對(duì)人機(jī)認(rèn)知偏差與異構(gòu)系統(tǒng)協(xié)同難題，報(bào)告將分析多模態(tài)數(shù)據(jù)（如語(yǔ)音、文本、態(tài)勢(shì)圖）的語(yǔ)義對(duì)齊方法，闡釋大語(yǔ)言模型在博弈策略生成與可解釋性增強(qiáng)中的作用，并通過(guò)兵棋推演、智能博弈對(duì)抗等場(chǎng)景案例，展示人機(jī)協(xié)同決策在意圖推理、多任務(wù)推演及動(dòng)態(tài)資源調(diào)度中的實(shí)踐價(jià)值。進(jìn)一步，圍繞開(kāi)放環(huán)境下的博弈不確定性，提出基于量子博弈論與元學(xué)習(xí)的動(dòng)態(tài)適應(yīng)策略，探討人機(jī)互信機(jī)制與博弈均衡狀態(tài)的協(xié)同優(yōu)化路徑，為智能博弈從理論到實(shí)戰(zhàn)的跨越提供方法論支撐。報(bào)告最后將展望量子計(jì)算、腦機(jī)接口與具身智能的交叉融合方向，揭示人機(jī)融合決策在軍事推演、應(yīng)急指揮、智慧城市等領(lǐng)域的廣泛應(yīng)用前景。

李華雄作《多模態(tài)學(xué)習(xí)與多視圖聚類(lèi)及其優(yōu)化》報(bào)告。本報(bào)告圍繞多模態(tài)學(xué)習(xí)與多視圖聚類(lèi)的理論與優(yōu)化方法，探討其在人工智能與知識(shí)發(fā)現(xiàn)領(lǐng)域的核心價(jià)值與應(yīng)用潛力。針對(duì)多模態(tài)數(shù)據(jù)（如圖像、文本、時(shí)序信號(hào)）的異構(gòu)性與高維性，報(bào)告將系統(tǒng)性闡述基于交替方向乘子法（ADMM）的跨模態(tài)哈希學(xué)習(xí)框架語(yǔ)義對(duì)齊與自適應(yīng)標(biāo)簽關(guān)聯(lián)技術(shù)，提升多源異構(gòu)數(shù)據(jù)的檢索效率與知識(shí)泛化能力。結(jié)合特征解耦與圖學(xué)習(xí)理論，提出多視圖聚類(lèi)模型，解決開(kāi)放場(chǎng)景下噪聲敏感、信息冗余等難題，為工業(yè)控制、醫(yī)療影像分析、智能博弈等領(lǐng)域的多源數(shù)據(jù)融合提供方法論支撐。同時(shí)，報(bào)告將分析弱監(jiān)督場(chǎng)景下的魯棒優(yōu)化策略，包括代價(jià)敏感三支決策、噪聲抑制機(jī)制及動(dòng)態(tài)權(quán)重分配技術(shù)，探索如何通過(guò)風(fēng)險(xiǎn)最小化方法平衡分類(lèi)精度與模型可解釋性，揭示多視圖聚類(lèi)在動(dòng)態(tài)數(shù)據(jù)流適配與用戶(hù)意圖建模中的創(chuàng)新價(jià)值。最后，展望未來(lái)研究方向與技術(shù)挑戰(zhàn)，為人工智能驅(qū)動(dòng)的知識(shí)發(fā)現(xiàn)與決策優(yōu)化提供理論工具鏈與實(shí)踐參考。

賈修一作《知識(shí)發(fā)現(xiàn)驅(qū)動(dòng)的標(biāo)記分布學(xué)習(xí)》報(bào)告。報(bào)告圍繞知識(shí)發(fā)現(xiàn)驅(qū)動(dòng)的標(biāo)記分布學(xué)習(xí)理論與方法，系統(tǒng)闡述其在復(fù)雜數(shù)據(jù)場(chǎng)景下的創(chuàng)新價(jià)值與應(yīng)用潛力。標(biāo)記分布學(xué)習(xí)作為一種新型機(jī)器學(xué)習(xí)范式，突破傳統(tǒng)多標(biāo)記學(xué)習(xí)的局限性，通過(guò)描述度量化標(biāo)記間的相對(duì)重要性差異，為多義性對(duì)象（如醫(yī)學(xué)影像多病癥關(guān)聯(lián)、自然語(yǔ)言多情感表達(dá)）提供更精細(xì)的語(yǔ)義建模框架。針對(duì)標(biāo)記分布隱含的序關(guān)系與相關(guān)性特征，報(bào)告提出基于知識(shí)發(fā)現(xiàn)的動(dòng)態(tài)優(yōu)化策略：一方面，融合全局標(biāo)記相關(guān)性與局部樣本關(guān)聯(lián)性，構(gòu)建低秩近似與流形正則化聯(lián)合優(yōu)化模型，提升年齡估計(jì)、自閉癥檢測(cè)等任務(wù)的可解釋性與泛化能力；另一方面，結(jié)合知識(shí)圖譜與元學(xué)習(xí)技術(shù)，從異構(gòu)數(shù)據(jù)中挖掘潛在標(biāo)記分布規(guī)律，實(shí)現(xiàn)跨領(lǐng)域知識(shí)遷移與增量式學(xué)習(xí)。報(bào)告展示標(biāo)記分布學(xué)習(xí)在醫(yī)療影像多標(biāo)簽診斷、工業(yè)設(shè)備多狀態(tài)監(jiān)測(cè)等場(chǎng)景的實(shí)踐案例，通過(guò)動(dòng)態(tài)置信校準(zhǔn)與代價(jià)敏感三支決策方法，解決數(shù)據(jù)噪聲干擾與標(biāo)記缺失問(wèn)題，顯著提升模型魯棒性。同時(shí)，探討大語(yǔ)言模型與標(biāo)記分布學(xué)習(xí)的協(xié)同機(jī)制，探索基于提示工程的標(biāo)記增強(qiáng)技術(shù)，為多模態(tài)數(shù)據(jù)（如文本-圖像聯(lián)合分析）提供統(tǒng)一表征空間。最后展望知識(shí)發(fā)現(xiàn)驅(qū)動(dòng)的自適應(yīng)標(biāo)記分布學(xué)習(xí)在開(kāi)放動(dòng)態(tài)環(huán)境下的挑戰(zhàn)，如小樣本泛化、多粒度語(yǔ)義融合等方向，為人工智能與知識(shí)發(fā)現(xiàn)領(lǐng)域提供方法論參考與技術(shù)工具鏈支撐。

俞奎作《因果結(jié)構(gòu)學(xué)習(xí)與魯棒機(jī)器學(xué)習(xí)問(wèn)題初探》報(bào)告。構(gòu)建魯棒的機(jī)器學(xué)習(xí)模型是實(shí)現(xiàn)安全、可信、可靠的新一代人工智能技術(shù)的重要基礎(chǔ)之一。因果推斷通過(guò)發(fā)現(xiàn)數(shù)據(jù)中的因果關(guān)系揭示數(shù)據(jù)背后的規(guī)律與機(jī)制，為構(gòu)建魯棒的機(jī)器學(xué)習(xí)模型提供了有效途徑。因此，如何從因果推斷視角探索機(jī)器學(xué)習(xí)模型的魯棒性問(wèn)題是目前機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)研究課題。在 Pearl’s 因果推理模型框架下，因果結(jié)構(gòu)學(xué)習(xí)是因果推斷前提。近 20 年來(lái)，因果結(jié)構(gòu)學(xué)習(xí)一直是因果推理領(lǐng)域的核心研究方向。探索如何高效的從數(shù)據(jù)中學(xué)習(xí)因果結(jié)構(gòu)以及探討因果結(jié)構(gòu)學(xué)習(xí)與機(jī)器學(xué)習(xí)模型的魯棒性問(wèn)題，是因果推斷與機(jī)器學(xué)習(xí)融合的重要研究方向。