因果推理与大模型：理论、方法与应用｜CNCC Tutorial

浙江大学计算机学院副教授，博士生导师，人工智能系副主任。主要研究方向为因果推理、因果可信学习和智慧司法。在Cell Patterns, TPAMI, TKDE, ICML, NeurIPS, KDD等相关领域顶级期刊及会议上发表论文100余篇。作为项目/ 课题负责人承担国家重点研发专项、国家自然科学基金等项目，曾获ACM SIGAI中国新星奖，中国科协青年人才托举工程项目，吴文俊人工智能科技进步一等奖，教育部科技进步一等奖，中国电子学会科技进步一等奖。

现任浙江大学本科生院院长、人工智能教育教学研究中心主任，国家教材建重点研究基地（高等学校人工智能教材研究）执行主任。求是特聘教授，国家杰青，CAAI Fellow，中国人工智能学会教育工作委员会主任委员，国务院学位委员会智能科学与技术学科评议组成员、科技部科技创新2030“新一代人工智能”重大项目指南编制专家，教育部人工智能科技创新专家组工作组组长（2018.8-2020.12）、中国工程院院刊《Engineering》信息与电子工程学科执行主编和中国工程院信息学部分刊信息电子前沿《Frontiers of Information Technology & Electronic Engineering》执行副主编。负责教育部“101”计划计算机核心课程《人工智能引论》课程教材建设。浙江大学第九届永平杰出教学贡献奖获得者。曾获教育部科技进步一等奖（排名第一）和中国电子学会科技进步一等奖（排名第一）。著有《人工智能导论：模型与算法》、《人工智能引论》和《走进人工智能》（高等教育出版社），开设国家级首批线上一流课程《人工智能：模型与算法》。在人工智能、多媒体分析与检索、跨媒体计算等领域有突出贡献。

报告摘要：现阶段以数据驱动、关联学习为模式的机器学习方法（包括深度学习、大语言模型等）倾向于在数据驱动下对变量之间关联关系进行统计建模，缺乏以知识指导机制实现变量之间“由果溯因”的因果推断与分析有效方法。复杂数据中变量间关联关系的来源包括因果、混杂偏差和选择偏差，其中由混杂偏差和选择偏差导致的关联为虚假关联，会随着数据、时间和环境等变化而变化，导致以数据驱动、关联学习为模式的机器学习方法存在解释性不强、稳定性不高、泛化性不广等不可信问题。在这次报告中，我将重点介绍（1）复杂环境下因果推断；（2）因果启发的稳定可泛化学习；（3）大模型下存在的虚假关联和灾难性遗忘等问题；（4）从因果回归到因果transformer看因果如何赋能大语言模型的一些思考。

个人简介：况琨，浙江大学计算机学院副教授，博士生导师，人工智能系副主任。主要研究方向为因果推理、因果可信学习和智慧司法。在Cell Patterns, TPAMI, TKDE, ICML, NeurIPS, KDD等相关领域顶级期刊及会议上发表论文100余篇。作为项目/ 课题负责人承担国家重点研发专项、国家自然科学基金等项目，曾获ACM SIGAI中国新星奖，中国科协青年人才托举工程项目，吴文俊人工智能科技进步一等奖，教育部科技进步一等奖，中国电子学会科技进步一等奖。

报告摘要：我们现在站在下一代通用人工智能的临界点上。传统AI模型在处理表格、知识图谱等结构化数据时，往往沦为孤立的专家系统，与融会贯通的通用智能的愿景相去甚远。我们提出的LimiX模型，正是要打破这一壁垒，其核心贡献在于首次将通用大模型的强大认知能力，系统地注入到广阔的结构化数据领域。这不仅仅是技术的进步，更是一次范式的转变：我们成功构建了一个能够统一理解、深度推理乃至创造性挖掘海量、异构结构化数据的“通用大脑”。尤为关键的是，这一突破为因果推理这一AI皇冠上的明珠提供了前所未有的丰沃土壤。结构化数据中天然蕴含的复杂关系链与层级依赖，是学习发现因果机制能力的关键。LimiX所实现的统一概率建模与关系推理能力，使得模型能够超越表面相关性的束缚，从亿万级的数据关联中稳健地识别因果效应、进行反事实推演成为可能，这将极大地推动AI在科学研究、工业生产、精准医疗和战略决策等关键领域的深度应用，为我们最终迈向真正具有因果理解能力的通用智能，铺就了一条清晰而坚实的道路。

个人简介：清华大学计算机系助理研究员，在国际顶级学术会议和期刊发表论文20余篇，谷歌学术引用6000余次，清华大学水木学者，提出了深度稳定学习框架，LimiX项目主导者

CNCC2025将于10月22-25日在哈尔滨举办。专题论坛将在往年多样化主题的基础上，首次通过“基础-前沿-未来”的一体化设计，满足不同背景参会者的需求，构建从知识获取到创新激发的完整路径，打造系统化、进阶式的参会体验。重点设置9大主题板块，每个主题板块的专题论坛由三大核心模块组成：面向前沿领域的体系性Tutorial、聚焦前沿突破的专题论坛以及探讨未来发展路径的思辨论坛。Tutorial作为这一设计的起点，为参会者构建坚实的共同知识基础，能够深度参与后续的前沿报告理解与未来方向思辨。同时面向青年学者、行业新锐等人群，通过系统性教学，助力赋能青年人才发展。