CCF-百度松果基金青年学者交流会 | CNCC

作为百度“1000万AI人才培养计划”的重要组成部分，CCF-百度松果基金自成立以来备受学界关注。本届基金共设置八大课题方向，鼓励学者深耕深度学习相关的基础理论与技术的同时，设置大语言模型、跨模态大模型技术及AI科学计算方向等。

百度飞桨总架构师

个人简介：CCF高级会员，正高级工程师。现任飞桨（PaddlePaddle）深度学习平台总架构师、百度机器学习技术监督委员会主席。2008年从北京大学毕业后加入百度公司，长期从事人工智能基础技术和平台的研发工作，具备丰富的产业应用经验。主持及参与多项国家重点科技项目课题研究，在 ACL、IJCAI、ICLR等人工智能相关国际会议、期刊发表论文20余篇，已获授权专利 100 余项。曾获北京市科学技术进步奖一等奖、中国电子学会科技进步一等奖、世界互联网大会领先科技奖。2019 年荣获“CCF杰出工程师奖”。

CCF常务理事、百度高校合作部总监

个人简介：百度高校合作部总监。

百度飞桨总架构师

个人简介：CCF高级会员，正高级工程师。现任飞桨（PaddlePaddle）深度学习平台总架构师、百度机器学习技术监督委员会主席。2008年从北京大学毕业后加入百度公司，长期从事人工智能基础技术和平台的研发工作，具备丰富的产业应用经验。主持及参与多项国家重点科技项目课题研究，在 ACL、IJCAI、ICLR等人工智能相关国际会议、期刊发表论文20余篇，已获授权专利 100 余项。曾获北京市科学技术进步奖一等奖、中国电子学会科技进步一等奖、世界互联网大会领先科技奖。2019 年荣获“CCF杰出工程师奖”。

报告题目：飞桨+文心：协同优化 开源并进

报告摘要：大模型时代，深度学习平台面临全新的挑战。而大模型的快速技术创新迭代和产业应用落地，离不开基础设施的坚实支撑。大模型效果和成本的极致优化和平衡，需要算法和工程的深度协同优化。过去的时间里，飞桨平台在支撑文心大模型高效迭代的同时，内核架构和开发界面快速演进革新。今年上半年，面向大模型的新一代深度学习框架飞桨3.0成功发布，文心大模型 4.5 系列模型也正式开源，标志着自主创新的AI 基础底座在技术协同优化与开源生态建设上迈出了关键一步。本报告将系统介绍飞桨和文心大模型的深度协同优化经验，包括飞桨框架升级、文心大模型演进，以及对应的大规模分布式训练和推理部署技术，并分享大模型时代框架和模型协同的开源实践。

百度深度学习技术平台部杰出架构师

个人简介：百度深度学习技术平台部杰出架构师，主要研究方向包括自然语言处理、深度学习框架、科学智能等。设计了飞桨2.0全新API体系，打造飞桨动静统一、训推一体特色；突破飞桨框架3.0自动并行、神经网络编译器、高阶自动微分等技术，研制飞桨科学计算工具组件赛桨，实现微分方程高效求解，助力科学探索。研究成果曾获国家科技进步二等奖、中国电子学会科技进步一等奖、北京市科技进步一等奖等。

报告题目：飞桨框架3.0加速科学探索与应用

报告摘要：飞桨框架3.0通过高阶自动微分、神经网络编译器等核心特性，显著提升微分方程求解效率，加速科学探索进程。基于该框架，我们研发了智能流体力学开发套件PaddleCFD，聚焦深度代理模型加速计算流体力学仿真，支持数值模拟加速、方程发现、形状优化及控制策略生成。同步推出的智能材料科学开发套件PaddleMaterials，构建数理双驱、通用与专用能力融合的材料智能研发平台，推动AIfor Materials的前沿探索与工业落地。本报告将系统阐释飞桨框架3.0的设计理念与核心优势，并深度解析两大开发套件在流体力学与材料科学领域的创新应用与实践价值。

浙江大学计算机科学与技术学院百人计划研究员、博士生导师

个人简介：浙江大学计算机科学与技术学院百人计划研究员、博士生导师，入选国家级青年人才项目，获首届谷歌学术研究奖、斯坦福全球前2%顶尖科学家等荣誉。曾在澳大利亚悉尼科技大学担任助理教授。主要研究方向为科学智能、智能仿真、人工智能通用基础模型等。曾获美国国家标准总局TRECVID LOC等8项国际竞赛冠军。担任NeurIPS、ECCV、CVPR等国际会议领域主席，并多次在国际会议上组织专题研讨会。

报告题目：智能流体仿真和设计

报告摘要：AI驱动的智能流体仿真与设计旨在融合数据和机理方法，显著提升科学计算设计效率和精度。在方程求解方面，本报告将介绍基于谱学习的物理混合器，该方法有效统一了基于注意力和基于谱的方程求解方法，整合注意力机制的局部灵活性和谱方法的全局泛化能力。在逆向设计方面，本报告将介绍基于生成式AI的物质序列逆向设计方法，实现从功能到序列的高效反向映射。本报告将展示AI驱动技术如何在流体力学、材料科学、生物医学等领域革新科学仿真与设计流程，加速科学发现和工程创新。

华南理工大学计算机科学与工程学院教授、博士生导师、副院长

个人简介：华南理工大学计算机科学与工程学院副院长，教授，博士生导师，国家自然科学基金委重点基金项目、国家优秀青年科学基金和广东省杰出青年基金获得者。主要从事大模型优化、情感智能等人工智能基础算法及相关应用研究，在ICLR、ACL、IJCAI、TCYB、TKDE等人工智能领域高水平会议与国际重要期刊发表论文160余篇，2024-2025连续两年入选Elsevier全球前2%顶尖科学家榜单，担任IEEE Transactions on Affective Computing，IEEE Transactions on Computational Social Systems、Journal of Intelligent Manufacturing、Brain Informatics等期刊副主编。

报告题目：面向复杂场景的无价值模型强化学习优化算法

报告摘要：随着大模型在通用能力上取得突破性进展，其行为与人类价值观、复杂场景任务目标的对齐已成为领域的前沿焦点。在此背景下，以大规模强化学习为核心的后训练范式，将大模型从被动的“知识库”转变为能主动思考、接受反馈并持续优化的“智能体”，完成了从能力构建到意图对齐的关键跨越。因此，本报告聚焦多模态智能体多轮交互场景，针对大模型强化学习后训练过程出现的收敛性与稳定性差、价值表达趋同、奖励稀疏的问题，介绍面向复杂场景的无价值模型强化学习优化方法，探索大模型强化微调框架在少样本、主观理解、多轮交互等复杂场景下的稳定性与有效性，并实现大模型强化微调框架适用场景从通用到复杂、交互能力从单轮到多轮的全面拓展与强化。

华中科技大学计算机学院副教授，博士生导师

个人简介：王雄，华中科技大学计算机学院副教授，博士生导师。湖北省海外高层次人才、东湖青年学者、ACM新星（武汉）、电子学会优博。 研究方向包括机器学习系统，大模型训练与推理，分布式学习，联邦学习，数据中心网络。已在国内外顶级学术会议或期刊ATC, SECURITY, INFOCOM, KDD, TON, JSAC, TMC等发表论文50余篇，公开和授权专利15项，2024年入选斯坦福大学和爱思唯尔发布的信息与通信技术领域全球前2％顶尖科学家，担任CCF物联网、分布式系统与计算等专委执行委员。

报告题目：混合专家大模型（MoE）训练与推理框架

报告摘要：基于混合专家（MoE）架构的大模型（如 DeepSeek R1、Qwen-MoE）通过有效扩展参数显著提升了性能，同时降低了单位计算成本。然而，其庞大的模型规模和高昂的通信开销，也给分布式训练及推理部署带来严峻挑战。本次报告将聚焦 MoE 在训练与推理环节的关键问题，重点介绍提出的基于专家热度分析的高效训练策略与推理部署方案，旨在显著提升 MoE 模型的整体训推效率。

上海交通大学计算机学院副教授

个人简介：上海交通大学计算机学院副教授。研究方向为人工智能与计算机图形学。2015年博士毕业于伦敦大学学院。迪士尼研究院负责华特迪士尼幻想工程AI Character 项目研发。在IEEE VR、CVPR、CHI和TVCG等国际顶级会议和期刊上，累计发表学术论文50余篇，第一作者或通讯作者的CCF A类论文25篇，授权美国专利 2项，中国专利1项。受邀担任IJHCS （CCF A类）期刊编委，IEEE VR/TVCG（ CCF A类）程序委员会委员。获IEEEVR 2025最佳论文提名奖，迪士尼创新奖（排名第一），福布斯中国30位30岁以下（科学）精英榜，入选上海海外高层次人才引进计划，中国图学学会青年人才托举工程。

报告题目：高可靠性图像生成编辑算法研究

报告摘要：图像交互式编辑已成为AIGC领域的核心方向，但特定场景的编辑效果仍存在瓶颈。现有算法如GPT4o虽在多轮交互和指令遵循上表现突出，但其在文字修改（如多语言排版精度、字符与背景融合度）和人物生成（如姿态变换中面部特征一致性、身份保持）等场景存在明显不足——例如处理阿拉伯语连写时易出现字符粘连，人物坐姿转站姿后身份漂移，难以满足高精度编辑需求。本项目旨在解决上述问题，通过构建图像生成编辑统一模型，突破现有技术局限，推动AIGC在电商设计、虚拟人定制等场景的落地应用。

南京信息工程大学助理教授

个人简介：博士，南京信息工程大学智慧气象研究院助理教授，硕士生导师，江苏省“科技副总”，中国气象局青年创新团队成员、国家气候中心创新团队特聘专家， CCF YOCSEF南京分论坛主席会议成员，CCF计算机应用专委会执委，主要从事AI for Science的研究，尤其是机AI极端天气的预报，获得山东省优秀博士学位论文、山东省计算机学会优秀博士学位论文等。 主持国家自然科学基金、江苏省自然科学基金等项目多项；在AAAI，IEEE/ACM Trans、ESWA等知名国际期刊和会议发表学术论文30余篇，担任JMEE、热带海洋气象学报、气象与环境学报等期刊青年编委、Nature Communications、Science Advances、ACM MM等知名期刊或会议审稿人。

报告题目：融合物理机制的台风智能预报基础模型研究

报告摘要：台风是中国影响最严重的极端天气之一。我国台风预报面临路径、强度突变及突发性增幅的三大难题，精准预报“突变”仍存挑战。虽然“盘古”“风乌”等大模型取得一定进展，但在极端事件预报方面仍存在平滑、难捕捉极端性的局限。本报告将介绍我们之前在融合物理机制方面的探索工作，包括物理-统计-人工智能结合模型等，这些尝试在提升预警能力方面取得了一定的成效。为突破现有难题，本项目提出打造专用的轻量化多模态基础模型，利用自监督学习，从多源卫星和环境数据自主学习台风演变规律，减轻对标注数据的依赖。核心目标是开发“基础大模型”，通过微调适应多任务需求，包括强度、路径预报和风险评估，结合可解释性AI，深入揭示台风突变的物理机理，从而实现关键预报难题的突破。