报告题目1：面向视觉识别的深度长尾数据学习

主讲人：张晓明，香港浸会大学讲席教授

报告题目2：基于模型与优化重平衡的长尾学习

主讲人：姚江超 ，上海交通大学 副教授

报告题目3：基于性能曲线的机器学习方法初探

主讲人：杨智勇 ，中国科学院大学 副教授

报告题目4：从判别式到生成式长尾学习探索

主讲人：魏通 ，东南大学 副教授

报告题目5：小样本增量学习理论与方法

主讲人：张继 ，东南大学 副教授

报告题目6：基于多粒度知识迁移的长尾分布学习

主讲人：周玉灿 ，天津大学 副教授

报告题目7：大模型推理流形的几何度量及长尾领域模型评价

主讲人：马彦彪 ，中国人民大学高瓴人工智能学院讲师

报告时间：2026年11月21日（星期六）14：00-17：00

报告地点：信息学院4号楼106室

报告题目1：面向视觉识别的深度长尾数据学习

主讲人：张晓明，香港浸会大学讲席教授

报告时间：2026年11月21日（星期六）14：00-17：00

报告地点：信息学院4号楼106室

报告摘要：

Although deep learning has made great progress, a good model often requires a large amount of artificially balanced and annotated data. Unfortunately, real-world data are often unbalanced, typically exhibiting a long-tailed distribution, which refers to a small number of classes with abundant training samples but the remaining large number of classes only with very few training instances.

报告人简介：

Yiu-ming Cheung is currently the Chair Professor (Artificial Intelligence) in the Department of Computer Science, Associate Dean for the Faculty of Science and Technology, Dean of the Institute for Research and Continuing Education (IRACE), and Associate Director of the Institute of Computational and Theoretical Studies at Hong Kong Baptist University (HKBU).

邀请人：计算机科学与技术系 卢杨副教授

报告题目2：基于模型与优化重平衡的长尾学习

主讲人：姚江超 ，上海交通大学 副教授

报告时间：2026年11月21日（星期六）14：00-17：00

报告地点：信息学院4号楼106室

报告摘要：

Long-tailed learning is challenging because models tend to devote disproportionate representational capacity and optimization effort to frequent classes, while classes with fewer examples often converge to solutions that generalize poorly. This talk discusses two complementary ways to address this problem.

报告人简介：

Jiangchao Yao is currently an Associate professor at Cooperative Medianet Innovation Center, and also affiliated to School of Artificial Intelligence, Shanghai Jiao Tong University. He was a part-time research scientist at Shanghai Artificial Intelligence Laboratory.

邀请人：计算机科学与技术系 卢杨副教授

报告题目3：基于性能曲线的机器学习方法初探

主讲人：杨智勇 ，中国科学院大学 副教授

报告时间：2026年11月21日（星期六）14：00-17：00

报告地点：信息学院4号楼106室

报告摘要：

本报告以物理学第一性原理中的不变量思想为理论出发点，系统介绍所在团队基于曲线下面积优化的机器学习方法体系。正如物理定律不依赖于参考系选择，模型评估亦应独立于判别阈值等人为参数。受此启发，通过性能曲线的面积积分来消除判别参数影响，对传统的ROC曲线及AUC指标进行拓展，形成Xcurve优化框架，实现从参数依赖到判别不变量的转变。围绕这一核心思想，依次汇报XCurve在性能约束、分布漂移及开放环境下等场景中的应用。

报告人简介：

杨智勇，中国科学院大学副教授，博士生导师，研究方向聚焦高效可信机器学习，在CCF-A类期刊及会议共发表论文70余篇，其中TPAMI 20余篇，ICML/NeurIPS 20余篇。

邀请人：计算机科学与技术系 卢杨副教授

报告题目4：从判别式到生成式长尾学习探索

主讲人：魏通 ，东南大学 副教授

报告时间：2026年11月21日（星期六）14：00-17：00

报告地点：信息学院4号楼106室

报告摘要：

本报告围绕长尾学习，首先从长尾图像分类出发，探讨轻量微调方法仍然存在的校准不足问题，提出一种通用的两阶段训练框架，达到显著降低ECE并提升分类准确率的效果；虽然当前长尾学习在图像分类任务取得了显著进展，但生成式模型后训练中的不平衡问题鲜有研究。本报告介绍两个面向视觉问答任务的不平衡数据集构建方法，并汇报基于强化学习的后训练方法在域内和域外泛化方面的实验观察。

报告人简介：

魏通，东南大学副教授、博导，主要研究方向为机器学习与大模型后训练，研究成果发表CCF-A类论文40余篇，主持国自然面上和青年基金、国家重点研发计划子课题等项目，获亚太数据挖掘大会PAKDD’22最佳论文奖、美团科研合作卓越实践奖，任国际期刊Frontiers of Computer Science青年编委、顶级国际会议ICML/NeurIPS/ICLR领域主席。

邀请人：计算机科学与技术系 卢杨副教授

报告题目5：小样本增量学习理论与方法

主讲人：张继 ，东南大学 副教授

报告时间：2026年11月21日（星期六）14：00-17：00

报告地点：信息学院4号楼106室

报告摘要：

本报告将从理论与方法层面回答小样本增量学习面临的三个核心问题：1) 样本受限条件下，如何快速定位任务相关预训练特征？2) 任务动态更迭时，如何有效兼顾历史知识与增量知识？3) 多重噪声干扰下，如何全面保证增量学习过程的鲁棒性？

报告人简介：

张继，电子科技大学计算机学院特聘副教授。研究方向为多模态学习，具身智能。以第一或通讯作者身份在TPAMI、TIP、IJCV、CVPR、中国科学:信息科学等人工智能领域知名期刊和会议上发表论文20余篇。主持国自然青年基金项目、博士后特别资助、面上、国资计划项目以及GF横向项目等8项。

邀请人：计算机科学与技术系 卢杨副教授

报告题目6：基于多粒度知识迁移的长尾分布学习

主讲人：周玉灿 ，天津大学 副教授

报告时间：2026年11月21日（星期六）14：00-17：00

报告地点：信息学院4号楼106室

报告摘要：

长尾分布广泛存在于真实世界的大规模数据中，其头部类别样本丰富但存在大量信息冗余，而尾部类别样本稀缺、语义多样性不足，导致深度学习模型容易偏向头部类别，难以实现均衡、鲁棒的分类与决策。针对上述问题，本报告围绕多粒度知识迁移与高效数据利用展开，介绍在长尾分布学习方面的相关研究成果。

报告人简介：

周玉灿，天津大学人工智能学院副研究员。2019年1月获天津大学计算机应用技术专业博士学位，2017年10月至2018年11月赴新加坡南洋理工大学（NTU）访学。2019年6月至2025年5月任职于中国科学院信息工程研究所，2025年7月加入天津大学。

邀请人：计算机科学与技术系 卢杨副教授

报告题目7：大模型推理流形的几何度量及长尾领域模型评价

主讲人：马彦彪 ，中国人民大学高瓴人工智能学院讲师

报告时间：2026年11月21日（星期六）14：00-17：00

报告地点：信息学院4号楼106室

报告摘要：

本研究从大模型推理的几何机理出发，将推理过程视作高维表征空间中的低维流形动力学过程；提出一套面向长尾场景的几何度量框架，有效推理需要同时满足表征表达力、流形压缩与非退化信息体积三重约束。基于推理流形上的几何信号，可直接编码样本固有难度，无需生成输出Token即可预判样本可解性，尤其适合评估长尾稀少样本的推理鲁棒性；在多步推理场景下，流形几何信号还可以量化不同上下文的信息效用差异，支撑面向长尾样本的动态冗余裁剪。

报告人简介：

马彦彪，中国人民大学高瓴人工智能学院讲师，研究方向包括大模型内在机理、长尾分布下模型评价与智能体推理效率优化、多模态大模型图文理解、联邦学习。

邀请人：计算机科学与技术系 卢杨副教授