近日，浙江师范大学GraphME团队举办图机器学习专题研讨会，邀请了国内机器学习领域多位优秀青年学者（天津大学张长青教授，北京航空航天大学王啸教授，电子科技大学康昭教授，哈尔滨工业大学（深圳）文杰副教授）作专题报告。研讨会由GraphME团队负责人、教育学院（教师教育学院）李明教授主持，团队30余名硕博研究生参加了本次交流活动。以下是主讲嘉宾及其报告内容介绍：

主题报告一

不确定性建模：

迈向可靠性人工智能

张长青

天津大学智能与计算学部教授/博士生导师、国家级青年人才，其主要研究方向为机器学习。在Nature 子刊/IEEE TPAMI /ICML/NeurIPS/ICLR等期刊和国际会议上发表论文50余篇，Google Scholar引用1万4千余次。研究成果获得天津市自然科学一等奖、重庆市自然科学一等奖、中国图象图形学学会自然科学奖一等奖、ICME最佳论文等奖励，连续入选爱思唯尔“中国高被引学者”。受邀担任Pattern Recognition副编辑、《中国图象图形学报》《电子学报》编委及CCF A类会议领域主席。

张长青教授在报告中首先系统梳理传统神经网络中不确定性的刻画范式及其在模型性能优化中的应用逻辑，再聚焦传统方法在大语言模型（LLMs）上的失效困境，剖析深层原因并给出解决思路。报告通过理论与实践结合，为学术界与工业界提供不确定性研究的新视角，助力该领域在大模型时代实现更深入、广泛的应用。

主题报告二

鲁棒图基础模型

王啸

北京航空航天大学教授，博士生导师。研究方向为人工智能、数据挖掘与机器学习，国家自然科学基金优青获得者。共发表论文100余篇，谷歌学术引用16000余次，成果多次被写入业界图学习标准库PyG和DGL等。曾获得国家自然科学二等奖，教育部自然科学一等奖，中国电子学会科技进步一等奖，吴文俊人工智能优秀青年奖，ACM中国新星提名奖，入选斯坦福大学发布的全球Top 2%顶尖科学家终身影响力榜单。担任NeurIPS领域主席，WWW/AAAI/IJCAI的高级程序委员会委员，Neural Networks和IEEE TAI期刊编委。CCF高级会员，CCF青工委主任助理，CCF大数据专委会执行委员，CCFAI专委会执行委员，中文信息学会SMP专委会委员。

王啸教授在报告中围绕图注意力机制的核心挑战展开系统阐述。报告首先聚焦图注意力机制中普遍存在的 “过全局化” 现象，深入剖析了该现象对模型特征提取精度与任务适配性的负面影响。针对这一关键问题，报告提出了一种创新性的解决方法，为缓解 “过全局化” 带来的性能损耗提供了有效技术路径。同时，王啸教授创新性地提出将大语言模型的强大推理与理解能力融入图神经网络（GNNs）的鲁棒性优化框架，为提升GNNs在结构扰动、数据噪声等复杂场景下的稳定性提供了全新研究视角，对图神经网络鲁棒性领域的研究具有重要启发意义。

主题报告三

复杂图结构学习

康昭

电子科技大学教授，美国南伊利诺伊大学博士，四川*****特聘专家，百度首届全球高潜力“AI华人青年学者”，入选斯坦福大学全球前2%顶尖科学家“终身科学影响力”和“年度科学影响力”榜单。主要研究图机器学习、大语言模型。以第一或通讯作者身份发表ICML，NeurIPS，AAAI，IEEE TNNLS、TCYB、TIP、TKDE等 CCF-A类和中科院1区论文50余篇，ESI前1%高被引论文8篇，谷歌学术引用7800余次，H-index 48。主持自然基金项目等7项，成果获教育部和*****科学技术进步一等奖。受邀担任AAAI 2026/2025/2024/2022、MM2025领域主席，Neural Networks期刊编委。

康昭教授在报告中系统阐述了基于复杂图学习的相关研究。报告首先深入分析了图结构中普遍存在的同配性与异配性现象，针对两类现象的适配难题，提出了一种通用模型，实现了对同配与异配问题的协同求解。同时，康昭教授强调，图结构是复杂图学习的核心要素之一，高质量的图结构构建能够显著提升模型的学习性能与泛化能力，为该领域的研究与应用提供了重要参考。

主题报告四

不完备多视图学习主题报告四

不完备多视图学习

文杰

哈尔滨工业大学（深圳）青拔副教授，博导，IEEE/CCF/CSIG高级会员。2019年获评“中国博士后创新人才支持计划”。主持国基面上+青年、广东省青年提升（省优青）+粤深青年基金、深圳市基础研究面上等十多个项目。研究多模态/多视图学习、异常检测、目标检测等，在TPAMI、NIPS、ICML、CVPR等期刊和会议上发表论文百余篇，谷歌学术引用7800多次，7篇一作/通讯论文入选ESI高被引论文，获AAAI 2023优秀论文奖。担任TPAMI、TIP、TIFS、TCSVT、PR、Information Fusion以及中国人工智能学会旗舰SCI期刊CAAI TRIT等10个期刊的编委/领域编委，担任NeurIPS、ICML、ICLR、ACMMM等A类顶会领域主席、担任人工智能顶会AAAI和IJCAI的SPC。

文杰教授的报告，系统梳理了团队在缺失多视图学习领域的研究脉络与核心成果。报告围绕视图缺失这一关键技术问题，从不完备多视图无监督聚类到不完备多视图多标签学习的任务拓展，以及从缺失有限数据信息挖掘到缺失信息推理与利用的技术深化等多个层面，构建了逻辑严密的研究框架与技术体系。相关研究精准回应了科研与工业界对不完备多视图数据处理的实际需求，兼具扎实的理论基础与明确的实践应用价值，为该领域的学术研究与技术落地提供了重要支撑。

本次图机器学习研讨会得到了全省智能教育技术与应用重点实验室和“图机器学习与智能教育”优势特色团队的大力支持。受邀嘉宾的精彩报告为GraphME团队师生带来了丰富的前沿信息和有益启发，多位研究生与专家学者围绕图机器学习及其在智能教育中的应用展开了充分而深入的交流。与会专家还结合自身研究实践，分享了在大模型时代图机器学习发展的前沿方向与思考，为GraphME团队今后的科研工作提供了有价值的参考和思路。