本次研讨会特邀北京大学彭宇新教授，北京理工大学刘驰教授，复旦大学邱锡鹏教授，北京邮电大学邓伟洪教授做大会主题报告，共同探讨了“数据-知识协同驱动的细粒度多模态感知与生成”、“大型语言模型MOSS的技术、实现与展望”、“视觉识别：从可用到可信”以及“人机协同边缘群体智能”等重要议题，对图像图形和大模型等相关领域技术的最新研究成果以及未来发展趋势进行了充分交流。

大会由电子电气工程学院院长李媛媛教授主持，范君晖书记致欢迎辞，学院方志军教授、赵晓丽副院长、高永彬副院长及来自各个高校115位师生、企业人士参会。大会上学术交流互动热烈，老师同学们纷纷提出热点问题，专家给出了专业且生动的解惑。

图 2 彭宇新教授致辞

来自北京大学的彭宇新教授在此次会议上首先介绍了图象图形学学会的背景和CSIG品牌活动，图像学会作为推动图像研究和应用的学术组织，通过举办挑战赛、评价活动等方式，促进学术交流和技术创新。继而以“数据-知识协同驱动的细粒度多模态感知与生成”为题进行了报告。报告从细粒度辨识增强、多模态关联、多模态协同、跨模态生成四个方面介绍实验室在数据-知识协同驱动的细粒度多模态感知与生成上的最新研究进展，并对未来发展方向和趋势进行简要讨论和展望。

来自复旦大学的邱锡鹏教授进行了题为“大型语言模型MOSS：技术、实现与展望”的报告。报告围绕大型语言模型MOSS展开，首先回顾了chatGPT从最初的基础模型到后续的版本升级和改进，这一系列的发展使得chatGPT在语言理解、对话生成和文本创作等任务上取得了卓越的表现，接着介绍了 chatGPT的三个关键技术，包括情景学习、思维链和指令学习，这些关键技术的结合使得chatGPT在自然语言处理和生成领域取得了显著的突破。最重要的是，邱锡鹏教授向与会嘉宾介绍了大型语言模型MOSS。MOSS是一种基于chatGPT的新一代语言模型，它在chatGPT的基础上进一步扩展和优化，具有更强的语义理解和生成能力。MOSS的目标是实现更加智能、流畅且富有创造力的语言交互和生成，邱锡鹏教授在报告中对MOSS的技术特点、实现方法和应用前景进行了详细阐述。他强调，MOSS的发展将进一步推动人工智能在语言理解和生成方面的发展，为人机交互、智能。

来自北京邮电大学邓伟洪教授进行了题为“视觉识别：从可用到可信”的报告。报告指出海量标注数据和深度学习技术推动了视觉识别的广泛应用，现有模型在封闭数据集上的性能已经超越人类。然而，在真实世界中，数据噪声、环境和地区差异、伪造和对抗攻击等挑战导致大部分视觉识别应用的稳定性仍不理想，甚至造成种族偏见等伦理问题和伪造图像等安全问题等。同时，隐私保护和数据安全也引起了人们的广泛担忧。面向以上安全可信的识别难题，报告汇报了课题组在噪声标签下的稳定性特征学习、面向微弱信号的特征解耦与对抗鲁棒性特征学习、数据偏差下的公平性和适应性特征学习、数据隐私保护条件下的高精度模型训练的研究进展。

来自北京理工大学刘驰教授带来了题为“人机协同边缘群体智能”的报告。报告首先回顾了物联网技术的发展历程，并介绍了物联网技术的三个关键阶段，随后，刘教授从人机协同群体部署、群体感知、和群体计算三个维度逐层递进探讨其中的关键技术挑战、解决方案以及应用。研究成果展示了物联网技术与人工智能的紧密结合，为实现人机协同边缘群体智能提供了新的思路和解决方案。