<mark id="oztn4"></mark>
0
| 本文作者： 陳淑瑜 | 2026-07-29 16:05 | 專題：IJCAI：國際人工智能聯合會議 |
來源：可信及通用人工智能實驗室
原文鏈接：https://mp.weixin.qq.com/s/Z-vIP89OWTHG5sMJNlp9BA
我們將在第35屆國際人工智能聯合會議（IJCAI 2026）舉辦“基礎模型時代的聯邦學習”研討會（FL@FM-IJCAI'26）。該研討會主要聚焦基礎模型（FMs）與聯邦學習（FL）的結合。隨著大規模基礎模型的普及，分布式訓練、數據隱私、計算資源和模型定制等問題愈發突出，而聯邦學習可以在保護隱私的前提下高效利用分布式數據和算力。研討會歡迎關于理論方法、算法設計、多模態數據驅動優化以及應用（如機器人、醫療、智能制造等）的原創研究、觀點論文和工作進展報告，旨在促進學術界與產業界的交流，探索基礎模型在聯邦學習環境中的最新挑戰與機遇。歡迎大家投稿并參加研討會！
主會網址：
https://2026.ijcai.org/
Workshop網址：
https://federated-learning.org/fl@fm-ijcai-2026/
投稿截止日期：2026年5月7日
以下是Call for paper詳情，如有任何問題，請聯系:han.yu@ntu.edu.sg
可信及通用人工智能實驗室（TGAI）
金耀初實驗室（可信及通用人工智能實驗室）同時致力于應用驅動的可信人工智能研究及其在工業、科學和藝術中的應用，以及采用演化發育方法探索實現通用人工智能的新途徑。主要研究方向包括：
1) 可信人工智能方向: 安全、隱私保護及公平的數據驅動的優化與學習；基于圖神經網絡及擴散模型的優化與學習；基于大模型的通用優化與決策；大模型自動驗證；
2) 類腦具身智能方向: 大規模類腦脈沖神經網絡；具身智能系統的自主演進；具身安全與具身大模型；具身系統的控制與形態的協同發育與演化；
3) AI for Science & Art方向: 人工智能納米材料-蛋白質/植物-環境互作；人工智能醫學診斷/康復；人工智能藝術診療。
專題
