2025年5月24日，由中国图象图形学学会（CSIG）主办，CSIG机器视觉专委会、广东省图象图形学会、华南理工大学软件学院、人工智能与数字经济广东省实验室（广州）联合承办的“机器学习与模式识别前沿论坛”在广州市海珠区华新科创岛A区主楼琶洲实验室一楼会议厅隆重举行。本次论坛以“机器学习与模式识别”为主题，吸引了来自国内外顶尖高校和研究机构的专家学者齐聚一堂，共同探讨人工智能领域的最新研究成果与未来发展方向。华南理工大学软件学院党委书记张健为本次学术会议致欢迎辞。

张健书记致辞

本次论坛邀请了多位国际知名学者和青年才俊，围绕机器学习、跨模态表征学习、智能交易系统、可信基础模型和无人系统主动感知等热点领域展开深入交流。会议共安排了五场高水平学术报告，内容涵盖理论创新、技术突破以及实际应用等多个方面。

会议开始，来自国防科技大学的刘新旺教授带来了题为《新型多视图聚类分析》的学术报告。刘教授提出了一种全新的min-max聚类模型，并设计了高效的求解算法，进而保证了算法求解的全局最优性。此外，他进一步介绍了基于核矩阵局部对齐思想的聚类算法及其无参样本自适应算法版本，在不同应用场景中展现出卓越的性能。

刘新旺教授作主题报告

四川大学雷印杰教授分享了其团队在跨域跨模态表征学习方面的最新成果。雷教授着重探讨了跨域征分布自适应泛化学习以及跨模态多层次特征关联学习在场景解析关键任务的最前沿进展，为机器人巡线导航、自然灾害监测等领域提供了重要技术支持，并展望了基于强化学习的多模态深度推理、多模态多智能体以及多模态具身智能基座模型的未来发展趋势。

雷印杰教授作主题报告

新加坡前沿人工智能中心副主任周天异博士展示了其团队设计的虚拟交易平台—交易智能体竞技场（Trading Agent Arena）。该平台通过零和博弈模拟复杂经济系统，验证了大语言模型（LLMs）在动态金融场景中的推理能力。周博士指出，结合视觉化数据和反思模块可以显著提高大语言模型的决策能力和投资回报率。而该平台的动态系统设计更加贴近真实市场波动，为大语言模型在金融决策中的评估提供了新范式。

周天异博士作主题报告

来自香港浸会大学的韩波助理教授围绕构造可信基础模型展开讨论，重点介绍了三项创新性工作：1）提出了用于评估CLIP模型虚假相关性的CounterAnimal数据集，实证发现扩大模型规模与优化数据质量比单纯增加数据量更能有效消除模型偏差；2）提出了通用“遗忘”分析框架，实现大模型不安全行为的遗忘；3）构建首个噪声推理数据集NoRa，开发“带噪声思维链”对比去噪方法。该系列研究从基准构建、参数优化到推理增强三个维度，为开发具备安全性与可靠性的新一代人工智能系统提供了完整的理论框架与技术路径。

韩波助理教授作主题报告

华南理工大学的谭明奎教授分享了其团队在无人系统跨模态主动感知技术的最新研究成果。针对复杂场景下无人设备易受环境干扰、决策效率低等问题，谭教授通过动态整合视觉、雷达等多模态数据，结合强化学习算法主动调整传感器的感知策略，显著提升了无人系统在复杂场景的适应能力。此外，谭教授提出了一种“抗遗忘”的在线适配算法，可在系统实时运行中持续优化算法性能，有效避免因环境突变引发的“记忆退化”现象。目前，相关技术已成功应用于智能巡检机器人和无人驾驶平台，为复杂场景下的自主决策提供了更可靠的技术支撑。

谭明奎教授作主题报告

在本次学术会议的尾声，来自新加坡南洋理工大学的Yew-Soon Ong 教授对本次论坛活动进行了总结，感谢各位专家的精彩报告以及师生们的热情参与，最后祝贺本次活动取得了圆满成功！

Yew-Soon Ong 教授为会议作总结

除了精彩的学术报告外，本次论坛还设置了茶歇、合影及参观环节，为参会者与报告嘉宾提供了充分的互动机会。主持嘉宾包括琶洲实验室常务副主任李远清教授、华南理工大学的谭明奎教授、钟竞辉教授、丁长兴研究员和吴庆耀教授等，他们凭借深厚的学术造诣和丰富的组织经验，确保了整场活动的顺利进行。

茶歇与互动交流

参会专家学者合照

 参会人员合照

作为“CSIG图像图形中国行”系列活动的重要一站，本次论坛促进了学术界内部的交流，为国内外高校与研究机构之间的合作搭建了桥梁。主办方表示，希望通过此类活动进一步推动图像图形学科的发展，助力我国在人工智能领域的持续进步。