BSIG青年人才成长国际学术交流报告(第二期)

为促进图像图形领域的国际学术交流，助力青年科技人才成长，北京图象图形学学会联合中国科学院自动化研究所紫东太初大模型研究中心将联合举办的“BSIG青年人才成长国际学术交流报告（第二期）”。

本次报告会是BSIG“青年人才成长计划”的重要组成部分，旨在为图像图形领域的青年学者搭建高水平的学术交流平台，促进思想碰撞与跨学科合作，激发创新活力，为行业发展注入新动能。

本次报告会特邀东南大学贾育衡副教授、新加坡国立大学方俊峰博士后研究员，分享他们的最新研究进展与学术洞见。

讲座由北京图象图形学学会青工委主任、中国科学院自动化研究所董晶研究员以及北京图象图形学学会青工委委员、中国科学院自动化研究所郭海云副研究员共同主持。

时 间：2026年2月2日（星期一），上午9:30  

地 点：中国科学院自动化研究所智能化大厦三层第一会议室

注意：进入会场须报备，请于2月1日前扫描下方二维码填写报备信息。

贾育衡副教授

东南大学

报告题目：Self-Awareness in Deep Clustering

报告内容：Deep clustering leverages the strong representational power of a deep neural network to perform clustering. Although empirical studies suggest that deep clustering methods have achieved excellent clustering performance in many fields, we found that the success of existing deep clustering methods relies on strong assumptions, such as balanced dataset distributions. Deep clustering methods also face several problems, such as overconfidence and poor global structure. Therefore, a deep clustering model needs to have self-awareness, enabling it to recognize its clustering status. Self-awareness is the key ability of an intelligent system. In this talk, I will introduce key limitations of current deep clustering methods and present preliminary investigations into achieving self-awareness in deep clustering.

报告人介绍：贾育衡，博士，副教授，博士生导师，东南大学计算机学院模式学习与挖掘（PALM）实验室成员。主要从事弱监督\无监督机器学习、可信机器学习、大模型应用等方向的研究。在相关领域发表学术论文一百余篇。担任ACM TOPML、ACM TOMM、IEEE SMCL等期刊编委，担任IEEE MLMC技术程序主席，ICML、ICLR等会议领域主席。

方俊峰博士后研究员

新加坡国立大学

Presentation Title: Research on Large Language Model-based Agent Systems

Presentation Content: This report aims to explore the multi-level challenges in the development of LLM-based agent systems. The analysis is conducted from the following four perspectives: from data level, high-quality data required for agent systems is even more scarce. To address this issue, methods such as self-evolution can be used to gradually build and expand training data; from training phase: the credit assignment problem is particularly prominent during agentic RL. A deeper analysis of the dynamic mechanisms of reinforcement learning is necessary to improve training efficiency and stability; from operational environment level: agents face more diverse noise in real world, including multiple interference sources such as ambiguity in user instructions, unreliability of results returned by external tools; from application level: agents have higher safety requirements for response flows in real-time application scenarios. Emphasis should be placed on stream safety rather than relying solely on post-hoc safety to ensure reliable system operation.

报告人介绍：方俊峰，新加坡国立大学NExT++实验室博士后，博士毕业于中国科学技术大学数据科学实验室。研究方向为可信大语言模型（LLM）与可信智能体系统。以第一/通讯作者身份在计算机国际顶级期刊与会议如TPAMI，ICLR，NeurIPS，ICML等发表长文20余篇。其中，多篇论文入选ICLR，NeurIPS，ICML等会议Oral Presentation（平均录用率<3%）。曾获博士国家奖学金，世界人工智能大会优秀论文提名，ICLR 2025最佳论文等奖项。

董晶研究员

中国科学院自动化研究所

董晶，中国科学院自动化研究所研究员、博士生导师，CSIG/CCF/IEEE 高级会员, CAAI杰出会员，中国科学院青年创新促进会会员，国家高层次青年人才计划入选者，目前担任中国图象图形学学会（CSIG)理事、副秘书长、女工委秘书长，IEEE亚太区执委、奖励委员会主席、IEEE信号处理协会全球成员发展主席。主要从事人工智能安全与对抗、计算机视觉、多媒体内容取证等前沿方向的技术研究，她先后以课题（子课题）负责人承担了4项国家自然科学基金、3项国家重点研发课题、1项工信部国家重大专项子项及20余项省部级科研项目（课题）。已在国际权威期刊及学术会议上发表学术论文90余篇，已授权26项中国专利含3项美国专利。她曾获4次最佳（优秀）论文奖、2016年度IBM学院奖、2019年度中国人工智能学会杰出贡献奖、2020年度CSIG石青云女科学家奖、2021年度北京青年优秀科技论文奖、2021年度CSIG科技奖二等奖（排名第一）、2021年度吴文俊人工智能科学技术奖（技术进步科普类）、2022年度中国发明协会创业创新奖一等奖（排名第一）、2022年度国家广电总局MediaAIAC大赛深度合成技术应用类一等奖（排名第一）以及2023年度吴文俊人工智能科学技术奖（技术发明一等奖、排名第二）。

郭海云副研究员

中国科学院自动化研究所

郭海云，中国科学院自动化研究所—紫东太初大模型研究中心副研究员， BSIG 青工委委员，北京科协青年人才托举工程入选者。主要从事计算机视觉、多媒体内容分析与可信多模态大模型研究。目前在 TIP、TNNLS等期刊和CVPR、AAAI、ACL、ACM MM等会议发表论文 40 余篇，Google Scholar 引用 2100 余次。申请发明专利 20 余项，牵头制定智能交通行业标准 2 项。主持科技部重大项目子课题、省级重点研发子课题、国自然项目、北自然重点项目子课题等10余项，荣获北京市自然科学二等奖、中科院“科苑名匠”团队成员、世界人工智能大会SAIL奖、Eurographics 三维目标检索竞赛第一名等10余项。