近日，软件学院举办“智能·软件·未来”论坛第35期，邀请中国科学院成都计算机应用研究所研究员秦小林、西南财经大学教授杨新作学术报告。

秦小林以“跨域少样本深度感知与具身智能”为题作报告，围绕跨域小样本深度估计、深度感知与具身智能等研究方向展开。全监督深度估计方法虽然能够取得较高精度，但往往依赖规模庞大的训练数据和标注成本。小样本深度估计面向通用场景，仅需少量标注样本便能够在新场景中完成深度预测，但是在专业领域中容易受到深度信息不足等因素的限制。针对上述问题，报告介绍了跨域小样本深度估计，旨在将具有充足训练标签领域中的深度知识迁移至低资源领域。

杨新以“联邦持续学习与群智协同”为题作报告，探讨了联邦学习与持续学习在时空维度上的统一视角与协同机制。传统联邦学习主要关注空间维度上的隐私保护与协同训练，持续学习则强调时间维度上的知识积累与持续适应能力。在真实场景中，数据分布的变化往往同时受到空间关联与时间演化的影响，客户端之间的知识迁移、任务变化和模型更新具有复杂的时空耦合关系。报告从空间上的知识协同与时间上的知识演化出发，分析联邦学习与持续学习之间的内在联系，讨论时空异质性、动态分布漂移以及灾难性遗忘等核心问题，并进一步介绍了面向动态环境的知识融合、异构协同与持续自适应学习等研究思路及相关应用。

秦小林，中国科学院成都计算机应用研究所副总工程师、研究员，中国科学院大学岗位教授、博士生导师，CCF、CICC和IEEE高级会员。主要研究领域为自动推理与空间智能、行业垂域大模型，主持国家自然科学基金等科研项目10余项，发表论文30余篇，获省部级一等奖、四川省科技进步二等奖、中国科学院院长奖等。

杨新，西南财经大学计算机与人工智能学院副院长、互联网金融创新及监管四川省协同创新中心主任，国际期刊Human-Centric Intelligent Systems执行主编，曾任成都科技青年联合会副主席、中国计算机学会（CCF）杰出会员和杰出传播者、CCF成都秘书长等。主要研究领域为机器学习、数据挖掘与金融科技，主持国家自然科学基金等科研项目10余项，发表论文100余篇，主编教材、专著或译著7部，获授权国家发明专利20余项。

（文/图：刘晓倩 责任编辑：葛春鹏）