探索AI与隐私计算的前沿：西南财经大学携手伙伴举办冬令营

开营盛典

11月10日至12日，成都迎来了一场科技与学术的盛宴——“可信联邦学习冬令营”。由西南财经大学、FATE开源社区、微众银行以及中国计算机学会成都分部联合主办，这场活动聚集了全国顶尖高校的精英学子，共同聚焦于人工智能与隐私计算的前沿领域。在为期三天的活动中，参与者将深入探讨“可信联邦学习（TFL）”这一新兴技术，围绕多目标优化、联邦大模型等热点议题，共同撰写论文，促进学术与实践的深度融合。

培训与导师指导

来自各领域的专家学者汇聚一堂，包括杨强院士、范力欣教授、刘贵松院长等，为学员提供集中培训。清华大学、四川大学、中国石油大学等知名学府的教授担任导师，全程指导学员的研究工作，旨在培养新一代的科技人才。

技术背景与展望

微众银行作为科技创新的领军者，自成立以来不断深化金融科技体系的构建，在人工智能领域展现出卓越成就。自2019年起，微众银行与各大高校、科研机构、企业紧密合作，共同推动联邦学习技术在前沿研究、标准建设、开源生态建设及行业应用等方面的创新发展。联邦学习因其在数据要素安全流通方面的独特优势，已成为多行业和机构的首选技术方案。

主题报告与深度研讨

开营致辞中，杨强院士强调了人与模型共生的未来趋势，指出联邦学习技术是顺应人工智能发展趋势的关键。围绕《可信联邦学习与联邦大模型》的主题，他分享了联邦学习的理论框架、可信联邦学习与联邦大模型的最新研究成果与应用案例。

技术专题分享

• 范力欣教授深入解析了《可信联邦多目标优化》，探讨了联邦学习在解决性能、效率与安全平衡问题上的作用，同时关注联邦学习中的模型版权保护与激励机制。
• 康焱研究员则聚焦于“联邦大模型”，揭示了如何利用联邦迁移学习整合领域知识，以及基础模型如何加速领域模型的建立过程。

合作伙伴与参与者

活动得到了清华大学、四川大学、中国石油大学、联通（上海）产业互联网有限公司等多方支持，吸引了来自西南财经大学、四川大学、西南交通大学、复旦大学、香港科技大学等12所高校的50余名硕士和博士生参与，共同探索联邦学习的无限可能。

结语

通过此次冬令营，不仅加深了对“可信联邦学习”这一前沿技术的理解，还促进了跨学科交流与合作，为未来的科技发展注入了新的活力。参与者们不仅收获了知识与技能，更结下了深厚的学术友谊，共同期待着未来在人工智能与隐私计算领域创造更多创新成果。