西南财经大学携手合作伙伴举办“可信联邦学习冬令营”，聚焦AI与隐私计算前沿

开营盛况

11月10日至12日，“可信联邦学习冬令营”在成都盛大启幕，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共同主办。来自全国各大高校的学员汇聚一堂，以各自的研究背景和兴趣为基点，在专家指导下，深入探讨可信联邦学习（TFL）这一人工智能与隐私计算的前沿领域。学员们将在本次冬令营中围绕多目标优化、联邦大模型等多个研究方向，产出高质量学术论文。

产学研深度合作

作为继北京清华站和西安交通大学站之后的第三站，此次冬令营旨在为青年学子提供深入学习与探索联邦学习领域的绝佳平台，推动“产、学、研、用”跨领域合作与交流，为人工智能与隐私计算行业的人才培养贡献力量。此次活动得到了包括清华大学、四川大学、中国石油大学、联通（上海）产业互联网有限公司在内的多家高校与机构的鼎力支持，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所高等学府的逾50名硕士及博士研究生参与。

高端专家讲座与导师指导

开营期间，多位领域内的权威专家汇聚一堂，为学员们带来集中的培训与分享。加拿大工程院与皇家学院院士杨强、微众银行人工智能首席科学家范力欣、西南财经大学计算机与人工智能学院院长刘贵松等学者，以及来自清华大学、浙江大学、复旦大学、华中科技大学、福州大学、四川大学、电子科技大学、西南交通大学、西南财经大学等知名高校与科研机构的教授，共同担任导师，全程为学员提供专业指导与研究支持。

微众银行的贡献与成就

作为一家以科技为核心驱动的数字银行，微众银行自成立以来，已建立起全球领先的金融科技体系，并在人工智能领域取得了显著成就。自2019年起，微众银行便积极与高校、科研机构、企业等合作伙伴开展产学研合作，致力于联邦学习技术的前沿研究、标准制定、开源生态系统构建以及行业应用的推广，共同推动全球联邦学习生态的构建与发展。当前，联邦学习因其在支持数据要素安全流通方面的优势，已成为各行业广泛采纳的技术方案之一。

杨强院士的展望与分享

在开幕致辞中，加拿大工程院与皇家学院院士、微众银行首席人工智能官杨强指出，未来的世界将是一个人类与智能模型共存的时代，模型的开发、流通与管理成为关键议题。他强调，联邦学习顺应了人工智能发展的趋势，而中国在联邦学习领域扮演着重要角色。围绕《可信联邦学习与联邦大模型》的主题，杨强深入阐述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及其实际应用。

主题报告与深入研讨

微众银行人工智能首席科学家范力欣以《可信联邦多目标优化》为主题，揭示了联邦学习不仅是技术层面的创新，更是解决性能、效率、安全等多维度挑战的系统性框架。他还探讨了联邦学习中涉及的模型版权保护与激励机制等议题，鼓励学员们结合跨学科视角进行深入研究。

微众银行人工智能资深研究员康焱则聚焦于“联邦大模型”，分享了联邦迁移学习在落地基础模型研究工作中的现状、分析与思考。康焱指出，大型预训练模型虽具潜力，但也面临知识领域适应性不足的问题。通过联邦迁移学习，可以有效融合领域与行业知识，提升基础模型的针对性与实用性，同时也可利用基础模型的通用知识加速特定领域模型的构建进程。

结语

“可信联邦学习冬令营”不仅是一次学术交流的盛会，更是跨领域合作与人才培养的重要平台。通过专家讲座、导师指导与深入研讨，学员们得以深入了解联邦学习的前沿动态，为推动人工智能与隐私计算行业的创新发展注入了新生力量。