西南财经大学携手合作伙伴举办“可信联邦学习冬令营”

开启学术与实践融合之旅

在成都，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的“可信联邦学习冬令营”于11月10日至12日正式拉开帷幕。此次冬令营汇聚了来自全国各地高校的优秀学子，他们将在此深入探讨人工智能与隐私计算的前沿领域，特别是可信联邦学习（TFL），通过实际研究与实践，共同推进多目标优化、联邦大模型等关键方向的创新成果，最终凝练为论文。

跨界合作与人才培养

此次冬令营是连续举办活动的第三站，此前已在北京清华站及西安交通大学站成功举办。它旨在为学生提供深入学习联邦学习领域的机会，促进“产、学、研、用”之间的跨界交流与合作，为人工智能与隐私计算行业的发展培育新生力量。获得包括清华大学、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所高校与机构的支持，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所高校的逾50名硕士与博士生积极参与。

专家指导与深度培训

开营期间，来自不同领域的专家如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，为学员提供了集中培训，分享了丰富的研究经验和实践方法。此外，来自国内顶尖高校与科研机构的教授们也加入导师行列，全程为学员提供专业指导，确保他们在研究过程中得到及时而有效的支持。

微众银行的科技创新之路

作为一家以科技为核心的数字银行，微众银行自成立以来，持续构建全球领先的金融科技体系，特别是在人工智能领域，自2019年起便积极与高校、科研机构、企业等多方伙伴开展产学研合作。此举旨在推动联邦学习技术的前沿研究、标准建设、开源生态构建及行业应用，共同推进全球联邦学习生态的构建。目前，联邦学习作为支撑数据要素安全流通的关键技术，已被广泛应用于多个行业与机构之中。

杨强院士的前瞻视角

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强调了未来世界中人与模型共生的重要性，以及模型的制造、流通与管理的挑战。他指出，联邦学习顺应了人工智能发展的趋势，中国在这一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与应用案例。

范力欣的多目标优化探讨

微众银行人工智能首席科学家范力欣则聚焦《可信联邦多目标优化》，指出联邦学习不仅是技术层面的探索，更是平衡性能、效率与安全等多重因素的系统性解决方案。他还提到了联邦学习中的模型版权保护和激励机制等议题，鼓励学员们从跨学科角度深入研究，以期在这一领域取得突破。

康焱的大模型探索

微众银行人工智能资深研究员康焱针对“联邦大模型”，分享了基于联邦迁移学习实现基础模型落地的研究工作，揭示了大型预训练模型在领域知识融入与领域模型构建方面的局限性，并探讨了如何通过联邦迁移学习优化这一过程，提升模型效能与适应性。

结语

本次“可信联邦学习冬令营”不仅是一次学术交流的盛会，更是对未来人工智能与隐私计算领域人才培养与技术创新的一次重要集结。通过深入研讨与实践，参与者不仅能够深化对联邦学习的理解，还将为推动该领域的发展贡献自己的智慧与力量。