西南财经大学与合作伙伴举办“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。本次冬令营是系列活动中第三期，旨在为学子们提供深度学习与交流平台，促进“产、学、研、用”的跨界合作，为人工智能与隐私计算的未来发展培育专业人才。

多方支持与参与

此次活动获得清华大学、四川大学、中国石油大学、联通（上海）产业互联网有限公司等学术机构与企业的鼎力支持。来自西南财经大学、四川大学、西南交通大学、复旦大学、香港科技大学等十二所高校的50多位硕士和博士研究生积极参与，共享这场学术盛宴。

集中培训与指导

开营期间，由杨强、范力欣、刘贵松、杨新、杨燕及刘洋等业界权威组成的专家团队，为学员们提供了集中的培训课程。这些专家以其深厚的研究经验和实战方法，引领学员深入探讨联邦学习领域的关键问题。同时，来自国内外知名高校与科研机构的教授们担任导师，全程为学员提供专业指导，共同推进研究进展。

微众银行的贡献与展望

作为一家以科技创新为核心的企业，微众银行自成立以来，始终致力于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，微众银行与多所高校、科研机构及企业携手合作，共同推动联邦学习技术的前沿研究、标准制定、开源生态建设以及行业应用，加速全球联邦学习生态的构建。

杨强院士的开营致辞

加拿大工程院与皇家学院院士杨强在开幕式上发表演讲，强调了未来世界中人与模型共生的重要性，以及模型制造、流通与管理的挑战。他指出，联邦学习正顺应人工智能发展趋势，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，杨强分享了联邦学习的理论框架、可信联邦学习与大模型的应用案例。

范力欣的深入解读

微众银行人工智能首席科学家范力欣则就《可信联邦多目标优化》进行了深入探讨，阐述了联邦学习不仅是技术解决方案，更是解决性能、效率与安全等多方面问题的系统性框架。他还讨论了联邦学习中的模型版权保护和激励机制等关键议题，鼓励学员从跨学科视角进行深入研究。

康焱的前沿分享

微众银行人工智能资深研究员康焱聚焦于“联邦大模型”，分享了通过联邦迁移学习提升基础模型效能的调研成果。她指出，大型预训练模型存在知识更新缓慢的问题，而基于联邦迁移学习，能够有效融合领域知识，增强模型的适应性和实用性。

结语

本次“可信联邦学习冬令营”不仅为学子们提供了宝贵的学术交流与合作机会，也展示了微众银行在人工智能领域的前瞻布局与创新实践。通过此次盛会，与会者共同见证了联邦学习技术在推动人工智能与隐私计算领域发展的巨大潜力，为未来的科技探索与应用奠定了坚实基础。