开云体育,开云体育官方网站,开云体育APP下载

　　姚权铭，清华大学电子工程系副教授，IET Fellow，国家高层次青年人才。香港科技大学博士，曾任第四范式首席研究员，领导机器学习团队。研究方向为机器学习与科学智能，聚焦基座模型泛化机理与高效智能体决策。发表论文 120 余篇，被引 1.5 万余次。获 HKIS、CAAI、INNS、IEEE 早期成就奖，入选 InTech 科技奖、全球华人 AI 青年学者榜、福布斯 30Under30 等。受邀在 AAAI、IJCAI 做早期成就报告。担任 ICML、NeurIPS、ICLR 领域主席；TPAMI、ML、TMLR 编委，Neural Network 资深编委；曾任 IJCAI 教程主席、ADMA 联合主席。指导学生获清华 SRT 特等奖、挑战杯，全国挑战杯特等奖，北京市优秀学士论文。获电子系郑君里优秀教师奖和清华刘冰奖。

　　本报告围绕有限监督场景下的泛化问题，探讨结构化上下文作为核心机制的作用。首先分析在少样本、弱反馈及分布变化条件下，传统依赖规模扩展的方法所面临的瓶颈，指出智能体需在缺乏充分监督的情况下实现自适应与自我提升。随后提出一个统一视角：通过结构化上下文，将学习从「依赖标签」转向「依赖结构」。在此基础上，结合多智能体系统中的结构重组、自对抗生成机制以及基于交互的动态监督，展示三类代表性方法如何在有限监督下实现泛化与扩展。最后讨论结构优先的智能扩展范式及未来方向。