2024年11月19日至20日，由中国计算机学会人工智能与模式识别专委、中国人工智能学会机器学习专委主办，北京交通大学人工智能研究院、交通数据分析与挖掘北京市重点实验室、北京交通大学计算机科学与技术学院承办的“知行论坛-概念学习与具身智能前沿研讨”在北京交通大学成功举办。本次论坛共邀请12位优秀学者进行主题报告，吸引了50余名师生参加。论坛由景丽萍主持。

计算机学院党委书记贾卓生、副院长（主持工作）李浥东和交通数据分析与挖掘北京市重点实验室主任于剑、常务副主任林友芳，分别在19日和20日的论坛中致辞，对各位专家的到来表示欢迎，提出此次论坛对于促进概念学习与具身智能基础理论和前沿技术交流，推动原始创新、驱动产业发展有重要意义，通过论坛汇聚各方智慧，共同探讨和解决学科前沿问题，为学院的发展注入新的活力。

   19日，中国科学院自动化所张兆翔研究员以“世界仿真器：多路径的探索与融合大模型技术”为题，分享了其团队在世界仿真器相关路线上的初步探索及应用落地成效。中国科学院计算所蒋树强研究员以“基于具身记忆的视觉导航”为题，分享了其团队在具身导航的最新研究方向及进展，并进行了虚拟到现实环境的演示。同济大学王昊奋研究员以“世界模型角度下知识增强大模型的融合创新与展望”为题，分析了世界模型和知识增强大模型前沿研究案例和最新技术发展趋势，并结合垂直领域的落地应用展望了未来技术范式。北京交通大学景丽萍教授以“认知启发的高维数据概念学习探索”为题，从心理学与认知科学角度出发，探索高维数据概念表示、学习和解释理论和方法，并对认知启发的概念学习进行了展望。

20日，北京科技大学殷绪成教授以“工业智能感认知技术及工业多模态大模型展望”为题，介绍了当前钢铁工业多模态数据智能感知、智能认知与智能决策相关的技术，并进一步探讨工业多模态大模型技术发展与未来展望。山西大学钱宇华教授以“从随机一致性视角对学习理论洞见、重构与延拓”为题，从发现人工智能领域广泛存在的随机一致性现象出发，对传统机器学习理论进行重新审视、重构与延拓，以期构建更加科学可信的机器学习理论与方法。北京大学王奕森助理教授以“自我纠错为什么能提升大模型性能？”为题，从上下文学习的视角理论分析大型语言模型的自我校正，揭示了现实Transformer设计中多头注意力、MLP模块在自我校正中的关键作用。北京交通大学刘华锋以“神经过程理论与应用探索”为题，从理论与应用层面分析了神经过程稳定性来源，给出了稳定神经过程建模方式，同时探究了神经过程在不同任务需求以及场景下的可行性。

国防科技大学侯臣平教授以“特征动态场景下的流数据分类方法初探”为题，按照特征动态变化程度和标记不确定性程度逐步增加的思路，讲述其课题组在相关方面的初步尝试和在面向开放环境的自适应学习方面的进展。南京理工大学罗雷教授以 “稳健表示学习方法研究”为题，介绍了其课题组在曲线度量学习、双曲度量学习以及自步加权核范数等稳健表示学习方法上的研究。中国人民大学李崇轩副教授以“扩散模型前沿进展”为题，介绍了连续扩散模型的理论、方法与应用，并探讨扩散模型的前沿进展。南洋理工大学李搏扬副教授以“在机器学习中如何理解并有效利用训练数据”为题，围绕大模型的指令调优，阐述了如何通过有效利用训练数据来提升模型的性能。

  本次论坛，为师生搭建了机器学习、认知计算、具身智能等领域学术界和工业界的交流互动平台，促进了原创学术思想的交流与展示，有助于拓展学术视野，激发创新思维，为未来的科学研究和创新实践工作注入新的灵感。