10月8日下午，应学院刘军平教授邀请，澳大利亚伍伦贡大学杨捷博士在阳光校区崇真楼南楼A4033会议室面向学院师生做了题为“面向可信人工智能的探索：鲁棒学习、大模型推理与多模态融合”的学术报告。
报告聚焦可信人工智能领域前沿研究进展，围绕模型鲁棒性、大语言模型推理和多模态融合三个方向展开深入交流。在模型鲁棒性研究方面，杨捷博士以序列推荐系统为切入点，针对推荐模型易受恶意攻击和输入扰动影响、用户交互序列中存在冗余信息及噪声特征等问题，介绍了团队在对抗鲁棒性方面的研究工作。
在大语言模型推理研究方面，杨捷博士围绕大语言模型幻觉及复杂知识推理中的可靠性问题，重点介绍了基于GraphRAG的多跳推理优化方法。针对现有GraphRAG方法在证据检索过程中易出现关键关系缺失、噪声信息干扰及推理路径冲突等问题，研究团队提出了面向问题的候选证据子图构建思路，并引入Nash理论，将证据充分性、图结构紧凑性与证据冲突控制纳入统一优化框架，实现多目标间的协调与平衡。
在多模态融合研究方面，杨捷博士聚焦视觉语言模型（VLM）在细粒度图文理解中存在的空间关系识别偏差与对象属性绑定错误等问题，介绍了团队在图文语义对齐方面的研究探索。针对模型难以准确区分物体空间方向及视觉对象与属性对应关系的局限，研究通过显式引入空间方向信息，将关系表示融入注意力计算过程，增强模型对物体相对位置的感知能力；同时，结合图像区域与文本对象的精细化对齐及对比学习机制，强化视觉特征与语言语义之间的对应关系，为提升视觉语言模型在复杂场景下的细粒度理解与跨模态推理能力提供了可行的技术方案。
在互动交流环节，现场师生围绕推荐系统对抗攻击、用户兴趣动态变化、GraphRAG多目标优化及多模态图文对齐等问题展开深入讨论。
杨捷博士与武汉纺织大学计算机与人工智能学院（网络空间安全学院）相关团队长期保持密切合作关系，双方围绕可信人工智能、推荐系统鲁棒性、大语言模型推理与多模态融合等方向持续开展合作研究，取得了一系列合作成果，在WWW、AAAI、PR、WSDM、NAACL、ICDM等高水平刊物上发表论文多篇。此次报告既是双方学术交流的延续，也是深化科研合作的重要体现。本次学术报告围绕可信人工智能的关键研究问题，系统展示了模型鲁棒性、知识增强推理与多模态语义理解等方向的前沿探索，为师生了解人工智能技术发展趋势、拓展科研思路提供了有益参考，为推动学科交叉融合、深化科研合作与提升研究生科研创新能力创造了良好条件。
主讲人简介：
杨捷，澳大利亚伍伦贡大学研究员，自然语言处理、机器学习与应用人工智能领域专家，2013年获澳大利亚伍伦贡大学博士学位。担任多本Q1区期刊特邀编辑，长期为IEEETIPACL等顶级期刊与学术会议审稿。任职多项国际学术组织，包括大学学术参议院委员、青年学者网络(ECAN)委员会委员、悉尼人工智能线下交流会委员会委员、澳大利亚数据挖掘会议与澳大拉西亚语言技术协会会议出版委员会委员，同时担任香港伍伦贡学院、马来西亚伍伦贡学院海外校区学术项目负责人。先后主持澳大利亚研究理事会、新南威尔士州等十余项科研项目，研究方向涵盖大语言模型鲁棒性、知识图谱等，主编CRC出版社《智能体人工智能》专著，在ICLR、AAAI等国际顶级会议与期刊发表100余篇学术论文。