本次研讨会由Applied Sciences 期刊主办，主题为“自然语言处理：建模、优化与应用” (Natural Language Processing: Modeling, Optimization and Application)。随着大规模预训练模型的持续演进，自然语言处理的研究重心正从单一的文本理解与生成，转向多模态融合、复杂推理与高效部署并重的新阶段。一方面，模型需要在视觉与语言之间建立细粒度语义对齐，并具备可解释的组合式推理能力；另一方面，思维链与思维图等结构化推理范式的引入，以及长上下文记忆保持机制的出现，显著提升了模型在真实任务中的可靠性，同时也带来了推理成本与部署效率上的新挑战。本场研讨会邀请三位在该方向持续开展一线研究的青年学者，分别围绕多模态与金融场景大模型应用、大模型中的信息组织与多模态认知机理、以及大语言模型高效推理三个角度，报告最新研究进展，并结合具体任务场景讨论其落地路径与尚未解决的问题。研讨会设有统一的在线答疑交流环节，欢迎从事相关研究的师生与产业界同仁参与交流。
会议时间
2026年10月13日 19:00-21:00
会议日程
| ● | 01 会议主席致辞 | |||||||||||||||||||
|
时间 19:00-19:10 |
主讲人 李祖超 副教授 武汉大学 |
|||||||||||||||||||
| ● | 02 面向金融场景的大模型研究、评测与应用 | |||||||||||||||||||
|
时间 19:10-19:35 |
主讲人 李江彤 博士后研究员 同济大学 |
|||||||||||||||||||
| ● | 03 大模型中的信息组织：结构化推理与多模态认知机理 | |||||||||||||||||||
|
时间 19:35-20:00 |
主讲人 姚杳 博士 上海交通大学 |
|||||||||||||||||||
| ● | 04 大语言模型高效推理：KV Cache 压缩与推测解码 | |||||||||||||||||||
|
时间 20:00-20:25 |
主讲人 李祖超 副教授 武汉大学 |
|||||||||||||||||||
| ● | 05 提问交流环节 | |||||||||||||||||||
|
时间 20:25-21:00 |
||||||||||||||||||||
观看方式
小鹅通直播间
点击下方链接，观看直播。
https://9g0ug.xetlk.com/sl/1GEejc
会议主席
 |
李祖超 副教授 武汉大学 |
武汉大学人工智能学院副教授、博士生导师，博士毕业于上海交通大学，曾在日本国立情报与通信研究所 (NICT) 担任研究员。主要研究方向为自然语言处理与语言智能，重点关注大语言模型、高效推理与多模态理解，在语言理解与结构解析、机器翻译等方向的国际评测中取得多项领先成绩。近五年在ACL、EMNLP、NeurIPS、ICML、AAAI 等国际会议与期刊发表论文80余篇，谷歌学术总引用3200余次，曾获百度学术2021年人工智能全球华人新星百强。现担任Applied Sciences 特刊“Natural Language Processing: Modeling, Optimization and Application”客座编辑及BDCC 期刊客座编辑，长期担任 NeurIPS、ICML、ICLR、ACL、EMNLP等会议与TASLP、T-PAMI 等期刊审稿人。
报告题目：大语言模型高效推理：KV Cache 压缩与推测解码
报告简介：大语言模型的推理开销主要来自自回归解码过程中不断膨胀的 KV Cache 与逐 token 串行生成。本报告围绕“在几乎不损失效果的前提下显著降低推理成本”这一目标，介绍团队在 KV Cache 压缩与推测解码两个方向上的最新进展：一方面利用跨层冗余与低比特量化压缩缓存占用，另一方面通过非自回归预测在小批量、大并发场景下提升推测解码的接受长度。报告最后结合长上下文与多模态场景，讨论高效推理技术在实际部署中的边界与取舍。
主讲人
 |
李江彤 博士后研究员 同济大学 |
同济大学计算机科学与技术学院博士后研究员，博士毕业于上海交通大学计算机科学与技术系，本科亦就读于上海交通大学。主要研究方向为多模态建模、大语言模型、图学习与金融大数据，在图像—文本检索、视频问答、多模态组合推理等任务上取得一系列成果。以第一/通讯作者在 ICML、CVPR、ICCV、ACL、AAAI 等国际顶级会议与期刊发表 CCF-A 类论文20余篇，累计发表论文 30 余篇。曾获世界人工智能大会青年优秀论文Top-20、上海市优秀毕业生、上海交通大学优秀博士论文提名奖、博士后国家资助、上海市超级博士后等荣誉，主持国家自然科学基金青年基金项目与博士后面上项目。
报告题目：面向金融场景的大模型研究、评测与应用
报告简介：金融场景中的信息处理具有数据异构、专业性强与合规要求高等特点，对大模型的知识理解、复杂推理与输出可靠性提出了更高要求。本报告介绍金融大模型构建、场景应用与能力评测方面的系列工作：通过金融语料构建、领域训练与检索增强提升专业理解能力，结合安全对齐与多模态强化学习增强模型的可信性和推理能力；围绕股票预测、研报分析与多智能体协作，介绍典型应用探索；构建覆盖金融文本、多模态理解与时序预测的评测基准，分析模型的能力边界。报告最后讨论金融多模态理解与多智能体协同的发展方向，以及模型评测与实际业务需求之间仍待解决的问题。
 |
姚杳 博士 上海交通大学 |
上海交通大学计算机科学与工程系博士研究生，本科毕业于东南大学吴健雄学院，主要研究方向为大语言模型、多模态学习与认知智能，重点关注结构化推理、多模态认知与模型内在机理。已在ACL、NAACL、NeurIPS、EMNLP、ACM Computing Surveys 等国际会议和期刊发表多篇论文，其中SirLLM入选ACL 2024 Oral。代表性工作包括Graph-of-Thought结构化推理、SirLLM长上下文建模、PAR多模态可靠感知以及Semantic Size类人认知研究等。曾多次担任TPAMI、ACL、ICLR 、AAAI 等期刊和会议审稿人。
报告题目：大模型中的信息组织：结构化推理与多模态认知机理
报告简介：大模型的能力不仅取决于参数规模和训练数据，也与模型如何组织、选择和整合信息密切相关。本报告围绕大模型中的信息组织机制展开。首先介绍Graph-of-Thought及GoT-R1系列工作，探讨如何突破线性思维链的限制，通过显式或内化的图结构实现更加高效、紧凑的复杂推理。随后转向多模态大模型的内在机理，通过 Semantic Size分析多模态训练如何影响模型的概念表征及其与人类认知的相似性，并结合PAR、SMART等工作讨论视觉注意、位置信息利用以及模态失衡问题。最后讨论结构化计算与多模态认知机制对下一代大模型设计的启示。
主办单位
相关特刊
Natural Language Processing: Modeling, Optimization and Application
点击下方链接，进入特刊主页。
https://www.mdpi.com/journal/applsci/special_issues/6E18P021BW
添加小助手
 |
长按识别二维码，添加小助手微信，备注“学校+姓名+研究方向”，邀您加入 MDPI 学者交流群，获取直播链接，掌握直播动态，交流科研经验。 |
主编：Giulio Nicola Cerullo, Politecnico di Milano, Italy
期刊主题涵盖应用物理学、应用化学、工程、环境和地球科学以及应用生物学的各个方面。
| 2025 Impact Factor | 2.9 |
| 2025 CiteScore | 6.1 |
|
Time to First Decision |
15 Days |
|
Acceptance to Publication |
2.9 Days |
点击下方链接，订阅期刊最新资讯。