主讲人Speaker:于涵 副教授 南洋理工大学计算与数据科学学院

时间Date & Time:2025年1月8日（周三），下午15:00--16:30

地点Venue:粤海校区汇星楼565会议室

内容简介/ Abstract:

大型模型的兴起突显了联邦学习作为关键研究方向的重要性和相关性。随着大型模型成为机器学习开发的主流，研究重点从模型架构设计转向解决与隐私保护和分布式学习相关的问题。联邦学习方法的进步有潜力释放大型模型的价值，实现高效且可扩展的训练，同时保护敏感数据。这个领域长期健康的发展需要持续吸引拥有高质量数据的参与方加入，共建模型，共享利益。这里，我跟大家分享一些南洋理工大学可信赖联邦普适学习实验室团队在这方面的尝试。包括如何在联邦学习的情境下确定参与方贡献度、如何公正的对待不同参与方、如何建立多智能体自动化数据拍卖助力联邦训练、联邦协作训练大模型的一些研究进展与对未来方向的思考。

主讲人介绍/Biography of the speaker：

于涵博士现任新加坡南洋理工大学计算与数据科学学院副教授。他曾于2018年至2024年任南洋理工大学计算机科学与工程系南洋助理教授，并于2017年至2018年在香港科技大学计算机科学与工程系担任访问学者。2015年至2018年期间，他在南洋理工大学担任李光耀研究员。他于2014年获得南洋理工大学计算机工程系博士学位。他的研究重点是可信的联邦学习。他的研究成果在国际领先的会议和期刊中发表300余篇研究论文。他还是联邦学习领域第一本专著《联邦学习》的合著者。他的研究工作曾获得多个科学奖项的认可。在2021年，他创办了可信联邦学习实验室(https://trustful.federated-learning.org/)。他目前担任IEEE TNNLS编委、IJCAI赞助协调主席、IEEE CIS标准委员会副主席，并获选为中国计算机学会(CCF)杰出会员、AAAI和IEEE高级会员。基于在可信联邦学习领域的持续贡献和影响力，他入选坦福大学全球AI领域前2%科学家之列，并于2022年被评选为新加坡十大杰出青年之一。

当天上午将开展学术交流活动，欢迎感兴趣的老师和同学参加！