2025年11月8日，北京论坛（2025）新工科专题论坛之“迈向通用人工智能：机器学习的泛化与认知机制”平行会议在北京大学新燕园校区学术交流中心第四会议室举行。多名国内外AI领域的优秀学者汇聚一堂，共同探讨AI 技术在新工科领域的理论突破、技术创新及应用发展。会议由北京大学跨媒体通用人工智能全国重点实验室承办，小狐狸直播-小狐狸成人直播 助理教授王奕森主持，小狐狸直播-小狐狸成人直播 院长助理王立威教授致开幕辞。

会议合影

康奈尔大学教授Daniel Dongyuel Lee介绍团队在开发高效估计器方面的最新进展。他表示，这些估计器能够克服基于协方差矩阵的传统分析方法产生的有偏估计，并对开发规范化统计工具以分析神经表征的重要性，大型神经网络训练中的双下降现象、流形假设等特性，以及随着模型规模扩大而面临的数据受限与计算资源瓶颈问题作深入阐释。

新加坡工程院院士、南洋理工大学教授Ong Yew Soon系统阐述AI在科学与工程领域的作用。他强调，当AI从纯数据驱动抽象向物理驱动智能转变，系统与自然定律的对齐程度会日益增强，并认为AI在未来将作为协同探索者，融合数据、理论与想象力，揭示潜在结构、加速科学发展。

香港中文大学副校长、教授Irwin Kuo Chin King对多模态基础模型和大语言模型的内部机制，及二者在科学、医学、机器人等领域的应用进行深入阐释，剖析了多模态模型的最新发展趋向，着重强调了它们在理解与处理复杂信息方面愈发凸显的重要性，同时指出了模型在可扩展性、可信度等方面所遭遇的挑战。

香港科技大学教授James Kwok 针对深度学习领域内的多目标优化挑战展开深入探讨，并借助整合主网络与多个低秩矩阵的方式阐述了一种学习帕累托流形的高效方法，介绍了偏好感知模型融合技术。

王奕森介绍了在基础模型中广泛应用的代表性自监督学习（SSL）方法，并展示其团队在SSL理论理解方面的最新成果，重点涵盖对比学习、掩码自编码器以及自回归学习。他表示，SSL使模型能够从大量未标记数据中学习强大表征，其理论基础仍有较大的探索空间。

王立威致开幕辞，Daniel Dongyuel Lee、Ong Yew Soon、Irwin Kuo Chin King、James Kwok、王奕森作报告

与会学者的分享不仅为新工科背景下AI技术提供了多维度、全方位的观察视角，还极大拓宽了参会师生的科研思路，促进了不同学科之间的思想碰撞，为推动深度学习视角下通用人工智能的持续进步与北大智能学科的创新发展注入了崭新活力。