VALSE Webinar 25-28期 总第399期 因果与推理通用大模型

报告嘉宾：崔鹏 (清华大学)

报告题目：迈向结构化数据通用大模型

报告嘉宾：蔡瑞初 (广东工业大学)

报告题目：隐因果表征学习:探索隐藏世界的建模方法

报告嘉宾：崔鹏 (清华大学)

报告时间：2025年9月17日 (星期三)晚上20:00 (北京时间)

报告题目：迈向结构化数据通用大模型

报告人简介：

崔鹏，清华大学计算机系长聘副教授，博士生导师。研究兴趣聚焦于因果启发的稳定预测和决策、大规模网络表征学习等。将因果统计思想与机器学习框架进行融合性研究，自主提出并发展了因果启发的稳定学习理论方法体系，在医疗、工业等场景取得显著应用价值。在ICML、KDD等顶级国际会议及Nature Machine Intelligence等期刊发表论文100余篇，先后7次获得国际会议或期刊论文奖。担任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD、KAIS等国际期刊编委。获得国家杰青项目资助、两项国家自然科学二等奖、两项教育部自然科学一等奖、CCF-IEEE CS青年科学家奖、ACM杰出科学家。担任第九届科协全国委员会委员，中国计算机学会副秘书长兼青工委主任。

个人主页：

https://pengcui.thumedialab.com/

报告摘要：

人工智能技术已在诸多领域取得了性能突破，但在应用于能源、医疗、工业生产等风险敏感领域时，当前AI在泛化能力、可解释性和可回溯性方面面临严峻挑战。本报告中，讲者将重点介绍结构化数据通用大模型的前沿进展及其在工业场景中的应用前景。

报告嘉宾：蔡瑞初 (广东工业大学)

报告时间：2025年9月17日 (星期三)晚上20:45 (北京时间)

报告题目：隐因果表征学习:探索隐藏世界的建模方法

报告人简介：

蔡瑞初，教授、博士生导师、数据挖掘与信息检索实验室主任、国家优秀青年基金获得者。专注于因果关系发现与因果性学习、深度学习等领域的理论与应用研究。在上述领域先后主持国家优秀青年基金、 “科技创新2030”新一代人工智能重大项目、NSFC-区域创新发展联合基金 (广东)等重大项目；在因果发现、因果决策方面开展了系列有益探索，在ICML、NIPS等领域重要会议和TPAMI、JMLR、等国际著名期刊发表论文100余篇；协助华为、滴滴、腾讯等企业解决了因果决策优化、因果故障定位、因果个性推荐等应用难题，取得了良好的经济和社会价值；获得省科学技术一等奖、国家发明专利奖优秀奖等奖项；指导学生获得NeurIPS解耦学习算法大赛第一名、亚太因果推理大会推理大赛第一名、“互联网+”全国决赛金奖等奖项；担任Neural Networks杂志Action Editor，基金委杂志Fundamental Research杂志青年编委，NeurIPS、ICML、ICRL等会议的Area Chair。

个人主页：

ruichucai.github.io

报告摘要：

传统因果发现方法多聚焦于可观测变量，难以适应隐混淆等场景。近年来，隐因果表征学习在理论及应用方面取得显著进展。本报告将简要回顾该领域的发展脉络，并重点介绍我们在理论与方法上的最新进展，包括隐混淆变量识别、面向时序的隐因果表征学习等，旨在为深入理解和建模“隐藏世界”提供新的思路与工具。

参考文献：

[1] Ruichu Cai, Zhiyi Huang, Wei Chen, Zhifeng Hao, Kun Zhang. Causal Discovery with Latent Confounders Based on Higher-Order Cumulants. ICML 2023.

[2] Zhengming Chen, Ruichu Cai, Feng Xie et al. Learning Discrete Latent Variable Structures with Tensor Rank Conditions. NeurIPS 2024.

[3] Wei Chen, Zhiyi Huang, Ruichu Cai*, Zhifeng Hao, Kun Zhang. Identification of Causal Structure with Latent Variables based on Higher Order Cumulants. AAAI 2024.

[4] Ruichu Cai, Feng Xie, Clark Glymour, Zhifeng Hao, Kun Zhang. Triad Constraints for Learning Causal Structure of Latent Variables. NeurIPS 2019

[5] Zijian Li, Ruichu Cai, Guangyi Chen, Boyang Sun, Zhifeng Hao, Kun Zhang. Subspace Identification for Multi-Source Domain Adaptation. NeurIPS 2023.

[6] Ruichu Cai, Haiqin Huang, Zhifang Jiang, Zijian Li, Changze Zhou, Yuequn Liu, Yuming Liu, Zhifeng Hao. Disentangling Long-Short Term State Under Unknown Interventions for Online Time Series Forecasting. AAAI 2025.

[7] Zijian Li, Yifan Shen, Kaitao Zheng, Ruichu Cai, Xiangchen Song, Mingming Gong, Guangyi Chen, Kun Zhang. On the Identification of Temporal Causal Representation with Instantaneous Dependence. ICLR 2025.

[8] Zijian Li, Shunxing Fan, Yujia Zheng, Ignavier Ng, Shaoan Xie, Guangyi Chen, Xinshuai Dong, Ruichu Cai, Kun Zhang. Synergy Between Sufficient Changes and Sparse Mixing Procedure for Disentangled Representation Learning. ICLR2025.

[9] Ruichu Cai, Zhifan Jiang, Kaitao Zheng, Zijian Li, Weilin Chen, Xuexin Chen, Yifan Shen, Guangyi Chen, Zhifeng Hao, Kun Zhang. Learning Disentangled Representation for Multi-Modal Time-Series Sensing Signals. WWW2025.

主持人：况琨 (浙江大学)

主持人简介：

况琨，浙江大学计算机学院副教授，博士生导师，人工智能系副主任。主要研究方向为因果推理、因果可信学习和智慧司法。在Cell Patterns, TPAMI, TKDE, ICML, NeurIPS, KDD等相关领域顶级期刊及会议上发表论文100余篇。作为项目/课题负责人承担国家重点研发专项、国家自然科学基金等项目，曾获ACM SIGAI中国新星奖，中国科协青年人才托举工程项目，吴文俊人工智能科技进步一等奖，教育部科技进步一等奖，中国电子学会科技进步一等奖。

个人主页：

https://kunkuang.github.io/

特别鸣谢本次Webinar主要组织者：

主办AC：况琨 (浙江大学)