报告名称：多模态大模型高效微调与安全
报告专家：叶茫
专家单位：武汉大学计算机学院
报告时间：2025年 6月 19日15:00
报告地点：双创大楼10楼A1009会议室
专家简介：叶茫，武汉大学计算机学院教授、博士生导师、智能科学系主任、国家高层次青年人才。长期从事多模态理解、联邦学习、医学人工智能等领域研究，以第一/通讯作者发表CCF-A类论文100余篇，谷歌学术引用12000余次。担任CCF-A类IEEE TIP和IEEE TIFS等SCI期刊编委，CVPR、ICLR、NeurIPS、ICML等会议领域主席等学术职务。主持国自科-香港联合基金、科技部重点研发计划课题等10余项科研项目。2021-2024年连续入选斯坦福排行榜“全球前2%顶尖科学家”，2022年百度AI华人青年学者等荣誉。
报告摘要：多模态大模型因其强大的跨模态理解和生成能力，正在成为人工智能领域的核心研究方向。然而，多模态大模型在面向垂直领域的实际应用面临两大挑战：如何在微调过程中平衡通用知识的保留与专业知识的注入，以及如何应对其在数据安全、模型安全等方面的潜在风险。本报告将从双重视角展开，分享我们在面向多模态大模型微调场景下的通用能力保持以及多模态大模型安全性方面的最新进展。
