2025年6月19日下午，武汉大学计算机学院叶茫教授应邀为相关领域的师生及研究者作题为《多模态大模型高效微调与安全》的学术报告 。

报告中他指出，多模态大模型凭借强大的跨模态理解和生成能力，已然成为人工智能领域的核心研究方向。但在面向垂直领域的实际应用中，面临着两大突出挑战：一方面，在微调过程中，如何巧妙平衡通用知识的保留与专业知识的注入，这关乎模型能否在不同场景下精准且高效地发挥作用；另一方面，多模态大模型在数据安全、模型安全等方面存在潜在风险，这些风险一旦爆发，可能会对相关应用造成严重影响。

基于此，叶茫教授从多重视角分享了团队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。通过深入浅出的讲解，结合实际案例分析，为大家展示了应对上述挑战的前沿思路与方法，为师生们在多模态大模型研究领域提供了极具价值的借鉴。

报告结束后，叶茫教授针对现场师生们提出的问题，如在特定领域中如何更好地进行多模态大模型微调、保障模型安全的具体技术实现等，一一进行了耐心细致的解答。通过交流，大家对多模态大模型高效微调与安全领域有了更深入的认识，为后续相关研究开拓了新的思路和方向。

专家简介：叶茫教授是武汉大学计算机学院教授、博士生导师、智能科学系主任，也是国家高层次青年人才。长期以来，他专注于多模态理解、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。在学术任职方面，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。还主持国自科-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，并在2021-2024年连续入选斯坦福排行榜“全球前2%顶尖科学家”，荣获2022年百度AI华人青年学者等荣誉。

（审核：：何鹏）