首页
打破大模型局限：逻辑推理+机器学习的全栈 AI
报告简介：
大模型推动了行业的深刻变革，但其局限性也不容忽视。例如，大模型经常出现“幻觉”现象，缺乏可解释性，逻辑表达能力薄弱，对数据高度依赖，且难以同时兼顾模型的准确性、公平性和鲁棒性。这些不足使得大模型目前尚无法充分发挥人工智能在工业制造领域的潜力，也难以有效解决行业痛点。本报告从数据的角度出发，探讨如何应对这些挑战并把握潜在机遇：（1）融合机器学习与逻辑推理：如何有效地结合两者的优势，找到低成本、高精度且具备可解释性的方法，为工业产线提供实时决策支持？（2）提升训练数据质量：能否通过自动化手段优化训练数据集的质量，从而提高模型的准确性、公平性和稳定性，同时减少大模型的“幻觉”现象？本报告希望通过这些问题的探讨，引发学界、产业界及用户群体对相关研究的兴趣，并推动更多创新解决方案的诞生。
报告人简介：
樊文飞
英国爱丁堡大学信息学院讲座教授，深圳计算科学研究院首席科学家，中国科学院外籍院士，英国皇家学会会士、英国皇家工程院院士、欧洲科学院院士、英国爱丁堡皇家学会院士、世界计算机协会会士（ACM Fellow）。北京航空航天大学客座教授，清华大学杰出访问教授、北京大学讲座教授、北京大学深圳研究生院南燕荣誉教授。毕业于北京大学（本科，硕士）和美国宾夕法尼亚大学（博士），任职爱丁堡大学前为美国贝尔实验室科学家。曾获得英国皇家学会Wolfson研究成果奖（2018）、欧洲研究委员会ERC Advanced Grant（2015）、 英国Roger Needham Award（2008）、中国长江学者（2007），海外杰出青年学者（2003）、美国CAREER Award（2001）, Elsevier网络科学刊物年度最佳论文和最杰出作者奖（2002）以及数据管理四大国际顶级理论与系统会议的时间检验奖和最佳论文奖：Alberto O. Mendelzon时间检验奖/ACM PODS十年最佳论文奖（2010、2015），ACM SIGMOD（2017）、VLDB（2010）和ICDE（2007）最佳论文奖。目前主要研究领域为数据库理论与系统，包括大数据、数据质量、数据共享、分布式计算、跨模计算、增量算法、以及逻辑推理与机器学习的结合。
