12月8日上午，由华侨大学人事处、manbetx官网共同主办的华侨大学青年教师学术沙龙顺利举办。本次沙龙特别邀请了北京大学数学科学学院孙猛教授做题为“基于统计模型检查的深度神经网络鲁棒性估计”的专题报告，manbetx多位师生共同围绕“形式化方法+机器学习”这一主题开展了研讨和交流。
本次沙龙由manbetx骆翔宇教授主持。他首先介绍了当前形式化方法与机器学习交叉融合的三个主流方向：形式化方法赋能机器学习、机器学习赋能形式化方法，以及神经符号融合。这些方向致力于将形式化方法的确定性数学证明与机器学习的概率性数据驱动相结合，实现优势互补，共同推动可信人工智能关键技术的形成与发展。
在专题报告环节，孙猛教授系统阐述了其团队在“形式化方法赋能机器学习”方向上的重要进展——基于统计模型检查的深度神经网络鲁棒性估计研究。该团队通过引入基于Clopper-Pearson置信区间的改进边界，并结合自适应的三阶段局部鲁棒性估计算法，对主流统计模型检查工具所采用的Okamoto边界估计方法进行了显著优化。这一改进在确保结果可靠性的同时，将模拟采样次数降低了40%至60%，大幅提升了评估效率。此外，团队还进一步提出了面向全局鲁棒性的高效估计方法，仅需少量图像样本即可实现高质量估计，为数据有限场景下的模型评估提供了实用方案。孙猛教授还围绕形式化方法与人工智能的互补协同关系展开探讨，并对融合形式化技术的可信大语言模型构建路径提出了前瞻性见解。
在交流环节中，孙猛教授与参会师生围绕学术研究、教学实践与学科发展等议题展开了深入而热烈的讨论，并分享了宝贵经验。此次互动不仅拓宽了师生们的学术视野、激发了创新灵感，也让大家进一步认识到，形式化方法与人工智能的有机融合，是智能系统从“经验主义”走向“理性建构”，从“黑箱”走向“白箱”，从“强大”走向“既强大又可靠”，实现可信人工智能系统的必由之路。
会议现场
海报
编辑：颜郁澎
复审：彭佳林
终审：陈荣美
