直播预告 | 从基础模型到世界交互：AI的下一步，五位青年研究者怎么看？- 大数跨境

AI TIME 论道

2026-10-23

导读：精彩直播，不见不散！

点击蓝字

关注我们

AI TIME 欢迎每一位 AI 爱好者的加入！

从 Transformer 到新序列建模架构，大模型正加速向视觉融合、长视频生成及世界交互等复杂场景演进。然而，长序列效率瓶颈、视觉信息处理黑盒、复杂推理能力及生成一致性等问题依然亟待突破。

10月26日，AI TIME「大模型架构与多模态生成」专场将邀请来自清华大学、香港大学、哈尔滨工业大学（深圳）、华南理工大学和北京大学的五位青年研究者，围绕基础架构、多模态融合、复杂推理、高效生成及世界交互展开前沿分享与 Debate 讨论。

活动信息

嘉宾与报告信息

讲者简介：清华大学博士生，主要研究基础模型架构、多模态大模型及持续学习。以一作或共同一作在 CVPR、NeurIPS、ICML 等发表论文10篇，入选 CVPR 2026 Best Paper Finalists。

报告简介：针对 Transformer 平方计算复杂度瓶颈，探讨线性注意力与 Test-Time Training 等高效序列建模方案，分析序列建模演进对基础模型 Scaling 性质的影响。

讲者简介：香港大学博士生，聚焦多模态大语言模型可解释性与高效计算，成果发表于 CVPR、ICLR、EMNLP 等国际会议。

报告简介：深入解析多模态大模型内部视觉处理机制，涵盖跨模态信息流动、视觉 Token 表征演化及视觉语义对齐，揭示模型如何理解与融合视觉信息。

讲者简介：哈尔滨工业大学（深圳）与鹏城实验室联培博士生，获 ACL 2024 杰出论文奖，成果入选 ICML 2026 Spotlight。

报告简介：针对表格结构复杂导致的推理难题，介绍 DiSCo 及 Table-GLS 方法，通过解耦表格结构与语义信息、全局到局部的结构探索，提升多模态表格理解与推理性能。

讲者简介：华南理工大学本科生，以第一作者在 ICLR、ICML、NeurIPS 发表多篇论文，入选 ICLR 2026 Oral。

报告简介：针对扩散模型高昂的推理成本，探讨步数蒸馏、特征缓存及自适应时空计算等加速方法，动态分配计算资源以挖掘生成过程中的冗余，实现高效视频生成。

讲者简介：北京大学博士生，代表工作 MAVIN 入选 ECCV 2026 Oral，研究成果发表于 ECCV、ICCV、CVPR 等。

报告简介：聚焦音视频生成的叙事控制、音画同步与长时一致性挑战。结合 MAVIN 与 StreamAV-Bench，探讨定制化多镜头生成方法及迈向交互式世界模型的机遇。