可信联邦学习冬令营·武汉站由CSIG青托俱乐部、CSIG武汉会员活动中心、武汉大学计算机学院、微众银行联合开展，于11月18至19日在武汉大学正式举办。

图 1 可信联邦学习冬令营在武汉大学正式举办 

活动以科普与研讨相结合的方式，聚焦可信联邦学习这一新兴领域，深入探讨了联邦大模型、联邦推荐系统、异构联邦学习等前沿研究方向。

本次活动吸引了来自清华大学、复旦大学、上海交通大学、浙江大学、国防科技大学、华中科技大学、南京理工大学、武汉大学等三十余所高校，以及微众银行等知名企业的30余位领域专家和导师参与，100余位优秀本硕博学生积极交流，完成了10多个子课题的汇报与总结，为推动联邦学习的科普与发展交流贡献了重要力量。活动安排分为特邀报告、学术报告、分组讨论、学生分享等多个环节。

图 2 杜博 武汉大学计算机学院院长致开幕辞

11月18日上午，武汉大学计算机学院院长杜博教授致开幕辞，向参与此次活动的导师和学员们表达了热烈的欢迎，并且表达了对未来更多老师和学生加入联邦学习这一研究方向的期待，对冬令营系列活动能够促进学术界和产业界的交流与合作表示了充分的信心。

图 3 杨强 加拿大工程院与皇家科学院院士、微众银行首席人工智能官作报告

紧接着，加拿大工程院与皇家科学院院士、微众银行首席人工智能官、FATE开源社区技术指导委员会主席杨强教授围绕《联邦大模型的10个研究问题》，就联邦学习的发展路径及前沿研究问题进行了系统性介绍，鼓励更多青年学者加入联邦学习领域的研究，为可信联邦学习生态的发展带来新的繁荣。

随后，杜博教授、徐增林教授（复旦大学）、李瑞轩教授（华中科技大学）、宫辰教授（南京理工大学）及罗冰助理教授（昆山杜克大学）分别就联邦学习的大模型方法、隐私保护、挑战与实践、个性化图联邦学习及应用案例等议题进行了详细讲解，为与会者提供了丰富的学术视野。

11月18日下午的分组讨论环节为本次冬令营增添了实践性。特邀嘉宾范力欣博士（微众银行首席人工智能科学家）以“可信联邦学习方法”为主题进行了特邀报告，分享了其团队的研究成果。之后，参会者分为六个小组，分别围绕联邦大小模型协同机制、联邦学习多目标优化、联邦多智能体协同机制、高效异构联邦学习系统、联邦图学习理论与应用及隐私保护机制六大主题展开深入讨论。在各组导师的指导下，参会者结合实际案例，提出了创新性的解决方案，并在总结汇报环节分享了讨论成果。

11月19日上午，冬令营继续以学术报告的形式展开。刘新旺教授（国防科技大学）以“联邦学习理论及应用研究”为主题拉开了上午的议程。接着，刘洋副教授（清华大学）、杨新教授（西南财经大学）、陈思衡副教授（上海交通大学）及陈超超研究员（浙江大学）相继就大模型微调训练、联邦知识迁移、持续学习及可信联邦推荐系统进行了深入探讨。此外，两位学生代表——武汉大学博士生黄文柯和本科生万冠呈，也分享了他们在异构联邦学习及联邦图学习中的研究经验，为年轻学者带来了启发。

通过两天紧凑而丰富的议程，此次可信联邦学习武汉站冬令营圆满落幕，活动内容涵盖了联邦学习的前沿理论、应用研究和实践探索，呈现了学术与产业的深度融合。从特邀嘉宾的高水平分享到分组讨论的深入交流，再到学生们的创新成果展示，冬令营为与会者提供了多维度的学习与合作平台。这不仅是一次联邦学习领域的学术盛会，更是一次推动技术创新与实践应用的重要契机。联邦学习的未来任重道远，CSIG为推动这一领域的发展注入了新的活力和方向。