来源：可信及通用人工智能实验室
原文链接：https://mp.weixin.qq.com/s/Z-vIP89OWTHG5sMJNlp9BA
我们将在第35届国际人工智能联合会议（IJCAI 2026）举办“基础模型时代的联邦学习”研讨会（FL@FM-IJCAI'26）。该研讨会主要聚焦基础模型（FMs）与联邦学习（FL）的结合。随着大规模基础模型的普及，分布式训练、数据隐私、计算资源和模型定制等问题愈发突出，而联邦学习可以在保护隐私的前提下高效利用分布式数据和算力。研讨会欢迎关于理论方法、算法设计、多模态数据驱动优化以及应用（如机器人、医疗、智能制造等）的原创研究、观点论文和工作进展报告，旨在促进学术界与产业界的交流，探索基础模型在联邦学习环境中的最新挑战与机遇。欢迎大家投稿并参加研讨会！
主会网址：
Workshop网址：
https://federated-learning.org/fl@fm-ijcai-2026/
投稿截止日期：2026年5月7日
以下是Call for paper详情，如有任何问题，请联系:han.yu@ntu.edu.sg
可信及通用人工智能实验室（TGAI）
金耀初实验室（可信及通用人工智能实验室）同时致力于应用驱动的可信人工智能研究及其在工业、科学和艺术中的应用，以及采用演化发育方法探索实现通用人工智能的新途径。主要研究方向包括：
1) 可信人工智能方向:安全、隐私保护及公平的数据驱动的优化与学习；基于图神经网络及扩散模型的优化与学习；基于大模型的通用优化与决策；大模型自动验证；
2) 类脑具身智能方向:大规模类脑脉冲神经网络；具身智能系统的自主演进；具身安全与具身大模型；具身系统的控制与形态的协同发育与演化；
3) AI for Science & Art方向:人工智能纳米材料-蛋白质/植物-环境互作；人工智能医学诊断/康复；人工智能艺术诊疗。
