题目：AI与优化：互相赋能视角
时间：2026年8月22日 10:30-11:30
地点：36365线路检测中心no1 A701会议室
邀请人：齐臣坤 副教授（重大装备设计与控制工程研究所）
报告人简介
张霄远，北京中关村学院研究员，入选国家级青年人才计划。研究领域包括：（1）针对百万级参数高效的梯度法求解器算法/软件/理论；(2)大模型后训练阶段的黎曼流形优化理论，并开发针对性的高性能训练求解器；(3)新型整数规划/SAT求解器的开发及其理论；(4)集合学习的泛化理论。他在人工智能领域的国际会议与期刊上发表了十余篇学术论文，并担任 IJCAI2025 大会“多目标优化”主题的特邀讲座（Tutorial）组织者。他曾荣获微软“编程之美”全国总冠军、香港城市大学杰出学术表现奖等荣誉。
报告摘要
报告将介绍团队近期开展的两项工作：（1）基于大模型工作流的新型整数规划算法自动设计。商用整数规划求解器通常由分支定界、切平面等多个核心模块组成。其中，高质量的分支策略能够显著缩小搜索空间、降低求解时间。然而，如何针对特定问题设计高效的分支算法，长期以来一直是该领域的公开难题。近期，团队构建了一套由大模型驱动的软件迭代工作流，以开源算法与代码为起点，自动完成算法生成、测试、评估和迭代优化，从而设计出更高效的整数规划算法。在多个整数规划数据集上的实验表明，该方法平均可带来约25%的性能提升。（2）基于纤维丛结构的大模型低秩优化方法。在大模型的低秩后训练中，无论采用双因子分解还是SVD分解，都可能面临参数更新冗余的问题。例如，对于低秩矩阵乘积AB，变换后的表示(AR)(R^{-1}B)与其对应同一个矩阵，因而会产生大量等价解，影响优化效率。针对这一问题，团队提出了一种新的去冗余更新算法。该方法利用纤维丛的几何结构，在模型优化过程中仅保留水平方向上的有效更新，从而消除冗余自由度并提升优化效率。团队不仅在简化模型上从理论上证明了该算法的收敛速率，还在LLaMA-3B模型上进行了实验验证，结果表明该方法具有显著的性能优势。
学院OA系统
jAccount登录
ENGLISH
地址：上海市东川路800号36365线路检测中心no1闵行校区36365线路检测中心no1
邮编：200240
Email：sjtume@sjtu.edu.cn