报告时间：2025年12月15日（周一）上午10：00

报告地点：武汉大学电子信息学院于刚·宋晓楼B618会议室

报告题目：从 TinyML 走向端侧大模型：鲁棒与自适应的端侧智能

报 告 人：贾  鸿  助理教授（奥克兰大学）

邀 请 人：黄公平  教授

报告摘要：

随着生成式人工智能（GenAI）的发展，端侧智能正由传统轻量模型迈向端侧大模型，以在隐私敏感与资源受限条件下提供更自然的交互与更强的泛化能力。本报告围绕端侧系统的可信与可用展开，先通过不确定性估计刻画预测可靠性，再以测试时自适应应对分布偏移，并结合持续学习支持长期在线更新。在应用层面，报告将讨论端侧大模型推动本地个性化与健康监测等场景落地，同时借助可伸缩测试时计算在算力与能耗约束下平衡推理成本与效果。

报告人简介：

贾鸿现任奥克兰大学讲师（助理教授），并担任墨尔本大学荣誉高级研究员。此前，他于2024–2025年在墨尔本大学担任研究员（Research Fellow），并于2021–2024年在剑桥大学担任博士后研究员。他于2021年获新南威尔士大学（UNSW）计算机科学博士学位。

他的研究方向涵盖高效机器学习（Efficient Machine Learning）、以人为中心的人工智能（Human-centered AI）与移动智能（Mobile Intelligence）。他长期担任NeurIPS、ICLR、ICML、AAAI、IJCAI、ACM IMWUT/UbiComp、ACM IPSN、ACM SenSys等国际顶级期刊与会议的程序委员会成员与审稿人。其研究工作获得多项学术奖励，包括ACM IPSN 2024最佳论文亚军、ACM SIGMOBILE颁发的2023 ACM MobiSys 新星奖，以及ACM MobiCom 2022最佳海报亚军。

欢迎感兴趣的老师和同学们积极参与！