2026年10月21日下午，由CCF YOCSEF合肥主办的CNCC2026 Tutorial“大模型时代的概率可信学习：不确定性、校准与可靠推理”在成都天府国际会议中心顺利举行。本次Tutorial聚焦“大模型如何知道自己不知道”这一核心问题，围绕基础模型不确定性量化、置信度校准、可靠推理、多模态可靠学习以及可验证决策等前沿方向展开系统交流。本次活动由CCF YOCSEF合肥AC，合肥工业大学胡文波主持。论坛汇聚了来自全国的高校专家学者和行业代表及YOCSEF委员共计70余位参与讨论。
【活动概况】
CCF YOCSEF合肥AC，合肥工业大学胡文波首先对参加活动的嘉宾表示欢迎。然后介绍活动背景。随着大模型从回答问题逐步走向复杂推理、多模态理解、工具调用与智能体决策，模型可靠性的关注重点也正在从“能不能做对”进一步转向“能不能知道自己什么时候可能出错，并在不确定时采取合理行动”。随后，北京邮电大学韩宗博、YOCSEF合肥学术AC、合肥工业大学胡文波、天津大学张长青和清华大学崔鹏分别作专题报告，四场报告围绕“认识不确定性—表达与校准不确定性—提升复杂推理与多模态系统可靠性—走向可验证学习与决策”形成相互衔接、相互补充的技术主线。
【专题报告】
北京邮电大学韩宗博作题为《基础模型不确定性量化与可靠推理》的专题报告，从数据不确定性、分布不确定性和模型不确定性等不同来源出发，讨论基础模型在开放环境下如何认识自身知识边界、感知环境变化，并利用不确定性支撑可靠预测与推理。
YOCSEF合肥学术AC、合肥工业大学胡文波作题为“Uncertainty and Calibration in Large Models -- Reliable Reasoning and Agent Safety”的专题报告，围绕大模型不确定性度量与置信度校准，进一步介绍思维链可靠推理、过度拒绝以及智能体安全等问题，探讨如何利用内部可靠性信号帮助模型判断什么时候回答、什么时候求证以及什么时候拒绝。
天津大学张长青作题为《大模型推理与可靠性增强》的专题报告，从人工智能可靠性的整体视角出发，系统介绍大模型推理增强、风险刻画和多模态可靠学习等研究进展，探讨复杂推理和多模态环境下的风险识别、动态证据估计与可信融合。
清华大学崔鹏作题为“Reliable and Efficient Reasoning Learning for LLMs: From Probabilistic Trustworthiness to Verifiable Decisions”的专题报告，围绕“Where to learn? What to trust? How to verify?”三个问题，介绍如何利用不确定性指导大模型学习、置信度建模和外部验证，推动大模型从概率可信进一步走向可验证决策。
【活动总结】
四场报告从基础模型不确定性的来源与量化出发，逐步延伸至置信度校准、可靠推理、多模态证据融合以及可靠高效学习与可验证决策，形成了从“认识不确定性”到“利用不确定性”，再到“基于不确定性进行可靠决策”的完整知识链条。本次Tutorial通过概率学习这一统一视角，连接不确定性量化、置信度校准、可靠推理、多模态学习与智能体决策等研究方向，展示了大模型可靠性研究从能力提升走向风险感知、可靠推理与可验证决策的发展趋势。CCF YOCSEF合肥将持续发挥青年学术交流平台作用，围绕人工智能前沿问题组织高水平学术交流，促进学术界与产业界的思想碰撞与合作。
CCF YOCSEF合肥成立于2011年，是中国计算机学会青年计算机科技论坛在全国的28个分论坛之一。CCF YOCSEF合肥将肩负引领学术前沿探索的重任，针对计算机学术、产业和技术进行研讨思辨，思其本质、辨其真伪。CCF YOCSEF合肥成员主要来自合肥高校和计算机信息类企业中的专家教授与负责人。欢迎各界学术和产业精英加入YOCSEF合肥。
京公网安备 11010802032778号