11月10日-12日，西南财经大学、FATE开源社区、微众银行、中国计算机学会（CCF）成都分部共同举办的“可信联邦学习冬令营”在成都正式开营。学员来自全国各高校，将结合自身研究背景和兴趣，在专家的指导下围绕“可信联邦学习（TFL）”人工智能与隐私计算前沿领域展开研究实践，基于可信联邦学习多目标优化、联邦大模型等多个研究方向的成果形成论文。
此次冬令营是继第一期可信联邦学习夏令营·北京清华站与第二期西安交通大学站之后的第三期活动，旨在为众多学生提供一个深入学习和探索联邦学习领域的交流机会，推动“产、学、研、用”跨领域合作与交流，为人工智能与隐私计算行业发展培养人才。冬令营获得了清华大学、四川大学、中国石油大学、联通（上海）产业互联网有限公司等高校与机构的支持，吸引了来自西南财经大学、四川大学、西南交通大学、复旦大学、香港科技大学等12所高校的50余位硕士和博士生参与。
可信联邦学习冬令营·程度合影留念
在开营培训阶段，加拿大工程院与皇家学院院士杨强、微众银行人工智能首席科学家范力欣、西南财经大学计算机与人工智能学院院长刘贵松、西南财经大学计算机与人工智能学院副院长杨新、西南交通大学计算机与人工智能学院副院长杨燕、清华大学智能产业研究院副教授刘洋等领域专家为学员开展集中培训，分享多年研究经验与实践方法。此外，来自清华大学、浙江大学、复旦大学、华中科技大学、福州大学、四川大学、电子科技大学、西南交通大学、西南财经大学等知名高校与科研机构的教授担任导师，全程为学员提供研究指导。
作为一家以科技为核心发展引擎的数字银行，成立近九年来，微众银行逐步构建起全球领先的金融科技体系。在人工智能领域，微众银行自2019年起与高校、科研机构、企业等众多机构开展产学研合作，促进联邦学习技术的前沿研究、标准建设、开源生态建设、行业应用等多方面发展，共同推动全球联邦学习生态构建。目前，联邦学习作为支持数据要素安全流通的重要技术方案，被各行业和机构广泛采用。
在本期冬令营的开幕致辞中，加拿大工程院与皇家学院院士、微众银行首席人工智能官杨强指出，未来的世界是人和模型共存的世界，模型的制造、流通、管理是重要的议题。联邦学习符合人工智能的发展趋势，中国是联邦学习重要的发源地之一。围绕《可信联邦学习与联邦大模型》的主题，杨强分享了联邦学习相关理论框架、可信联邦学习与联邦大模型的前沿研究与应用等内容。
杨强，加拿大工程院与皇家学院院士、微众银行首席人工智能官
微众银行人工智能首席科学家范力欣做《可信联邦多目标优化》主题报告，指出联邦学习不仅是一种技术，还是平衡性能、效率、安全等多方问题的系统性框架与解决方案。此外，范力欣还谈到了联邦学习中涉及的模型版权保护和激励机制等问题，鼓励学员结合交叉学科进行深入研究。
范力欣，微众银行人工智能首席科学家
微众银行人工智能资深研究员康焱围绕“联邦大模型”的主题，分享了通过联邦迁移学习落地基础模型的现有研究工作的调研、归纳与分析。康焱指出，大型预训练的基础模型存在缺乏领域知识和知识容易过时等局限性，基于联邦迁移学习，可以将领域和行业知识融入基础模型，也可以迁移基础模型的通用知识助力领域模型的建立。
康焱，微众银行人工智能资深研究员
