报告题目：基于基础模型的统计分析
主讲人：黄坚 教授 香港理工大学
报告摘要：基础模型正在重塑统计学研究、实践与教育。本报告将围绕三个方面的进展展开：自主数据分析、预测与生成建模的进步，以及统计方法研发的加速。以 LAMBDA 为代表的基于大语言模型（LLM）的智能体，能够实现端到端数据分析的自动化。表格基础模型（TFM）在小规模表格数据集上的表现优于强大的树模型基线；扩散模型与流模型则能够学习图像、基因组序列和分子结构等数据的复杂高维分布。同时，大语言模型也在帮助研究者提出、实现并检验新的统计学思路。这些进展对统计方法与理论提出了新的要求。报告最后将对表格基础模型进行分析，比较其与现有方法的统计风险。
报告人简介：黄坚教授，现任香港理工大学数据科学及人工智能学系、应用数学系数据科学与分析讲座教授。其研究兴趣涵盖统计学、机器学习与生物信息学，当前主要致力于深度学习、生成学习、表征学习以及大模型驱动的统计方法研究。黄坚教授是美国统计学会（ASA）和数理统计学（IMS）会士，2015—2019年度科睿唯安高被引学者，并入选斯坦福大学发布的2019—2026年度全球前2%顶尖科学家榜单（职业生涯榜）。现任《美国统计学会会刊》（JASA）和《英国皇家统计学会会刊B辑》（JRSS-B）编委。
报告时间：2026年11月12日 20:00
腾讯会议号：453-437-854
