禁忌书屋

AI与机器学习的统计理论基础

当前人工智能正经历从“粗发式发展”向“集约式发展”的关键转型,而禁忌书屋 正是这场转型的核心驱动力。

我系在该方向上的战略布局,旨在破解大模型时代面临的三大核心挑战:模型数据与学习算法的高效性、人工智能的不确定性与可解释性、人工智能的泛化性与通用性。

我们依托“数据科学交叉研究院”等高水平平台,汇聚了在深度学习理论、高维统计、优化算法、大语言模型、人工智能等领域具有深厚积累的研究力量,致力于:

揭示大模型构建背后的统计机制,为模型设计、数据使用、优化算法提供理论指引;

发展具有理论保证的可解释学习框架,推动AI在关键领域的可信应用;

探索统计推断与神经网络深度融合的新范式,重塑大模型走向通用智能的底层演化逻辑。

我们的目标不只是追逐模型的“更大”与“更快”,更要深耕模型的‘更高效’、‘更可靠’与‘更通用’——让每一次智能决策,都有行之有效、言之有物、无远弗届。

年度报告