2025年7月16日-17日,由中国现场统计研究会、中国运筹学会数学规划分会、北京应用统计学会和北京交通大学、北京工业大学、首都师范大学、中国人民大学、中国科学院数学与系统科学研究院、北京工商大学等联合主办的“第十届统计优化与学习国际研讨会”成功举办。自2013年首届会议举办以来，该会议已连续成功举办十届。 

7月16日上午,会议开幕式正式举行。北京交通大学党委常委、副校长高亮教授、中国科学院马志明院士、中国运筹学会理事长戴彧虹研究员、宾夕法尼亚大学蔡天文教授、中国科学院大学前沿交叉科学学院首任院长郭田德教授、香港理工大学孙德锋教授、美国明尼苏达大学邹晖教授出席并发表致辞。耶鲁大学、宾夕法尼亚大学、宾夕法尼亚州立大学、明尼苏达大学、加州大学圣地亚哥分校、康涅狄格大学、伦敦帝国理工学院、新加坡国立大学、阿尔伯塔大学、香港理工大学、香港大学、香港浸会大学、北京大学、清华大学、中国科学院数学与系统科学研究院、中国科学院大学、东南大学、中国人民大学、东北大学等四十多所国内外知名高校的200余名老师和同学参加会议。开幕式由北京交通大学数学与统计学院院长于永光教授主持。

高亮热烈欢迎与会嘉宾，简要介绍了北京交通大学发展情况，重点阐述统计优化与学习的学科价值，期待会议促进学术合作、取得丰硕成果，感谢筹备团队并预祝会议成功。

马志明院士指出，统计优化与学习研究应聚焦AI大模型，计算机领域侧重模型改进，统计数学领域重在原理探究。他强调传统统计原理仍具价值，AI赋能传统问题是重要方向。

戴彧虹热烈祝贺会议召开，感谢北交大及筹备团队，肯定其在统计优化领域的成果。他强调了统计优化与AI的紧密联系，建议加强规划促进交流，并预祝会议圆满成功。

蔡天文指出，AI与大数据革命既为统计学科带来机遇，也催生了统计与运筹优化交叉等新课题。他建议高校应放宽选课限制，培养复合型数据科学人才，并高度评价会议成果，期待持续举办。

郭田德强调了统计与运筹的紧密联系，指出AI人才需分层次培养，重点加强基础层和技术层建设。他建议通过多学科交叉培养创新人才，并高度评价会议对AI科研与人才培养的推动作用。

孙德锋回顾了会议创办历程，指出作为连续举办的第十届会议，多年来不仅为北京交通大学，更为全国相关领域的人才培养作出了持续贡献。他期待通过办好本次具有纪念意义的第十届会议，进一步推动相关学科的未来发展。

邹晖回顾了会议十余年的发展，指出会议已成为青年学者成长的摇篮，并以统计新星通过短期课程获得关键成长为例，期望该会议未来能成为更多青年学术人才成长的关键助力。

16日上午，大会报告由香港理工大学孙德锋教授、东北大学张立卫教授、北京工业大学徐大川教授以及阿尔伯特大学孔令龙教授主持。大会邀请了宾夕法尼亚大学蔡天文教授、伦敦帝国理工学院李烨教授、耶鲁大学张和平教授、北京大学丁剑教授四位学界大咖带来精彩报告。蔡天文教授聚焦“带分布式差分隐私约束的迁移学习”，确立极小极大错误分类率，揭示隐私与分类准确率的权衡关系，提出自适应分类器，为敏感数据场景统计学习提供新框架。李烨教授探讨大语言模型在无线通信的变革作用，提出从适配预训练模型到研发无线专用基础模型的三大应用路径，结合案例展现AI优化潜力，明确智能通信研究方向。张和平教授围绕“统计学在科学与社会中的赋能”，结合大规模多元数据解析挑战，反思统计学在数据科学中的定位，提出“衔接方法创新与实际应用”策略，引发对其学科价值的深度思考。丁剑教授研究随机块模型中的图相关性检测，针对社交网络、计算机视觉等领域核心问题，分享通过算法设计验证无标签图相关性，为组合统计与概率理论交叉应用提供新思路，拓展学科视野。

16 日下午，大会报告由清华大学邢文训教授、首都师范大学崔恒建教授、北京大学文再文教授、中国科学院丁超研究员、中国科学院王勇研究员主持。大会邀请了宾夕法尼亚州立大学李润泽教授、香港理工大学黄坚教授、东南大学金加顺教授、加州大学圣地亚哥分校聂家旺教授、香港大学童欣教授进行大会报告。李润泽教授提出高维线性假设检验的双功效增强方法，借创新投影矩阵设计，将高维问题转化为高效求解的矩条件检验，提升有限样本功效，为高维数据推断提供工具。黄坚教授聚焦大模型驱动的统计分析，展示利用深度神经网络构建数据表征、生成合成数据，及通过“数据智能体”实现无编码分析，为统计学与AI融合提供新范式。金加顺教授分享循环计数统计量的高效计算研究，以“人类策略引导+AI编码”协作模式解决长期数学难题，为AI辅助复杂数学研究提供典范。聂家旺教授针对含噪声的秩1张量补全问题，提出鲁棒双二次优化模型，为高维数据修复提供理论与算法支撑。童欣教授探究算法个性化市场中算法单一化与社会福利的关联，发现市场竞争可缓解算法单一化、改善社会福利，为相关策略提供参考。

17日上午,大会报告由北京交通大学孔令臣教授、明尼苏达大学邹晖教授、中国人民大学许王莉教授和清华大学张立平教授主持。大会邀请了明尼苏达大学吕召松教授、清华大学刘军教授、康涅狄格大学陈昆教授、新加坡国立大学Kim-Chuan Toh教授进行线上大会报告。吕召松教授介绍了一种方差缩小的一阶方法，该方法可用于提升具有确定性约束的随机优化问题中解的精度和约束满足性，并具备复杂度保证。刘军教授介绍了蒙特卡洛方法的发展历程及其在人工智能中的广泛应用，重点讲解了其在树搜索、重参数化等最新方向的进展。陈昆教授报告了利用子采样策略提升迁移学习稳健性的方法，并通过仿真实验和飞机着陆风险分析验证其效果。Kim-Chuan Toh教授报告了一种具有解耦权重衰减的新Adam方法框架，并证明了其在训练非光滑神经网络中的良好收敛性与优越性能。

17日下午，大会报告由北京交通大学刘玉婷教授、中国科学院大学韩丛英教授、北京交通大学周声龙教授、张超教授和倪旭敏副教授主持。大会邀请了北京师范大学朱力行教授、香港理工大学戚厚铎教授与袁雁城助理教授、香港大学冯龙助理教授、香港浸会大学周乐助理教授进行大会报告。朱力行教授报告了一种用于多响应回归的自适应检验方法，结合互斥子假设分解和模型识别，有效应对回归误设问题，并通过仿真和实证分析验证了其理论和实践效果。戚厚铎教授报告了复合基数优化在优化理论与算法中的挑战，并提出了一种平稳对偶理论，用于支持向量机等模型的优化求解。袁雁城教授报告了一种通过增加奖励方差来加速人类反馈强化学习（RLHF）训练的新方法，并将其应嵌入改进后的GRPO算法中，有效提升了训练效率。冯龙教授报告了一种基于非参数统计的特征选择方法，该方法在深度神经网络中具备良好的计算效率和理论一致性，并通过仿真和基因数据分析验证了其实际应用效果。周乐教授报告了一种基于EDF统计量的稳健组合检验方法，该方法适用于广泛分布下的拟合优度检验，并在模拟中表现出优于现有方法的性能。

17日下午，第十届统计优化与学习国际研讨会圆满闭幕，闭幕式由北京交通大学罗自炎教授主持。北京师范大学朱力行教授、首都师范大学崔恒建教授、香港理工大学孙德锋教授、美国明尼苏达大学邹晖教授、耶鲁大学张和平教授、北京交通大学孔令臣教授分别致辞。朱力行教授祝贺会议成功举办，呼吁深化统计与优化领域的战略合作。崔恒建教授特别强调青年学者参与的重要性，建议加强统计与优化学科间的双向交流，同时提升会议宣传力度。孙德锋教授特别致谢修乃华教授的开拓性贡献，指出统计与优化的学科界限正在模糊化，倡导"简约有效"的研究范式。邹晖教授从学术交叉角度提出，优化理论是统计学者需要重点关注的领域，其与实际问题的内在关联具有持续研究价值。张和平教授对会议提供的学术平台表示感谢，强调科研工作要立足实际问题、追求实效。孔令臣教授系统回顾了十余年发展历程，指出统计、优化与机器学习的融合已成显著趋势，期待会议未来在促进学科交叉和培养青年人才方面发挥更大作用。

参加此次学术盛会的学者线上线下累计1500余人次。此外，在大会报告前期6月30日—7月2日和7月11日—14日举办了为期7天的短期课程，邀请阿尔伯塔大学孔令龙教授讲授“Statistical in Online Learning and Continual Learning”课程，东北师范大学郑术蓉教授讲授“Double Deacent Phenomenon of Large Models”课程，伦敦帝国理工学院王世雄博士讲授“Distributionally Robust Optimization and its Applications”课程，伦敦帝国理工学院王欧亚博士讲授“Deep Learning and Large Language Models: Principles and Implementation”课程，听课人数累计达到4000余人次。

统计优化与学习国际研讨会已连续举办十届，成为统计、优化与机器学习领域的重要学术盛会。会议汇聚了国内外顶尖专家学者，通过前沿报告与深度研讨，持续推动学科交叉创新。衷心感谢所有短期课程教师、大会特邀报告人及线上线下参会嘉宾的积极参与和宝贵贡献。展望未来，我们期待会议能进一步深化跨学科融合，为全球统计优化与学习及其相关领域的科研工作者打造更具影响力的学术交流平台。