报告标题：PyFEX：分析 Python 程序中隐藏的行为报告时间：9月23日13:00-14:30报告地点：理科大楼B407报告摘要： 随着大语言模型逐渐参与软件开发，开发者需要审视的不仅是生成代码的功能是否正确，还包括代码及其第三方依赖是否引入了超出预期的行为。例如，一个能够正确处理本地文件的程序，也可能通过所依赖的软件包将敏感数据发送至外部服务器。因此，理解程序实际执行了什么，是评估软件安全性、进一步检查其是否符合开发者意图的重要基础。 然而，揭示 Python 程序行为尤其是恶意行为面临多重困难。

报告标题：可信与可控人工智能系统：从模型安全到智能体安全报告时间：9月10日15:00-16:00报告地点：理科大楼B211报告摘要：随着大语言模型逐渐从内容生成工具演化为能够规划、调用工具并与真实环境交互的智能体，人工智能安全问题也从单一模型层面扩展到复杂系统层面。本报告将介绍在人工智能安全领域的系列研究，包括神经网络与大语言模型中的后门攻击与防御、大模型越狱与高风险场景安全评测，以及面向真实智能体运行轨迹的安全风险评估与监控。在此基础上，报告将进一步讨论如何推动人工智能安全从评测与防御迈向运行时监控、主动干预和失效保护，从而构建更加可信、可控的人工智能系统。

报告标题：融合AI的新一代制造软件开发报告时间：9月7日16:10-17:10报告地点：数学馆 西201腾讯会议：593-727-885 密码：0907报告摘要：AI的出现给工业软件开发带来巨大挑战。讲座结合团队多年开发制造软件的经历及近几年AI算法开发经验，探索如何将AI融入制造软件，以提升开发效率。报告人简介：张仕进，西北工业大学软件学院教授/博导，国家特聘专家，陕西科技领军人才。研究方向:工业软件、工业智能。回国后带领团队研发了我国第一套五轴联动智能水刀装备。

报告标题：从高效模型到高效建模报告时间：8月19日10:30-11:30报告地点：理科大楼B211报告摘要：时间序列智能广泛应用于金融市场、城市管理、能源调度和医疗诊断等场景，是支撑趋势研判、风险预警和动态决策的重要基础。随着应用环境日益开放复杂，时序模型不仅需要从历史序列中捕捉周期性、趋势性和重复性数值模式，也需要结合外部事件文本理解潜在的语义变化。现有方法通常依赖深度模型在高维表示空间中直接建模复杂序列与开放语义信息，容易引入冗余表示和较高计算开销，限制了时序模型的训练、推理和部署效率。围绕“高效模型”这一目标，本报告首先介绍面向历史序列的数值模式压缩方法。针对周期特征、相位结构与重复片段

报告标题：Edge Labels as Structural Decisions in Networks报告时间：8月25日16：00-17：00报告地点：理科大楼B211会议室报告摘要：Networks are a fundamental model for systems ranging from social interactions and collaboration patterns to communication, infrastructure, and learning-integrated settings. Yet in many applications, knowing

报告标题：大语言模型的推理能力源于受约束的推理流形报告时间：7月17日15：00-16：00报告地点：理科大楼B211报告摘要：大模型的推理能力究竟是如何产生的？过去，我们习惯用 MMLU、GSM8K 等基准测试的准确率来衡量模型的“聪明程度”。但这种黑盒式的评估往往 conflating（混淆）了任务表现与内部推理质量，因为一个模型可能因为数据对齐好而得分高，但其内部推理过程可能脆弱且不可靠。我们最新的揭示：大模型的推理，并不是高维空间中的自由搜索，而是一种在高表达能力基础上，自发形成的低维、信息非退化的受约束动力学过程。也就是说： 真正聪明的大模型，内部并不是在“漫无目的地乱想”。它们会自