简介
随着垂直大模型加快规模化落地，传统数据加工模式产出的数据普遍存在语义割裂、适配性不足等问题，难以支撑模型微调、检索增强与场景推理，面向行业的AI-Ready高质量数据集供给缺口持续扩大。 本论坛立足数智融合发展趋势，汇聚数据治理、数据库与人工智能领域专家，围绕高质量数据集体系建设展开研讨，聚焦多源异构数据融合、动态质量校验、领域样本提纯等关键技术，直面数据分散、标注成本高、分布失衡等痛点。 论坛倡导围绕语义对齐、样本纯度、分布均衡等维度建立AI原生数据质量评价标准，推动质量校验由数据交付后清洗转向标注阶段规则内嵌，为垂直领域数据集提供可复用、可追溯的方案，支撑大模型持续迭代与行业深度落地。
简介为官网原文，部分内容可能未写完。
人员
主席
- 丁晓锋 · 华中科技大学
嘉宾
- 陈雷 · 香港科技大学
- 伍赛 · 浙江大学
- 张岩峰 · 东北大学
- 俞俊 · 哈尔滨工业大学（深圳）
- 陈磊 · 浪潮集团
- 唐靖 · 香港科技大学（广州）
- 苗嘉旭 · 哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
报告安排
论坛简介
丁晓锋 · 华中科技大学
简介
高质量AI-Ready数据集是垂域大模型创新迭代、产业落地的核心底座。当前各行业普遍存在数据异构混杂、质量参差不齐、治理体系缺失等问题，严重制约垂直领域智能模型的精度与落地效能。本论坛汇聚数据库、大数据、视觉智能、工业数据领域顶尖专家，围绕多源异构数据、批流融合数据、工业时序数据、视觉图像数据的高质量构建技术展开研讨，分享前沿数据治理方案与工程实践，探索数据治理与垂域模型的深度融合路径，破解行业数智化转型痛点，助力各领域垂域AI模型技术革新与规模化落地应用。
Data-Centric AI：从高质量数据集构建到垂域模型高效训练和可靠推理
陈雷 · 香港科技大学
简介
垂域大模型的性能突破与落地迭代，高度依赖高质量、标准化的AI-Ready多源数据集。真实场景中图数据、时序数据、异构业务数据混杂度高、不确定性强，极大制约垂域模型的训练精度与泛化能力。报告结合数据库与数据科学前沿研究，聚焦多源异构数据的清洗、质量优化与结构化治理体系，探索适配不同垂直场景的数据规范化构建范式。通过数据驱动学习范式优化数据与模型的适配机制，解决垂域大模型数据适配不足、场景落地受限等痛点，为行业大模型智能化革新提供坚实的数据底座支撑。
结构化数据合成、治理与领域大模型训练
伍赛 · 浙江大学
简介
面向AI-Ready高质量数据集构建，本报告介绍结构化数据合成、治理与领域大模型训练的关键技术。围绕语义引导的表格生成、自动特征工程与跨表预训练，结合代表性研究，讨论如何提升数据质量与任务效用；进一步介绍表格编码、持续预训练和指令微调方法，并结合数据库系统与工业应用，探讨数据与模型协同迭代的实践路径。
高质量图数据集构建与智能应用
张岩峰 · 东北大学
简介
图数据在反欺诈检测、团伙识别与溯源、工业设备故障定位等关联关系挖掘领域有着众多应用场景。本报告聚焦高质量图数据集的构建方法，探讨如何以图数据为中心、图算法为引擎、大语言模型为协调中枢，通过大模型与图分析的多轮交互，实现语义理解与图关联关系挖掘的深度融合，完成从自然语言问题解析到图数据自动抽取构建，再到结果归纳生成的端到端智能处理，并介绍其在多个行业领域的应用。
面向低空具身智能体的多模态感知与自主决策
俞俊 · 哈尔滨工业大学（深圳）
简介
近年来，多模态模型的快速发展显著推动了具身智能体在感知理解、动作规划与自主决策等方面的能力提升。作为典型应用形态，低空自主智能无人机在低空经济快速发展的背景下受到广泛关注。然而，其在复杂环境中的感知精度、自主导航与控制决策能力仍面临诸多挑战。为提升系统的智能化水平，学术界与产业界围绕多模态感知、自主决策等关键技术持续开展深入研究。报告将系统梳理低空具身智能的最新研究进展，并探讨未来的发展趋势与关键技术路径。
工业时序数据治理：KaiwuDB赋能垂域大模型革新
陈磊 · 浪潮集团
简介
工业物联网场景下海量时序数据异构繁杂、标准化程度低，优质AI-Ready数据集稀缺，成为工业垂域大模型落地的核心痛点。报告结合KaiwuDB工业大数据平台实践，聚焦工业时序数据全生命周期治理，阐述适配工业场景的数据清洗、规整、结构化与质量核验方案，搭建标准化AI-Ready工业数据集底座。依托开务数据库原生数据平台，探讨数据治理与垂域模型的深度融合，破解工业大模型适配性差、落地难的问题，以高质量数智底座驱动工业智能化升级。