为深入推进人工智能学科建设，加强教师学术素养提升与科研视野拓展，9月14日下午，首人工智能学院教师党支部以“知识重组的可解释预测：大型语言模型+图学习”为主题，开展了一场别开生面的学术讲座活动。本次活动由党支部书记武装教授主持，特邀悉尼科技大学计算机学院、澳大利亚人工智能研究院张嶷副教授担任主讲嘉宾，支部教师及学院学生共同参与，在浓厚的学术交流氛围中碰撞思想、共探前沿。

讲座中，张嶷副教授围绕知识重组的核心概念展开系统讲解，深入剖析其在科学研究与技术开发中的融合价值，并针对当前该领域面临的三大挑战进行了详细解读：一是“社会-技术系统”因涉及多重实体导致建模难度大；二是高低阶关系中的潜在信息未被充分挖掘利用；三是深度神经网络的“黑箱”特性使得预测结果缺乏可解释性。这些分析精准点出了领域内的关键痛点，引发了在场师生的深刻思考。

针对上述挑战，张嶷副教授分享了其团队提出的H2GLM协同框架。该框架创新性构建“异质超图”模块，能够精准捕捉高阶关联信息，同时融合大语言模型与知识蒸馏技术，有效提升了模型的可解释性与计算效率。科学图谱可视化结果显示，此方法生成的知识图谱边界清晰，更能真实反映知识关联模式，为解决领域难题提供了全新思路。

在互动交流环节，支部教师与学生们踊跃提问，围绕动态图学习、大语言模型应用等前沿问题与张嶷副教授展开热烈探讨。张嶷副教授还结合团队未来研究方向，分享了多视图、多模态数据建模以及面向未来的知识重组预测等研究规划，为支部教师的科研工作带来了新的启发与视角。

活动最后，党支部书记武装教授进行总结。他表示，本次学术讲座聚焦人工智能与知识管理交叉领域前沿，内容兼具深度与前瞻性，不仅为支部教师拓展了研究视野，也为学院人工智能交叉学科的发展注入了新的思路。未来，人工智能学院教师党支部将持续发挥党建引领学术发展的作用，常态化邀请海内外知名学者开展学术交流活动，搭建优质的学习研讨平台，助力支部教师科研能力提升，推动学院学科高质量发展。