北京大学｜2026年模型平均、预测理论与机器学习前沿学术会议举行

2026年9月19日，2026年模型平均、预测理论与机器学习前沿学术会议在北京大学光华管理学院举行。来自国内外六十余所高校的近150位专家学者、青年教师和博士生参加会议，围绕模型平均、混合专家模型、超高维统计、预测组合、区间预测与决策组合等前沿议题展开深度分享与交流。

开幕致辞

开幕式由北京大学教授涂云东主持。首都师范大学特聘教授邹国华致开幕辞，他回顾模型平均会议从云南财经大学起步，先后在西安交通大学、华东师范大学、中国科学技术大学举办，今年已是第五届。他指出，我国学者在该领域已走在世界前列，新方法不断提出，理论体系日趋严密，研究队伍持续壮大，国家级人才不断涌现，期待在原创成果和落地应用上取得更大突破。

大会报告

清华大学教授杨宇红围绕混合专家模型（MoE）的统计性质作报告，从局部聚合视角解释输入依赖路由、稀疏激活与共享专家的作用，分析模型逼近能力、估计误差与计算成本的权衡，并以DeepSeekMoE等共享专家为例说明共享专家提取共同预测结构。西安交通大学教授喻达磊围绕超高维模型平均的理论与方法作报告，重点讨论p>n下的模型组合，借助随机矩阵理论推导多模型岭估计损失函数表达式及尺度率，并提出新的修正广义交叉验证权重选择准则。新加坡管理大学副教授谢天以京东健康在线问诊为背景，报告题为“From Data to Decisions: Operational and Economic Advantages of A New Ensemble Learning Approach to Online Medical Triage”，将预测误差与平台运营成本关联。中国科学院数学与系统科学研究院研究员张新雨作题为“Model Averaging and Related Topics”的报告，从使用、管理和研究人工智能三方面探讨整合多模型信息以提高统计推断与决策有效性。本环节由中国人民大学教授许王莉、西南财经大学教授陈雪蓉、华东师范大学教授於州、西安交通大学教授严晓东分别主持。

邀请报告

邀请报告分上下午两场共七场。西南财经大学讲师谢昕伶报告结构突变驱动的最优子样本预测组合；厦门大学博士研究生赵勇超报告“FOCuS: Fiducial Optimal Combination Using Stacking for Predictive Densities”；北京工业大学助理研究员高锋报告基于二维区间Holt-Winters与多输出机器学习组合的短期区间负荷预测，实证显示组合模型较单体模型预测精度提升约1.39%—18.05%；华东师范大学博士研究生阙烨研究基于Kolmogorov-Smirnov准则的风险评分建模、模型选择与模型平均，并以民航真实数据验证；北京工业大学副教授宗先鹏构建适配复杂抽样数据的SMA模型平均框架；北京航空航天大学副教授李茜茜聚焦分层时间序列预测调和问题，基于澳大利亚劳动力数据集的十二步向前滚动预测检验表明，加入弹性网惩罚的模型可稳定提升精度；辽宁大学博士后熊玮汇报频率学派模型平均方法的前沿理论成果，探究加法回归模型平均与最优模型平均的大样本渐近性质。

闭幕致辞

闭幕式由北京大学教授涂云东主持，中国科学院数学与系统科学研究院研究员张新雨作会议总结。他们指出模型平均正从传统预测工具拓展为连接统计推断、机器学习与决策优化的方法论桥梁，并鼓励年轻学者在理论原创与跨学科应用上持续深耕。青岛大学教授李新民代表下一届会议承办方发言。