6月25日，由浙江财经大学信智学院主办的“人工智能与智能制造”国际学术研讨会暨第四届数智钱潮学术论坛在浙江财经大学9号楼302会议室成功举办。来自新西兰惠灵顿维多利亚大学、日本筑波大学、加拿大新不伦瑞克大学、杭州电子科技大学以及浙江财经大学等高校的专家学者受邀作主旨报告。学院张帅院长、林剑副院长、教师代表、研究生以及线上参会人员共同参加会议，围绕人工智能、智能制造、云计算、人机协作、对话推荐、可解释机器学习和量子强化学习等前沿议题展开深入交流。会议由信智学院副院长林剑教授主持。

信智学院院长张帅教授首先代表主办方致欢迎辞。他指出，人工智能与智能制造正在深刻推动全球产业变革，新兴智能技术为数字经济发展和产业转型升级带来了重要机遇。本次研讨会为海内外学者搭建了交流研究成果、探讨学术前沿、推动合作创新的重要平台，希望与会专家围绕人工智能与智能制造领域的新问题、新方法和新趋势深入交流，碰撞思想火花。

在主旨报告环节，新西兰惠灵顿维多利亚大学马辉副教授以“A Two-Stage Multi-Objective Evolutionary Approach for Joint Optimization of Microservice Replication and Allocation in Energy-Aware Clouds”为题作报告。她围绕节能云环境下微服务副本数量确定与资源分配联合优化问题，介绍了团队提出的两阶段多目标进化算法。报告指出，随着人工智能应用和云计算服务规模不断扩大，数据中心能耗与应用可用性之间的平衡成为重要挑战。该研究通过多目标优化方法，为微服务部署提供兼顾能耗降低与系统可靠性提升的解决方案。

杭州电子科技大学西村勇辉副研究员作题为“Human-Robot Collaboration: Emerging Trends and Research Directions”的报告。他从智能制造背景下机器人技术的发展趋势出发，指出机器人正由传统工业场景中的单一执行工具，逐渐转向能够与人类共同完成复杂任务的协作伙伴。报告强调，人机协作的核心不仅在于提升机器人的智能水平，更在于理解真实问题、把握人类行为与信任机制，并通过合理的交互设计构建安全、自然、可信的人机关系。

浙江财经大学严素蓉教授以“CAPO: Contribution-Aware Policy Optimization for Conversational Recommender Systems”为题作报告。她聚焦对话推荐系统中的稀疏奖励与信用分配问题，指出对话推荐需要在有限轮次内通过提问不断澄清用户偏好，并在合适时机完成推荐。针对中间询问动作难以评价其真实贡献的问题，报告提出贡献感知策略优化方法，通过学习中间动作的贡献分数，在不改变环境奖励的前提下提升推荐策略学习效果，为对话推荐系统的可解释优化提供了新的思路。

日本筑波大学叶秀彩副教授作题为“Interpretable Machine Learning for Biomedical Knowledge Discovery”的报告。她围绕可解释机器学习在生物医学知识发现中的应用展开介绍，指出医学人工智能不仅要追求预测准确率，更要解释不同临床特征、疾病机制和患者差异对预测结果的影响。报告结合生物医学数据分析、疾病亚型识别和精准医学等研究场景，展示了可解释机器学习在辅助疾病理解、风险评估和个性化医疗决策中的应用价值。

加拿大新不伦瑞克大学李昊教授以“Quantum Reinforcement Learning for USV Navigation under Disturbances”为题作报告。他介绍了量子强化学习在无人艇复杂扰动环境导航中的应用探索。报告指出，面对风浪等不确定海洋环境，无人艇导航控制需要具备更强的环境感知与决策能力。量子计算与强化学习的结合，为复杂环境下机器人控制、轨迹规划和智能决策提供了新的研究方向，也展示了量子人工智能在无人系统领域的潜在应用前景。

主旨报告结束后，与会师生围绕云计算能耗建模、人机信任机制、对话推荐策略优化、医学人工智能可解释性以及量子强化学习实时应用等问题与报告专家进行了深入交流。现场讨论气氛热烈，专家们结合各自研究经验对相关问题作出细致回应，进一步拓展了参会师生对人工智能与智能制造交叉研究的认识。

本次研讨会聚焦人工智能与智能制造领域的前沿理论、关键技术和应用场景，内容涵盖云计算资源调度、人机协作、推荐系统、生物医学知识发现和量子智能控制等多个方向。会议不仅展示了国内外专家学者的最新研究成果，也为学院师生了解国际学术前沿、拓宽研究视野、推动后续学术合作提供了良好平台。