2026年9月5日，应我院邀请，北京航空航天大学王啸教授为我院师生作题为《大语言模型赋能的图表征学习》学术报告。报告由学院袁培燕院长主持，报告在学院223报告厅进行，学院部分师生代表出席本次学术活动。
报告中，王啸教授结合大语言模型快速迭代的行业背景，剖析传统图神经网络存在语义理解薄弱、图结构稀疏、跨域泛化不足等固有短板，梳理出大语言模型作为图表征学习预测器、增强器两条核心技术路径，指出图‑文本对齐不足、对抗鲁棒性欠缺，是制约该技术落地的两大瓶颈。针对表征偏差、抗干扰能力弱等现实难题，研究首先从信息论层面揭示传统图与大语言模型对齐存在固有的互信息约束；通过实证纠正“大语言模型结合图神经网络即可天然提升鲁棒性”的固有认知，点明拓扑攻击是模型融合后的共性安全短板。在此基础上，研究提出重构式图指令微调框架，实现对现有图大模型体系的轻量化兼容；同步搭建通用适配框架，打通大语言模型与图神经网络的融合链路，并开放专项数据集为领域研究提供支撑。
在交流互动阶段，与会师生围绕图‑文本对齐约束、模型鲁棒性优化、通用框架适配等关键技术问题开展深入研讨，并就大语言模型赋能图表征学习在各领域的应用进行了充分交流。
此次报告为我院师生开展大模型‑图学习交叉方向相关研究提供了新思路，对学院人工智能交叉学科建设、前沿科研攻关以及复合型人才培养具有重要参考意义。
（计算机与信息工程学院 周猛）