【新智元导读】最近，复旦大学的研究人员提出了一种新闻推荐生态系统演化模拟平台SimuLine，可以从真实数据中构建一个反映人类行为的潜在空间，然后通过基于代理模型的仿真模拟出新闻推荐生态系统的演化动态。理解在线新闻社区的演变对于设计更有效的新闻推荐系统至关重要，但由于缺乏适当的数据集和平台，现有研究在理解推荐系统如何影响社区演化方面存在局限，导致了可能影响长期效用的次优系统设计。针对这一问题，复旦大学计算机学院CISL研究团队研发了新闻推荐生态系统演化模拟平台SimuLine。SimuLine基于预训练语言模型（PretrainedLanguageModels）和逆倾向得分（InversePropensityScore）从真实数据中构建了一个反映人类行为的潜在空间，然后通过基于代理模型的仿真（Agent-basedModeling）模拟出新闻推荐生态系统的演化动态。SimuLine支持在单服务器（256G内存，消费级显卡）上对10000+名读者和1000+名创作者进行100+轮次的创作-推荐-交互模拟，同时提供包括定量指标、可视化和文本解释在内的综合分析框架。广泛的仿真实验表明Simu

复旦大学计算机科学技术学院徐扬教授科研团队的研究论文《BMWTree:Large-scale,High-throughputandModularPIFOImplementationusingBalancedMulti-WaySortingTree》被ACMSIGCOMM2023接收，论文的第一作者为博士生姚如意，第二作者为博士生张志禹，指导教师为徐扬教授和刘森青年副研究员。该工作联合了复旦大学微电子学院和纽约大学共同完成。ACMSIGCOMM是国际通信网络领域的顶尖会议，以高质量、高影响力著称，在该会议几十年的历史上，第一单位是国内大陆科研院所的论文总数很少，这也是复旦大学首次以第一完成单位在SIGCOMM会议上发表学术成果。SIGCOMM2023将于2023年9月10-14日在美国纽约市召开。在网络设备中，数据包调度器对网络应用的服务质量起着至关重要的作用。传统的网络设备调度策略固化，通常只支持少量常见的调度算法供用户通过配置参数选择使用。然而在当前以数据中心网络为代表的复杂网络环境中，网络模型和流量模型愈发复杂，网络应用的调度目标也变得多种多样。随着新应用的不断出现，未来还可能出现

2023年5月26日，上海市科学技术奖励大会传来捷报，复旦大学计算机科学技术学院阚海斌教授、吴俊教授作为项目第一完成人分别获得上海市科学技术奖科技进步一等奖。科技进步奖·一等奖01“基于区块链与属性密码的数据存证、确权、共享交换”简介服务于数字经济，支持数据要素流通，需要确保数据安全与用户隐私。针对数据流通过程中存证、确权、溯源、监管、共享问题，该项目设计了基于区块链与属性密码的细粒度权限管理平台、共享交换平台、版权保护系统。将区块链和属性密码融合，利用区块链来管理属性，可以比较方便地进行属性声明、申请、授与、撤销等。研发链外HASH锁生成的闪电DNA技术，较快速实现链下存储与链上验证，隐私计算区块数据嵌入技术，支持海量存储追踪溯源的数据摘要管理体系。本项目所开发的原本区块链版权保护系统可以方便地对知识产权进行登记确权，用户可以直接在链上查询购买版权，可以自动地监测是否存在侵权行为，为多家媒体提供版权保护服务，该系统在国内同领域处于领先地位。02“虚拟现实（VR）的云边端协同视频传输关键技术及应用”简介虚拟现实（VR）是“十四五”规划中明确指出的国家重点发展方向之一，也是元宇宙的核心技

2023年5月8日中午，在江湾校区二号交叉学科楼，计算机科学技术学院召开了“密码学院和特色化软件学院建设研讨会”，是落实学校“切问近思”大调研的主题教育活动之一。学院学科建设领导小组成员、学院班子成员及两个二级学院建设方案工作小组成员出席会议。会议围绕密码学院和特色化软件学院的建设背景、进展情况等展开交流研讨。杨珉副院长（主持工作）强调，密码学院和特色化软件学院的建设是计算机学院整体学科建设的一个重要抓手，也是学科发展中争取外部增量资源的机会。学院将系统性地考虑增量资源配置方式，以关键任务导向有组织的人才培养和科学研究。随后与会老师们进行了深入热烈地交流和探讨。王新书记发言时表示，密码学院和特色化软件学院的建设要提高站位，在保持计算机学院行政主体高度统一的前提下，从学科建设的高度来策划和实施，争取更多外部的资源、加速发展学科建设、提升人才培养质量。

3月24日，中国中文信息学会2022学术年会暨理事会以及钱伟长中文信息处理科学技术奖及优秀博士学位论文颁奖大会在北京举行。复旦大学计算机科学技术学院邱锡鹏教授科研团队获钱伟长中文信息处理科学技术奖一等奖。钱伟长中文信息处理科学技术奖是经科技部批准设立的中文信息处理领域的最高科学技术奖，主要授予该领域在基本方法或关键技术上有原始创新或重大突破，对推动我国中文信息处理事业或行业进步起到重要作用，创造出较大经济效益或社会效益的项目或个人。2022年度该奖项评选产生了一等奖3项，我院邱锡鹏教授等完成的“大自然语言表示学习及其开源应用”占有一席。项目的主要完成人为邱锡鹏、桂韬、张奇、颜航、黄萱菁。“钱伟长中文信息处理科学技术奖”一等奖项目颁奖合影十年磨一剑，项目自2009年起，到2021年至，走过十余年历程。项目围绕自然语言处理表示学习的四个层面（表示模型、学习机制、关键技术以及开源应用）开展研究。围绕这四个层面，项目在理论研究、技术创新以及开源应用上都做出了业界领先的研究成果，推动了自然语言处理通用表示学习的发展。

2023年4月23日晚，在江湾校区二号交叉学科楼，计算机科学技术学院召开了“建设新兴交叉学科研讨动员会”，是落实学校“切问近思”大调研的主题教育活动之一。柴洪峰院士、学校发展规划处处长吴力波、学院学科建设领导小组成员、学院资深教授代表、国家级高层次人才计划入选者代表、学院班子成员及教工支部书记代表出席会议。会议围绕新兴交叉学科的建设背景、建设思路、建设模式等展开交流研讨。杨珉副院长（主持工作）强调此次会议既是调研会还是动员会，希望与会各位老师出主意、想办法、把好关、群策群力，在学校新的战略性学科布局和谋划中做出计算机学院的贡献。吴力波处长发言时表示，希望计算机学院站在提升整个学校的学科综合竞争力、优化学科生态体系的角度，大力支持并积极参与到新兴交叉学科的规划与建设工作中来。同时表示发展规划处将努力做好协调保障，推动相关工作高质量平稳有序开展。随后智能科学与技术交叉学科和数据科学与技术交叉学科参与方案编制的老师介绍了学科规划与建设工作进展。柴洪峰院士在发言时给予了悉心指导，指出要有组织科研、强调新工科团队的重要性，并诠释了自由式探索与有组织科研如何有机结合。随后与会老师们进行了深入热烈地

近日，复旦大学计算机科学技术学院颜波教授、谭伟敏青年研究员带领的数字媒体实验室团队在国际计算机视觉和模式识别顶级会议CVPR2023第三届反无人机挑战赛中取得第二名的成绩。本次比赛团队成员包括颜波教授、谭伟敏青年研究员以及博士生何瑞安、周诗力、程日和孙玉齐同学。团队成员将在6月份召开的CVPR2023第三届反无人机研讨会上进行口头汇报和展示。图1.第三届反无人机第二赛道前三名的团队信息无人驾驶飞行器，通常称为无人机，由于其灵活性、可承受性和普及性，在各种民用应用中变得越来越普遍。然而，随着无人机的日益普及，其对公共安全的潜在威胁也不容忽视。无人机已被用于进行物理和网络攻击，还可能违反航空安全法规，给航空公司造成中断和经济损失。在这方面，反无人机技术的发展成为一个至关重要的研究方向，对于国家安全，人民生命健康具有重大意义。图2.反无人机比赛中具有挑战性的样例CVPR2023第三届反无人机挑战赛是由北京理工大学、北京邮电大学、新加坡国立大学、阿姆斯特丹大学、中国科学院自动化所、中国人民解放军军事科学院、阿里达摩院等诸多机构学者共同发起。本届挑战赛重点针对复杂动态背景下的多种尺度的无人机目标

2023年4月21日，复旦大学计算机科学技术学院自然语言处理实验室开发的新版MOSS模型已上线，成为国内首个插件增强的开源对话语言模型，支持搜索引擎、图像生成、计算器、方程求解器等插件工具。除了完成升级迭代，MOSS模型还走上了开源道路，相关代码、数据、模型参数已在Github和HuggingFace等平台开放，供科研人员下载，促进人工智能模型研究和开源社区的生态繁荣。与GPT-4一样能接入插件MOSS是国内第一个发布的对话式大型语言模型，今年2月邀公众参与内测。它可以执行对话生成、编程、事实问答等一系列任务，打通了让生成式语言模型理解人类意图并具有对话能力的全部技术路径。这条路径的走通，为国内学术界和产业界提供了重要经验，将助力大语言模型的进一步探索和应用。内测版MOSS的英文对话水平比中文高，其中文回答在语法、知识等方面较为准确，但与ChatGPT相比，还存在知识储备量不够大、中文表述逻辑不够顺畅等问题。为了提升MOSS的中文对话水平，并让人工智能大模型拥有更多的功能，复旦大学邱锡鹏教授团队在上海人工智能实验室的支持下加紧研发，用两个月时间开发出MOSS升级版。与2月发布的MOSS

复旦大学计算机科学技术学院自然语言处理团队郑骁庆和黄萱菁老师等在脉冲神经网络方面的研究工作被机器学习顶级国际会议ICLR2023（TheInternationalConferenceonLearningRepresentations）录用，论文题为《SpikingConvolutionalNeuralNetworksforTextClassification》，该项工作较早验证了脉冲神经网络在语言处理任务上的可行性，并且发现脉冲神经网络天然具备较高的对抗鲁棒性。基于深度学习的方法在图像、声音、语言等领域取得了令人瞩目的突破，但构建和使用深度学习模型（一般需要使用GPU计算设备）也带来了巨大的能源消耗。以训练GPT-3为例（ChatGPT的基础模型），大约需要190,000kWh的能量，而人类大脑进行感知、识别、认知、推理和控制等多种复杂活动只需要20W的能量，人工神经网络和生物神经网格在能耗方面的差异十分巨大。与生物神经元相似，脉冲神经网络（Spikingneuralnetworks,SNNs）也采用离散脉冲来传递和处理信息，它即是目前最接近生物脑工作机制的网络，又是有望以节能和经济的

由复旦大学计算机科学技术学院承办的2023年CCF中国软件大会（CCFChinaSoft2023）筹备工作会议暨软件工程专委会与系统软件专委会常委会议在上海成功举行。CCF中国软件大会是CCF（中国计算机学会）在整合全国软件与应用学术会议（NASAC）与全国形式化方法与应用学术会议（FMAC）两个学术会议的基础上于2020年创办的会议，是中国软件科学与工程相关领域办会规格最高、参会人数最多、影响范围最广、涵盖内容最全面的全国性学术会议。2023年CCF中国软件大会由CCF软件工程、系统软件、形式化方法三个专委会与复旦大学共同承办，将于12月1日到3日在上海国际会议中心举行。本次大会筹备工作会议于3月4日上午在上海国际会议中心举行。CCF系统软件专委会主任、北京大学金芝教授，CCF软件工程专委会主任、南京大学李宣东教授，以及南京航空航天大学副校长黄志球教授、上海交通大学傅育熙教授、南京大学王林章教授、华东师范大学蒲戈光教授、南京大学卜磊教授、国防科技大学董威教授等专委副主任和秘书长现场参会，CCF形式化方法专委会主任、国防科技大学王戟教授以及CCF软件工程专委会秘书长、北京大学李戈教授等

作为战略性新兴技术，人工智能日益成为科技创新、产业升级和生产力提升的重要驱动力量，近年来也成为我国产业、科技发展布局的重要领域。日前印发的《数字中国建设整体布局规划》明确提出要夯实数字基础设施和数据资源体系“两大基础”，培育壮大数字经济核心产业，推动数字技术和实体经济深度融合。这使得国内数字经济和智能产业发展迎来重大机遇。去年11月以来，人工智能研究公司OpenAI推出的聊天机器人ChatGPT在全球引发广泛关注，其表现出的超前的人机交互水平打开了人们对人工智能的想象，在产业界产生了重大的影响，谷歌、微软相继推出ChatGPT竞品Bard和整合了ChatGPT的新版Bing搜索引擎，百度、阿里等国内科技企业也宣布相关业务布局。ChatGPT火热出圈背后的原因是什么？它会带来什么样的产业变革？我国人工智能产业如何实现的技术突破与创新？人工智能的应用与发展前景如何？围绕相关话题，21世纪经济报道记者专访了复旦大学人工智能创新与产业研究院院长、教授漆远。技术创新是一个长期孵化的过程Q1《21世纪》：你认为ChatGPT出圈背后的原因是什么？漆远：第一个方面，从C端用户体验的角度来说，它通过一

国际计算机视觉和模式识别会议，英文全称IEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR)，是人工智能领域最具影响力的顶级年会。在谷歌学术指标排行榜中，CVPR在全球所有领域的学术出版物中排名第四，在计算机和人工智能领域排名第一。本次会议收到9155篇投稿，经严格专家评审，共录用2360篇论文，录用率为25.78%。复旦大学计算机科学技术学院视觉与学习实验室共有11篇论文入选，成果覆盖视频内容理解、目标检测及分割、强泛化深度模型、对抗攻击与防御以及病理图像分析等多个重要研究方向。11篇录用章简介1.LookBeforeYouMatch:InstanceUnderstandingMattersinVideoObjectSegmentation论文作者：JunkeWang,DongdongChen,ZuxuanWu,ChongLuo,ChuanxinTang,XiyangDai,YuchengZhao,YujiaXie,LuYuan,Yu-GangJiang研究团队将实例理解显式地引入基于记忆网络的方法，提出一个双分支V

2023年2月17日，高瓴人工智能学院举办高瓴楼首次学术报告，邀请到了复旦大学的邱锡鹏教授做主题为“大型语言模型的能力分析与应用”的报告。高瓴人工智能学院执行院长文继荣出席并致辞，报告由高瓴人工智能学院长聘副教授宋睿华主持。报告现场空前火热，超过500名师生参会，线下报告厅观者云集，线上会议室中观看人数也早早达到容量上限。报告中，邱锡鹏教授详细深入地介绍了以ChatGPT为核心的大规模语言模型的相关知识及未来的发展方向。得益于邱锡鹏老师的个人魅力和ChatGPT的火热，现场的老师和同学都踊跃发言，积极交流互动，碰撞出了许多思维火花。（讲座原视频，戳文末阅读原文赏析）〇、前言丨ChatGPT的前世今生ChapGPT自2022年底问世以来，便展现出了令世人惊艳的对话能力。仅用两个月时间，ChatGPT月活跃用户已达一亿，是史上用户增速最快的消费应用。对于学术界、工业界、抑或是其他相关应用来说都是一个非常大的机会和挑战。事实上，ChatGPT的成功并不是偶然结果，在目前的版本开放出来以前，OpenAI已经在训练大规模语言模型的道路上深耕多年。ChatGPT的发展路径可以由下图概括：从2017

3月2日，OpenAI在官方博客宣布开放ChatGPT的模型API。同一天，上海市智能信息处理重点实验室，复旦大学计算机学院邱锡鹏教授MOSS团队官方公开宣布研究成果将会开源。邱锡鹏向上海科技介绍：目前，从参数规模维度来看，MOSS是百亿级规模，ChatGPT是千亿级规模，但人脑应该是百万亿规模。所以和人脑相比，无论MOSS还是ChatGPT，复杂度都还是不够。“大模型规模进一步扩大的话，就需要更多的算力。无论ChatGPT还是MOSS，最终考验的可能还是芯片和算力。”邱锡鹏说：“除了大算力的支撑，接下来，大规模资金投入以及多场景应用对MOSS的发展也至关重要。”“就像人的大脑一样，MOSS有举一反三的能力”“MOSS其实春节前就开发出来了。”邱锡鹏介绍，目前，MOSS的底层架构已经完成，但还有扩大规模的可能。MOSS可以把网络结构再放大，相当于把人工神经网络做得更大。“MOSS没有任何类似传统的数据库或网络基础，它也没有后台，就是一个模型，由一堆参数决定。”ChatGPT模型给我们展示出很多的AI技术做不到的能力，特别是通用智能能力，让人们看到了AI技术迈向通用人工智能的一种希望。所

评论：ChatGPT：潜力、前景和局限周杰1,3，柯沛2，邱锡鹏1,3，黄民烈2，张军平‡1,31复旦大学计算机科学技术学院，中国上海市，2004332清华大学计算机科学与技术系，中国北京市，1000843上海市智能信息处理重点实验室，中国上海市，200433【本文译自ZhouJ,KeP,QiuXP,etal.,2023.ChatGPT:potential,prospects,andlimitations.FrontInformTechnolElectronEng,earlyaccess.https://doi.org/10.1631/FITEE.2300089】01绪论最近，OpenAI发布了对话生成预训练模型Transformer（ChatGenerativePre-trainedTransformer，ChatGPT）（Schulmanetal.,2022）(https://chat.openai.com)，其展现的能力令人印象深刻，吸引了工业界和学术界的广泛关注。这是首次在大型语言模型（largelanguagemodel,LLM）内很好地解决如此多样的开放任务。为更好地理解C

近日，全国信息安全标准化技术委员会为表彰在2022年国家网络安全标准化工作中做出突出贡献的个人，报经主任委员同意，决定授予左敏等10名同志为“2022年度全国信息安全标准化技术委员会标准化工作先进个人”。祝贺柴洪峰院士获评先进个人！序号姓名单位1左敏蚂蚁科技集团股份有限公司2胡宝文国家密码管理局商密办3柴洪峰复旦大学4刘蓓国家信息中心5顾健公安部第三研究所6罗海宁国家信息中心7王秉政中国电子技术标准化研究院8汪宗斌北京信安世纪科技股份有限公司9孙晓丽国家信息技术安全研究中心10柳扬中国通信标准化协会转载来源：全国信安标委公众号

由美国OpenAI公司开发的ChatGPT模型在全球点燃了新一轮AI革命，海内外关注度陡增。前不久，复旦大学计算机科学技术学院邱锡鹏团队发布类ChatGPT模型MOSS，新闻迅速登上微博热搜。MOSS“火”了。2月20日发布当天就收到大量内测申请、采访、投资、合作邀约——公众对于这项原本局限于NLP（自然语言处理）学术圈的新技术热情高涨。邱锡鹏团队对此颇感意外，但又很快回归平静。大家最兴奋的一天，是春节前的腊月二十八。项目主开发者、计算机科学技术学院博士研究生孙天祥，在测试过程中输入了一个中文问题，MOSS却以英文正确回答，“就像一个不会说但听得懂中文的人”。而当时版本的MOSS还很初级，中文语料占所有训练数据不到0.1%。“很神奇，我们没有教过它机器翻译。”MOSS显示出的潜能让邱锡鹏当晚激动到失眠。他把MOSS比作一个“聪明的小孩”，即便现在还不擅长写诗、解题或很多具体的事，但已展示出成为通用人工智能（AGI）大框架的潜能，“很多遥不可及的事情，它一点就通了。”实际上，邱锡鹏也让6岁的女儿和MOSS聊天，发现孩子可以愉快地和MOSS对话很长时间。MOSS受到关注的背后，是科研人员十

复旦大学计算机科学技术学院张文强研究员领导的机器人智能实验室（ROILab）研究论文《ADPL:AdaptiveDualPathLearningforDomainAdaptationofSemanticSegmentation》被IEEETPAMI接收（regularpaper），《IEEETransactionsonPatternAnalysisandMachineIntelligence》(TPAMI)，是中国计算机学会（CCF）和中国自动化学会（CAA）等多个学会共同推荐的人工智能领域A类国际顶尖期刊（影响因子24.314）。论文主要关注面向语义分割的域自适应任务，该任务旨在减轻语义分割训练对大规模像素级标注的需求。最近，结合图像风格迁移和自监督学习的方法在自适应分割中显示出极强的优越性。最常见的做法是在单个域中同时施加图像风格迁移和自监督学习，然而，在这种基于单一域的范式中，图像风格迁移引起的视觉不一致性问题可能会影响后续的学习。此外，在单一域中对齐的单个分割模型生成的伪标签会向自监督学习引入训练噪声。基于源域和目标域中的单域自适应互补这一发现，论文提出了一种新的自适应双路学习