2026年11月7日，人工智能与统计学的交叉研究研讨会在上海财经大学统计与数据科学学院报告厅举行。本次研讨会由上海财经大学大数据研究院、统计与数据科学学院共同主办，邀请了来自浙江大学、伦敦政治经济学院、北京师范大学、中国人民大学、华东师范大学、华中师范大学、香港理工大学、厦门大学等高校的专家学者，围绕表格基础模型、统计推断、因果推断、深度学习等前沿方向展开学术交流，探讨人工智能与统计学交叉研究的新方法与新进展。
开幕式由上海财经大学周帆主持，统计与数据科学学院院长冯兴东教授致辞。开幕式后，与会人员合影留念。
上午的学术报告由复旦大学夏寅、南开大学韩东啸分场主持。浙江大学郭子剑教授作《TabCUQ: Context-Uncertainty Quantification for Tabular Foundation Models》报告，聚焦表格基础模型在有限标注样本下的不确定性量化问题，介绍了同时考虑有限上下文偏差与上下文变动的扰动式推断框架，为模型估计结果的可靠使用提供方法支持；伦敦政治经济学院史成春副教授以《Can Tabular Foundation Models Amortize Statistical Inference?》为题，介绍基于表格基础模型的统计推断系统TabCon，通过稀疏混合专家架构与强化学习后训练，实现面向新数据集的高效置信区间构建。
北京师范大学郭旭教授作《Testing for Peer Effects in Heteroskedastic Fixed-Effects Panels》报告，围绕交互网络未知情形下的同伴效应检验，介绍适用于异方差固定效应面板模型的统计检验方法；中国人民大学马维副教授以《Beyond biased coin minimization: eliminating shift in covariate-adaptive randomization for unequal allocation》为题，针对不等比例分配中协变量自适应随机化的偏移问题，介绍通过直接设计分配函数改善协变量平衡的新方法，为随机试验设计提供了新的思路。
下午的学术报告由浙江大学崔逸凡、中国科学院潘文亮分场主持。华东师范大学唐炎林教授作《Causal Inference for Heterogeneous Extreme Quantiles with Heavy-Tailed Outcomes》报告，将逆概率加权分位数回归与极值理论相结合，介绍重尾结果下条件极端分位数处理效应的估计框架，并以教育对极高工资水平的影响为例展示应用；华中师范大学曲连强副教授以《Inference for mark-specific causal effects》为题，围绕删失数据中的标记特异性因果效应，介绍其识别、估计与检验方法，并结合抗体介导预防试验数据说明方法的应用。
香港理工大学韩睿浙助理教授作《Deep Ranking with Heterogeneous Effects》报告，介绍区分对象内在得分与情境影响的半参数排序框架，利用神经网络刻画非线性协变量效应，并通过理论分析与网球数据应用验证方法的有效性；厦门大学钟齐先副教授以《Variable Significance Testing for Heterogeneous Treatment Effects》为题，介绍异质性处理效应中的变量显著性检验方法，结合R-learner残差得分与数据自适应方向函数构建检验统计量，为识别影响处理效应异质性的关键变量提供统计工具。
会议还设置了青年教师工作汇报与自由讨论环节。上海财经大学张良宇、张智恒、孙卓、周弘毅四位青年教师作工作汇报，该环节由周帆主持，为青年教师展示研究进展、开展学术交流提供了平台。随后，会议进入自由讨论环节，与会专家就基金项目申请都提出了宝贵意见。
本次研讨会围绕人工智能方法与统计理论的交叉问题，集中交流了基础模型推断、复杂数据分析与异质性效应研究等方面的成果，为不同研究方向的学者搭建了交流平台，也为上海财经大学进一步开展统计与人工智能交叉研究、促进青年学者交流与学术合作创造了机会。
