李杰、高楠 报道
9月27日上午，位育楼417举办的统计大模型分析研讨会取得了圆满成功。本次会议汇集了多位统计学领域的顶尖专家，他们就各自的研究领域进行了精彩的汇报和讨论，为与会者带来了前沿的研究成果和学术洞见。
报告第一环节由学院院长孔新兵教授主持。周望、何勇等四位教授分别进行了学术汇报。首先，周望教授的报告题目为《Extreme eigenvalues of sample covariance matrices under generalized elliptical models》，深入探讨了Wigner矩阵和样本协方差矩阵之间的联系，着重强调了在样本协方差矩阵中寻找极端特征根的问题，并引入了白鹰定理作为解决最大根问题的有力工具。随后，何勇教授的报告题目为《High-dimensional Robust Factor Analysis (HDRFA)》，提出因子模型一直以来在经济学和金融学领域有着广泛的应用，但宏观经济和金融数据的重尾分布特点需要寻找更鲁棒的分析方法，并阐述了鲁棒因子分析工具如何应用于结构良好的矩阵和张量数据，并以适当的方式对HPCA、QFA和RTS进行扩展。
姚方教授的报告题目为《Theory of Functional PCA for noisy and discretely observed data》，指出函数主成分分析（FPCA）在数据降维和表示中扮演核心角色，但存在未解决问题：如何处理带噪声和离散观测数据中的特征分量扰动。姚方教授的团队建立了统一理论，为特征函数的估计提供了新方法，有助于解决FPCA模型和逆问题，推动函数数据分析领域发展。最后，邹长亮教授的报告题目为《Optimal subsampling via predictive inference》，探讨了在大数据时代，如何通过预测推断实现最佳子采样。他提出了一种能够在最大化样本多样性的同时控制误选率的最优子采样方法。这一方法不仅提高了估计准确性，还充分挖掘了可靠信息。
报告第二环节，与会嘉宾举行题为“统计学与大模型研究进展与前沿讨论”的学术研讨会。本次研讨会由中国科学技术大学的王学钦教授主持，会议旨在深入探讨统计学与大模型领域的最新研究进展，并探讨未来的前沿方向。
王学钦教授首先介绍了统计学领域的发展历程，大模型的现状以及相关挑战。他提出了一个重要观点，即希望统计学能够从新兴的大模型中寻求解决传统统计学问题的方法。邹长亮教授与与会师生分享了他的观点，他结合ChatGPT的发展，强调了不仅要了解和使用算法，还要深入理解数据的随机性，以更好地应对不确定性。姚方教授则指出，高校不应仅仅关注理论，还应加强工程能力和动手能力的培养。会议期间，与会师生积极参与了激烈的讨论，就统计学与大模型研究的前景与挑战进行了深入的交流。
本次统计大模型分析研讨会为与会者提供了一个宝贵的学术交流平台。各位嘉宾的报告内容涵盖了统计学领域的多个重要方向，从函数数据分析到大数据时代的最优子采样，再到高维数据的特征值结构和鲁棒因子分析等。这些报告不仅展示了各位专家在各自领域的深刻造诣，也为学术界和相关领域的研究人员提供了宝贵的思路和启发。南京审计大学统计与数据科学学院将继续举办类似的学术活动，为推动统计学与大模型研究的前沿发展作出贡献。
