10月11日，由上海交通大学安泰经济与管理学院数据与商务智能系主办的“第四届大数据管理与商务智能应用论坛”在徐汇校区顺利召开。本次论坛中，来自上海交通大学、香港科技大学（广州）、香港中文大学（深圳）、香港中文大学、浙江工商大学、天津大学、国防科技大学、武汉理工大学、广州大学等海内外知名高校的二十余位学者齐聚一堂，围绕大模型、图数据智能等前沿热点问题展开深入交流与探讨。

上海交通大学讲席教授、安泰经济与管理学院数据与商务智能系系主任林学民教授在开幕式上致欢迎辞，对与会嘉宾的到来表示热烈欢迎和诚挚感谢。林学民教授指出，大数据管理与商务智能的快速发展，为学术界与产业界的深度协作创造了关键机遇，正有力促进技术革新与经济繁荣的良性互动。本次论坛搭建了一个高质量的国际对话平台，汇聚了众多海内外学者，围绕大数据分析、图数据管理、智能决策支持等前沿方向的研究进展与实际应用展开了深入交流与探讨。

香港科技大学（广州）信息枢纽院长及大数据研究院院长陈雷教授以Optimizing Scalable LLM Inference: System-Level Strategies for Proactive KV Cache Management为主题，深入解析了大型语言模型推理中的系统级优化策略，重点介绍了针对KV缓存的主动调度与多实例推理架构优化，为高通量、低延迟的企业级应用提供了关键支撑。

香港中文大学（深圳）数据科学学院科研副院长查宏远教授以《医疗政策与医院资源协同：一个人工智能视角》为主题，阐述了如何运用人工智能方法解决医疗政策与医院运营间的协同难题。他详细介绍了“政策沙盒+数字孪生医院”的创新框架，展示了人工智能在政策仿真、资源协同与医疗绩效评估中的应用，为政策可验证优化提供了新范式。

香港中文大学系统工程与工程管理系系主任程鸿教授以Graph Prompt Learning and Pre-training为主题，分享了图领域的提示学习（Prompt Learning）前沿研究。她的报告介绍了一种新颖的多任务图提示方法，旨在借鉴自然语言处理的成功经验，弥合预训练模型与多样化下游图任务之间的差距，为构建通用、高效的图基础模型开辟了新路径。

浙江工商大学张颖教授以《面向图数据的生成式人工智能(AIGC)：当前技术与未来趋势》为主题，系统梳理了面向图数据生成的AIGC技术。他将现有方法归纳为基于相似性与功能导向的两类方法，并全面回顾了相关模型与研究成果，最后探讨了结合数据库与机器学习技术推动图生成发展的未来方向。

上海交通大学助理教授吴瑞佳以Supervised Topic Modeling: Optimal Estimation and Statistical Inference为主题，为监督主题模型提供了一个严谨的统计理论框架。她提出一种新颖的偏差校正估计量，并证明了其在最小最大意义下的速率最优性，并构建了具有理论保障的置信区间以进行统计推断。

天津大学王鑫教授以《基于图数据的检索增强生成研究进展》为主题，聚焦于如何利用图数据提升大语言模型的问答准确性。他评述了Graph RAG领域的最新代表性工作，并探讨了如何通过知识图谱表示学习技术优化检索质量，最后通过应用案例展示了Graph RAG在垂直领域大模型中的实际落地效果。

国防科技大学赵翔教授以《大数据知识融合前沿进展》为主题，深入剖析了知识融合的基本范式与经典方法，介绍了大数据知识融合技术的前沿进展以及大模型相关的知识融合等相关工作，最后讨论大数据知识融合的未来研究方向。

武汉理工大学计算机与人工智能学院院长郑渤龙教授以《向量数据库关键技术研究：图索引的构建、存储和更新》为主题，探讨了作为大模型技术基座的向量数据库所面临的挑战。报告聚焦于向量图索引技术，围绕其在构建、存储、更新与查询全流程中的难点，提出了创新的解决思路与方法，以提升其效率与可靠性。

广州大学大数据计算与智能研究所副所长张帆教授以《图数据的高效压缩与查询》为主题，介绍了基于图总结问题的压缩技术与查询算法研究进展，并探讨了稠密子图搜索、节点重要性量化等核心问题的高效计算方法，助力图数据的高效管理与分析。

在智慧火花的交织与思想共识的凝聚中，第四届大数据管理与商务智能应用论坛画上了圆满句号。这场学术盛宴成功勾勒出大数据与商务智能领域未来发展的新图景，开启了协同创新的新篇章。