2026年6月27日至29日，2026泛华统计协会中国会议（2026 ICSA China Conference）在南方科技大学会议中心举行。南方科技大学校长、中国科学院院士薛其坤，ICSA执行主任赵骏，800余位专家学者及师生参会。

本次会议由泛华统计协会（International Chinese Statistical Association, ICSA）与南方科技大学统计与数据科学系共同组织。大会以“从数据到决策：面向复杂挑战的统计创新”为主题，聚焦人工智能与大数据时代统计学和数据科学的前沿发展、交叉融合与创新应用。

开幕式上，薛其坤、赵骏、匹兹堡大学George C. Tseng教授、南方科技大学统计与数据科学系创系系主任邵启满、统计与数据科学系负责人蒋学军先后致辞。

薛其坤在致辞中表示，统计学与数据科学是连接基础研究、技术创新和社会应用的重要学科支撑，在人工智能、生命健康、工程科学、经济金融和社会治理等领域发挥着日益重要的作用。南方科技大学高度重视基础学科与交叉学科建设，希望以本次会议为契机，进一步促进国际学术交流、推动高水平科研合作，为青年学者成长和学科发展创造更加开放的学术环境。

赵骏代表泛华统计协会向大会召开表示祝贺，并感谢南方科技大学统计与数据科学系为会议组织所作的努力。匹兹堡大学George C. Tseng教授详细介绍了泛华统计协会的组织架构。泛华统计协会会议是连接全球华人统计学者和数据科学研究者的重要平台，长期致力于推动统计理论、方法创新和实际应用之间的深度交流。

在大会报告环节，密歇根大学Jeremy Taylor教授以“Data Integration: General Concepts and Specific Methods”为题，介绍了如何在个体数据有限、但可获得外部研究汇总信息的情况下，提高预测模型的统计效率；加州大学圣巴巴拉分校Annie Qu教授围绕大规模、多模态数据中的异质性问题，作题为“Representation Retrieval Learning for Heterogeneous Data Integration”的报告，展示了如何通过表征学习与机器学习方法提升复杂数据整合和预测分析的效果；云南大学唐年胜教授聚焦不完整表格数据中的异常检测问题，以“Variational Masking Generative Model for Anomaly Detection on Incomplete Tabular Data”为题，介绍了一种变分掩码生成模型，通过学习正常数据的分布特征并构建异常检测评分，提高模型在缺失数据场景下的适用性和稳健性；宾夕法尼亚大学苏炜杰教授则以“Alignment in Large Language Models: Statistical and Game-Theoretic Perspectives”为题，从统计学和博弈论视角分析了基于人类反馈强化学习的理论基础与潜在局限，指出现有对齐方法可能存在偏好坍缩、循环偏好难以刻画等问题。

本次大会为参会者搭建了多层次交流平台，推动不同研究方向、学术背景与应用领域的海内外学者开展深度对话。会议期间，参会者展示了统计与数据科学领域的研究成果和创新思想，并深入讨论了该领域的最新动态和发展趋势，有效促进了跨学科之间的交流与合作。

供稿：统计与数据科学系

通讯员：滕悦然

编辑：曾昱雯