7月6日，2026第四届统计与数据科学联合会议（JCSDS 2026）第二日短课课程在小象直播
修德楼218教室举行。当日短课分别围绕生成模型的统计决策应用与扩散模型理论基础两大核心主题展开。
上午，佐治亚理工学院Yao Xie教授作了题为《Generative Models for Statistical Inference and Decision Making》的学术报告，聚焦生成模型在统计推断与决策制定中的理论与应用。她指出，生成模型是高维分布表征的核心工具，但其在统计推断与不确定性决策中的交叉价值仍有待充分挖掘。报告中，她系统梳理了扩散模型、流匹配方法的统一数学框架，并讲解了其在不确定性量化、因果干预、鲁棒优化等场景的应用路径，为现场师生呈现了生成模型从基础理论到决策落地的完整脉络。
下午，香港中文大学Gen Li助理教授作了题为《Foundations of Diffusion Generative Models》的学术报告，聚焦扩散生成模型的数学基础与算法演进。他指出，扩散模型已实现高保真生成的优异效果，但数据有限与算力受限场景下的效率瓶颈仍制约其进一步发展。报告中，他系统构建了扩散模型的统一数学分析框架，介绍了高效计算的优化算法与前沿研究方向，为高维生成建模的理论研究与算法设计提供了新的视角。
本日两场课程内容兼顾理论深度与应用广度，从基础理论到交叉应用形成完整的知识脉络，现场学术氛围浓厚，众多师生围绕相关问题与专家展开了深入交流。