报告摘要
随着大语言模型和智能体快速发展，人工智能正在从完成预测任务的工具，演变为能够推理、调用工具、执行复杂任务甚至参与科学发现的智能系统。当 AI 越来越“聪明”，一个更加重要的问题随之出现：我们如何知道它真的做对了，又如何判断它的结论值得相信？ 本报告将从这一问题出发，讨论人工智能时代统计学的新角色。一方面，从 Statistics for AI 的视角，介绍统计学如何通过不确定性量化、风险控制、模型评测与验证、偏好学习与排序等方法，帮助我们回答 AI“有多可靠”“什么时候会失败”以及“如何公平比较”等问题；另一方面，从 AI for Statistics 的视角，结合 StatEval、DataSciEval 和 StatProver 等工作，探讨大语言模型与智能体如何反过来推动统计推理、数据分析与自主科研。报告希望说明：在 AI 时代，稀缺的或许不再是“一个答案”，而是知道这个答案有多可信的能力——而这正是统计学能够发挥核心作用的地方。
嘉宾简介
周帆，上海财经大学统计与数据科学学院常任教授，应用统计与数据科学系系主任，教育部青年长江学者，博士毕业于美国北卡罗来纳大学教堂山分校，现担任统计学顶刊JASA的副主编与人工智能顶会NeurIPS的领域主席。研究兴趣包括深度学习，强化学习的算法与理论，大模型微调与AI智能体，在统计学，机器学习顶刊和顶会上发表了数十篇文章，带领团队建立了大模型统计推理数据集与评价体系StatEval，数据科学评测基准DataSciEval与自动化统计定理证明智能体StatProver。曾获上海市自然科学二等奖，泛华统计协会国际会议新研究者奖,北卡教堂山分校James E. Grizzle Distinguished Alumnus Award和Barry H. Margolin Award。
直播分享时间：2026年9月16日
