我有幸参加了第40届AAAI人工智能年会，并在此次会议上进行了论文海报展示与学术交流。AAAI自1980年首次召开以来，已发展为人工智能领域最具影响力和权威性的国际顶级会议之一。该会议覆盖机器学习、自然语言处理、计算机视觉、知识表示、智能系统等多个前沿研究方向，以其严格的评审体系、高标准的论文录用机制和广泛的国际影响力著称，被公认为全球人工智能研究者发布创新成果的重要平台。 我的论文题目为《Generalizable Heterogeneity-aware Federated Feature and Basic-matrix Consistency Learning》，提出了一种面向异构联邦学习与灾难性遗忘问题的通用框架FBCL（Federated Feature and Basic-matrix Consistency Learning）。该方法通过对齐跨客户端特征分布并构建高维特征基矩阵，在无标签公共数据的支持下实现跨域特征一致性学习，从而在保护隐私的前提下提升模型泛化能力。同时，为缓解本地训练阶段的灾难性遗忘问题，FBCL在高维特征空间引入一致性约束，并结合历史模型知识蒸馏机制，有效保留跨域知识并稳定模型性能。大量实验结果表明，该方法在多种图像分类场景中显著优于现有先进方法，展现出良好的鲁棒性。 在本次会议中，我围绕论文研究成果进行了海报展示，并向来自不同国家和研究机构的学者系统介绍了研究背景、方法设计、实验结果及主要结论。同时，我积极参与大会主旨报告、专题研讨及海报交流环节。这些交流不仅拓宽了我的学术视野，也加深了我对当前人工智能研究热点、前沿趋势与未来挑战的理解。 参与第40届AAAI人工智能年会是我学术成长过程中的一次重要经历。这次会议不仅让我得以向国际学术界展示研究成果，也为我提供了深入了解人工智能前沿研究动态的宝贵机会。通过海报展示与面对面的学术交流，我获得了新的研究思路和学术启发，这将对我未来的科研方向与学术发展产生积极而深远的影响。 该团组已进行事后公示。 （领队签字） |
