报告摘要：可视化技术通过将数据转化为图形，让人直观地感知大数据的规律与特征。传统的可视化技术通过人机交互，让用户从不同角度探索数据，但这个过程常常需要大量人力并且缺少探索方向。大模型驱动的可视分析提供了新的人智协同范式，探索智能数据分析的方法。在这个过程中，我们将可视化作为人智协同的桥梁，让人感知数据并且将想法通过交互传递给模型。我们会分享大模型驱动的可视化故事叙述方法与数据分析方法，探索智能数据洞察的挖掘与传递。

讲者简介：复旦大学大数据学院青年研究员，博士生导师，上海市高层次引进人才，复旦大学可视分析与智能决策实验室负责人（FDUVIS），复旦仲英学者。曾任德国弗劳恩霍夫智能分析和信息系统研究所（Fraunhofer IAIS）研究科学家与德国波恩大学的博士后研究员。复旦学士（2011）、北大博士（2017）。从事大数据可视化与可视分析，交互式人工智能的研究，主要研究方向包括：AI+VIS、大模型驱动的可视分析、社交媒体分析、自动驾驶、金融科技、数字孪生等，共发表论文100余篇，其中在IEEE VIS，IEEE TVCG, ACM CHI, CSCW，UIST等顶级国际人机交互人智协同会议以及期刊(CCF A)上发表40余篇文章。曾获评AI2000十年间国际可视化研究最有影响力提名奖(全球100名)，主持、参与国家、省部级项目十余项，担任IEEE VIS 国际程序委员会委员，IEEE CG&A国际期刊副主编，Visual Informatics期刊青年编委、IEEE PacificVis论文（VizNotes）主席，ChinaVis数据分析挑战赛主席，VGI Geovisual Analytics Workshop地理时空可视分析研讨会共同主席等。更多信息请访问http://fduvis.net。

报告摘要：在大模型迅猛发展的背景下，如何理解、优化以及利用大模型成为当前人工智能与可视化领域的重要研究课题。本报告探讨可视分析在可信大模型研究中的角色。我们将大模型本身作为研究对象，面向其海量参数、复杂结构以及训练与推理过程中产生的高维数据，探讨如何借助可视分析技术支持数据集构建、训练过程优化与模型可解释性分析。通过系统化的框架、技术创新与案例研究，本报告旨在展现大模型与可视分析之间日益紧密的融合趋势，启发面向未来的新型人机协同分析范式。

讲者简介：邓达臻是浙江大学软件学院"百人计划"研究员、浙江大学启真优秀青年学者。主要研究方向是大模型和可视分析，围绕大模型驱动的可视分析、大模型安全可视分析以及可视分析在体育、城市等领域中的应用开展系列研究。在IEEE VIS、IEEE TVCG、ACM KDD、ACM CHI、UIST等CCF-A类可视分析、人工智能和人机交互会议/期刊上发表相关论文20余篇，曾获CCF-A类会议IEEE VIS 2022、2024最佳论文提名奖，获2023年浙江省科学技术进步一等奖。担任IEEE VIS、ACM CHI等权威会议审稿人，PacificVis TVCG Journal Track程序委员会成员。主持/参与多项国家自然科学基金、国家重点研发计划等国家级项目和多项省级、计划单列市级项目。相关研究成果应用落地至了中国乒乓球大数据分析平台，助力国家队备战国际重大赛事，获得良好的社会效益。

报告摘要：随着人工智能预测模型在科学研究中展现出强大的知识发现潜力，如何借助可视分析手段理解其推理过程，并从中筛选出最具实验验证价值的预测结果，已成为“AI for Science”实践中的核心挑战之一。本报告聚焦于复杂的生物机制预测任务，提出并迭代构建了两个逻辑关联的可视分析系统，以实现人机协同下的预测可解释性增强与高效结果筛选。第一个系统聚焦于模型推理路径的剖析与验证，帮助专家在已知机制的基础上识别潜在遗漏的生物机制预测，借助可视化提升理解、支持机制推理。第二个系统进一步引入“假设驱动”的科学发现理念，融合大语言模型的知识检索与推理能力，结合结构化知识图谱，辅助用户提出、解释并筛选新的生物假设，推动生成式发现过程。本报告展示了从预测结果理解到机制假设生成的连续探索路径，体现了可视分析在提升AI可信度与加速知识发现中的关键作用，也为构建以可解释性为核心的人机协同分析流程提供了新的设计范式。

讲者简介：李权，上海科技大学信息科学与技术学院助理教授（终身教授序列）、研究员、博士生导师，从事人工智能及可视分析、可解释性机器学习以及人机交互技术的研究。他博士毕业于香港科技大学计算机科学与工程学系。任中国图象图形学学会可视化与可视分析专委会委员，IEEE VIS Paper程序委员会委员、ChinaVis论文国际程序委员会委员、IEEE VIS, EuroVis, PacificVis, ChinaVis, ACM CHI/CSCW及TVCG等顶级学术会议期刊审稿人，他曾任美国佐治亚理工学院计算机科学与工程学院的访问研究员、微众银行人工智能部资深研究员及网易游戏资深研究员。他的学术成果发表在IEEE VIS, EuroVis, IEEE PacificVis, ACM CHI, CSCW, UIST, IUI, CGF, TVCG等可视化及人机交互顶级期刊和会议，获得ACM CHI 2025最佳论文奖，并主持国家自然科学基金面上项目。更多信息见https://faculty.sist.shanghaitech.edu.cn/liquan/

报告摘要：随着科学智能（AI for Science）的兴起，大量面向自然科学研究的AI方法不断涌现，显著提升了科研效率并加速了科学发现进程，引发了传统科学研究范式的革命性转变。在此背景下，单一的“人类主导”或“AI主导”的科研模式已难以适应复杂、多变的研究需求，亟需构建多样化的人智协同范式以充分融合研究人员的领域经验与创造力和AI强大的计算与模式识别能力，实现研究人员和AI之间的高效、深度协作。本报告将梳理科学智能领域的关键进展与人智协同的基本概念，并探讨在不同科研阶段和决策场景下进行人智协同方法设计的机遇与挑战，为推动更智能、更灵活的自然科学研究新模式提供实践指导。

讲者简介：石楚涵，东南大学计算机科学与工程学院副教授，博士毕业于香港科技大学计算机科学与工程学系。研究方向包括数据可视化、可视分析、人智协同及其在自然科学、精准医疗等领域的应用，在相关领域的IEEE VIS、IEEE TVCG、ACM CHI、ACM UIST、ACM CSCW等国际顶级期刊和会议发表论文20余篇。任中国图象图形学学会可视化与可视分析专委会委员、中国计算机学会人机交互专委会委员，ACM CHI、ACM CSCW等国际权威会议的区域副主席，以及IEEE VIS、ACM UIST、IEEE PacificVis等会议审稿人。更多信息见：https://shichuhan.github.io/