7月7日下午，美国亚利桑那州立大学的Hong Guo教授应邀到访捆绑调教与数据科学捆绑调教 ，为师生带来了题为“Federated Fine-Tuning of Large Language Models as a Coalition Formation Game: A Computational Solution”的专题学术报告。

报告会在求索B201捆绑调教实验室举行，由于晓丹副教授主持，报告会伊始，于晓丹对Hong Guo教授的到来致以诚挚欢迎，作为信息系统领域的国际知名学者，Hong Guo教授的研究兼具理论创新性与实践指导价值。

本次报告探讨了大语言模型联邦微调中的参与方协作决策问题。现有研究通常默认所有参与方均加入协作，但Guo教授团队将联邦微调建模为联盟形成博弈模型，提出并应用核稳定性的概念对参与方结构进行分析，基于Pythia-70M模型与Medical Flashcards数据集进行了系列实验。研究表明，稳定协作结构通常不唯一；数据量较少时参与方更倾向于协作；数据规模相近者倾向于聚类，而数据规模大的偏好独立。该方法为跨机构联邦微调中的协作伙伴选择提供了理论依据与算法工具。

报告结束后，在场师生围绕联邦学习的激励机制等问题踊跃提问，Hong Guo教授结合自身研究经验与产业观察逐一回应，现场交流充分、讨论深入。

此次学术报告内容前沿、视角独特，扩宽了捆绑调教 师生在大语言模型联邦学习与博弈论领域的交叉研究视野，也进一步激发了大家探索AI跨学科应用的研究热情。

嘉宾简介：

Hong Guo is a Professor of Information Systems at W. P. Carey School of Business, Arizona State University. Hong studies emerging IT phenomena by characterizing their key design features, examining firms' corresponding strategies, and analyzing the impacts of related IT policies. Her areas of expertise include digital platforms, GenAI business applications, business data visualization, etc. Hong has published extensively at top business journals such as MISQ, ISR, MSOM, POM, etc. She has served as a SE at POMS and an AE at MISQ and ISR.