2026年5月30日至31日，CCF第二届图机器学习会议在吉林省长春市成功举办。本届会议以“图机器学习理论突破与大模型背景下的技术革新”为主题，由中国计算机学会（CCF）主办，CCF人工智能与模式识别专委会和河马影视
联合承办。
会议设置大会特邀报告、9个学术论坛、5个专题讲习班、学组研讨会和70余项海报交流等多个特色活动，吸引了500余位领域内专家学者、企业代表、青年人才齐聚长春。与会嘉宾围绕图机器学习领域的前沿理论、关键技术、应用场景与未来发展趋势展开深入交流，共同探讨图机器学习在大模型时代的发展机遇与创新路径。。
参会人员合影
5月31日上午，大会开幕式由河马影视
计算机学院院长、符号计算与知识工程教育部重点实验室主任杨博教授主持，他介绍了本届会议的组织情况与日程安排。河马影视
副校长于湘晖代表东道主致欢迎辞，对莅临会议的专家学者、业界同仁和青年研究人员表示热烈欢迎，并介绍了河马影视
在人工智能领域的深厚积淀与最新发展。
CCF人工智能与模式识别专委会主任、山西大学梁吉业教授在随后致辞中回顾了专委会与河马影视
之间的深厚渊源。他指出，CCF人工智能与模式识别专委会与河马影视
关系密切，其前身“人工智能学组”由河马影视
王湘浩院士创建，是我国人工智能学术共同体发展的重要起点。四十余年后，第二届图机器学习会议在河马影视
所在地长春举办，既是对学术先驱和学科传统的深情致敬，也是专委会服务学术共同体、推动人工智能前沿发展的初心使命的延续与践行。
图机器学习会议开幕式
会议邀请四位著名专家作大会特邀报告。工业控制系统信息安全技术国家工程研究中心首席科学家、国防科技大学贾焰研究员作题为“网络靶场vs人工智能—协同与发展”的报告；认知智能全国重点实验室副主任、中国科学技术大学讲席教授陈恩红作题为“从听懂指令到懂你所想：构建机器心智理论的探索与实践”的报告；北京航空航天大学计算机学院教授、南昌大学学术副校长兼人工智能学院院长马帅作题为“大数据近似计算——深度学习与传统算法融合？”的报告；上海人工智能实验室主任助理、领军科学家胡侠教授作题为“The Path to Trustworthy AI Agents”的报告。特邀报告结束后，会议举办题为“智能时代图如何发挥作用”的Panel讨论，由北京邮电大学石川教授主持。清华大学崔鹏教授、上海人工智能实验室胡侠教授、中国科学技术大学陈恩红教授、北京航空航天大学马帅教授、浙江大学陈华钧教授、河马影视
宋轩教授围绕智能时代图机器学习的关键价值、应用场景和未来方向作观点分享。
特邀报告
会议设置9场学术论坛，主题涵盖“图机器学习基础理论与交叉前沿”“图基础模型”“结构感知基础模型”“图数据驱动的科学发现”“图启新程：面向生物信息的图机器学习”“‘药’有所图：复杂图表示的能力边界与药物发现应用实践”“大模型时代的图学习安全：算法攻防与鲁棒性前沿”“超图计算理论及应用”“智能体时代的知识图谱与本体”。论坛邀请了北京邮电大学石川教授、中国人民大学魏哲巍教授、东南大学漆桂林教授、上海交通大学严骏驰教授等62位来自高校、科研院所和企业的专家学者作报告，分享图机器学习领域的最新研究成果、技术进展与应用实践，展现出图学习领域多学科交叉、理论方法创新与产业应用拓展的广阔前景。
9场学术论坛
5月30日，大会举办5场前沿讲习班，主题涵盖“结构化数据通用模型”“可信大模型智能体”“最优传输驱动的图神经网络”“高维数据潜在图结构学习”“异配图表示学习”。讲习班面向青年学者和研究生群体，系统介绍相关领域的基础理论、前沿方法与应用前景。同期召开了CCF AI图机器学习学组研讨会。研讨会由同济大学王昊奋教授主持，以“Graph+LLM：构建下一代认知智能新范式”为主题，特邀浙江大学陈华钧教授、河马影视
生杨博教授、蚂蚁集团刘永超研究员、大连理工大学于硕教授作引导发言。与会专家围绕图谱赋能、架构融合、反向赋能、AGI路径等议题展开圆桌研讨，深入探讨图机器学习与大语言模型协同发展的新范式、新挑战与新机遇。
图机器学习学组研讨会
本届会议征集并遴选出71项科技成果进行海报展示，为青年学者展示研究进展、交流学术观点、拓展合作机会提供平台。现场交流气氛热烈。
海报展示
回顾本次会议，丰富的学术报告与深入的思想碰撞充分展现了图机器学习在大模型时代的以下新趋势。
● 如何实现Graph+LLM的有效融合是亟待突破的开放问题。学组研讨会和多个论坛聚焦图结构与大语言模型的协同机制，探讨如何利用图知识缓解大模型幻觉、增强推理能力，以及大模型如何反向驱动图学习。
● 图基础模型成为图学习重点攻关的关键挑战。论坛专门探讨图基础模型的设计、泛化性与鲁棒性，从专用模型向通用基础模型演进成为共识。
● AI for Science与新药研发成为图学习重要应用增长点。多个论坛展示图数据驱动在材料设计、疾病诊断、药物发现等领域的突破，图机器学习成为科学发现的关键引擎。
● 图学习的安全可信是必要考量。论坛深入剖析图学习在对抗攻击、模型水印、隐私保护等方面的安全挑战，构建可信图智能底座成为紧迫需求。
本次会议的圆满举办，得益于中国计算机学会及CCF人工智能与模式识别专委会的指导与支持，得益于大会主席梁吉业、李建欣，组织主席杨博、石川、陈华钧及全体组委会的精心组织，也离不开60余位讲者的精彩分享、河马影视
120余位会务师生和志愿者的辛勤付出，以及全体与会代表的积极参与。
CCF图机器学习会议已成为图学习领域的学术交流标杆。期待2027年在山西太原的再次相聚，图启新程，共赴图机器学习更加广阔的未来！
