7月7日，2026第四届统计与数据科学联合会议（JCSDS 2026）第三日短课于贵州财经大学修德楼218教室举行。当日设置两场专题短课，分别围绕高维数据谱统计理论、强化学习与大模型人类对齐技术展开，内容兼具理论深度与前沿应用价值。
上午，芝加哥大学Cong Ma助理教授带来题为《Spectral Methods for Data Science: A Statistical Perspective》的报告，针对大规模高维数据开展统计理论与算法解析。他表示，谱方法是处理含噪、残缺高维数据的关键手段，但在数据扰动、样本缺失条件下，相关理论边界与模型鲁棒性仍有广阔研究空间。讲座搭建起矩阵扰动、非渐近随机矩阵统一数学框架，介绍留一法混合范数子空间扰动分析方法，搭配机器学习、信号处理实例，阐释谱算法样本复杂度与稳定性评判方式，完整梳理了谱方法从基础理论到大数据建模落地的全流程。
下午，上海财经大学周帆副教授分享《Reinforcement Learning and Its Application in LLM》，聚焦强化学习基础理论与大模型人类对齐前沿技术。他提出，强化学习是实现大模型贴合人类偏好的核心技术，而复杂推理场景下算法效率不足、模型稳定性差是行业现存主要难题。课程系统讲解马尔可夫决策过程与策略优化理论，拆解RLHF、PPO、DPO、GRPO等待主流对齐算法原理，结合ChatGPT、DeepSeek-R1等商用大模型介绍落地方案，总结学科交叉现存挑战与未来研究趋势，为大模型与强化学习融合领域的研究与算法开发提供新思路。
两场课程串联起传统数理统计与人工智能前沿交叉领域，形成连贯完整的知识体系。现场学术交流氛围热烈，参会师生就理论推导、工程实践等问题与两位授课专家积极探讨，收获颇丰。