近日，IEEE 计算智能学会神经网络技术委员会（IEEE CIS Neural Networks Technical Committee, NNTC）批准设立 Data-Efficient Agentic Learning（数据高效智能体学习，简称 DEAL）专项工作组（TF-DEAL），我系教师姚权铭担任专项工作组创始主席。Data-Efficient Agentic Learning 面向下一代自主智能系统，研究智能体如何在有限监督、有限交互、有限验证和有限计算资源条件下实现高效学习、自主适应与持续改进。该方向延续了小样本学习、数据高效学习和大模型学习机理等研究脉络，也与智能感知、边缘智能、智能控制和智能系统等电子信息学科方向密切相关。
IEEE Task Force on Data-Efficient Agentic Learning
姚权铭长期从事数据高效人工智能研究，重点关注小样本学习、元学习和大模型学习机理，在有限数据条件下的模型泛化、适应与推理能力方面形成了系统性工作。近年来，他持续参与国际顶级学术平台建设，担任 ICML、NeurIPS、ICLR 等国际会议领域主席，并在 IEEE TPAMI、Neural Networks、Machine Learning 等重要期刊担任编委、行动编辑等职务。此次任职是其推动新兴研究方向凝练、议题设置与国际合作网络建设的重要体现，也体现了国际学术组织对本系教师在相关方向研究贡献及学术组织能力的认可。
TF-DEAL 现场介绍与交流照片
未来，TF-DEAL 将依托 IEEE CIS NNTC 平台，组织专题会议、国际研讨、教程报告、竞赛与基准建设等活动，促进数据高效智能体学习方向的国际交流与合作。TF-DEAL 已于 2026 年 IEEE 世界计算智能大会/国际神经网络联合会议（WCCI/IJCNN）期间正式亮相。
专项工作组官网：https://cis.taskforce.ieee.org/deal/
编辑｜陶旋姿
审核｜余潇潇 沈 渊 李 洪
