2026年10月30日，第三届中欧科学家论坛在德国法兰克福举行。Frederik Banis研究员围绕迈向不确定性感知的非接触式雷达感知：校准与自适应采样局限的仿真研究主题发表演讲。

嘉宾简介：弗雷德里克·巴尼斯（Frederik Banis），杭州市拱墅区工大未来技术 研究院特聘研究员，研究方向为基于物理知识的机器学习自适应生物 医学传感与自主实验系统。曾任瑞士苏黎世联邦理工学院及 NCCR 自动 化博士后研究员及科学官。2020 年获丹麦技术大学系统优化与控制博 士学位。研究兴趣包括模型预测控制、随机优化、系统辨识及机器学习 与工程系统的融合。同时兼任西安电子科技大学杭州研究院客座研究员。 

主要内容：

演讲围绕非接触式生理监测中的不确定性评估与自适应采样展开，介绍了在序贯贝叶斯决策视角下融合物理前向模型、概率推断和自适应数据采集的研究框架，并讨论了调频连续波雷达仿真中的校准评估与采样效果。结果显示，在简化模型中，后验信息引导的采样优于随机采样，但相较合理设计的固定采样方案并未表现出一致优势。

主要观点：

报告指出，现有结果均来自仿真，所实施的独立样本外验证程序尚不能提供有效的校准评估，其他探索性结果也受到基准选择、失败处理和评价终点有效性等问题的限制，强调严格验证、合理设置比较基准和明确结论适用范围的重要性，现阶段尚不足以作出确定性的性能优势判断。

补充材料：

大型语言模型（LLMs）和大型多模态模型（LMMs）正在从根本上重塑学术研究的每个阶段。从最初的选题和引文语境分析，到代码生成、实验方法设计以及自动论文润色，ScienceOne和Feynman等人工智能工具带来了前所未有的研究效率。此外，尖端的代理式工作流——例如斯坦福代理评审系统（Stanford Agentic Reviewer）——如今能够模拟同行评审，并在投稿前预测发表结果。

然而，这种快速普及也带来了深刻的伦理困境和制度性张力。本次演讲将全面概述人工智能在整个研究生命周期中的整合情况。我们将核心优势——加速发现、深化综合以及提高沟通清晰度——与关键风险（包括幻觉、分析深度的丧失、知识产权归属的模糊性以及不断演变的出版商政策）进行权衡。与会者将获得切实可行的见解，了解如何负责任地利用大型语言模型来增强科学探究，同时维护学术严谨性和诚信。

（文 安昱霖 ）