个人简介：谢幸，博士，微软亚洲研究院首席研究员，中国科学技术大学兼职博士生导师，中国计算机学会普适计算专委会副主任。他在数据挖掘、社会计算和普适计算等领域发表了300余篇学术论文，共被引用40000余次，H指数95，1999年获首届微软学者奖，2019年获ACM SIGSPATIAL十年影响力论文奖及中国计算机学会青竹奖，2020年获ACM SIGSPATIAL十年影响力论文荣誉奖，2021年获ACM SIGKDD China时间检验论文奖，并曾在KDD、ICDM等会议上获最佳论文奖。他是中国计算机学会会士、IEEE会士、ACM杰出会员。

个人简介：卢暾，复旦大学计算机学院教授、博导，美国卡耐基梅隆大学（CMU）访问学者。现为CCF高级会员、协同计算专委秘书长、数图编委、人机交互专委执委、大数据专家委员会通讯委员，ACM SIGCHI China Chapter执委。研究兴趣包括CSCW、协同与社会计算、推荐系统、HCI等。主持多项国家自然科学基金、重点研发计划课题等项目。成果发表在CSCW、CHI、UbiComp、NuerIPS、WWW、SIGIR、IEEE TKDE、ACM TOIS等领域权威会议和期刊上。常规担任CSCW、CHI等的AC，担任多个国内外学术会议的PC Co-Chair以及多个国内外学术期刊的AE和GE。

报告摘要：作为连接人和AI的桥梁，推荐系统也是以人为中心的AI的研究前沿。然而，推荐技术使用不当会带来诸如推荐机制缺乏透明度导致的用户不信任、推荐算法的不公平性、用户对推荐系统的不可控性、以及用户隐私信息的过度使用导致隐私泄露等问题。本报告将将探讨在推荐系统由浅模型、到深模型、到大模型的发展过程中，如何在各个阶段构建可信的推荐算法，包括推荐系统作为主观性AI的基本特性、主观性AI与可信计算的关系、以及在各个可信计算维度上的典型推荐算法，例如因果与反事实推理、神经-符号模型、自然语言解释、联邦学习、个性化提示学习等。

个人简介：张永锋，罗格斯大学计算机系助理教授、博导，互联网智能与经济实验室主任，研究兴趣包括机器学习、机器推理、信息检索、推荐系统、自然语言处理、人工智能的可解释性与公平性、人工智能伦理等，研究成果发表于SIGIR, WWW, RecSys, ACL, NAACL, CIKM, WSDM, AAAI, IJCAI, TOIS等领域内主要会议或期刊。担任期刊ACM Transactions on Information Systems、ACM Transactions on Recommender Systems和Frontiers in Big Data副主编。曾获得AIRS最佳论文奖、ACM TOIS杰出编辑奖、美国自然科学基金杰出青年奖（NSF CAREER Award）。

报告摘要：数据偏差如流行度偏差、曝光偏差、伪相关特征等在用户行为数据中普遍存在。传统的推荐方法面向数据拟合的精准性进行模型优化，会受到数据偏差的负面影响，产生和预期相悖的推荐结果。本报告介绍了团队近两年在推荐系统偏差问题方面的研究，技术涉及到因果推断、去偏学习排序、不变学习、知识蒸馏等。

个人简介：何向南，中国科学技术大学教授、博导、大数据学院副院长。长期致力于信息检索与推荐、数据挖掘、因果推理等方向的研究，在相关的CCF A类国际顶级会议和期刊发表论文100余篇，包括SIGIR、KDD、WWW等，谷歌学术引用2万余次，Elsevier中国高被引学者。曾获SIGIR 2021、WWW 2018、SIGIR 2016最佳论文提名奖、阿里巴巴达摩院青橙奖等。担任多个期刊的编委/副主编，如ACM Transactions on Information Systems (TOIS), IEEE Transactions on Big Data (TBD), ACM Transactions on Recommender Systems (TORS), AI Open等。主持多项国家级课题，如联合基金重点项目，科技部重点研发计划课题等。

报告摘要：互联网的高速发展和广泛使用成为中国社会变迁的新的显著特点，网络空间既为多元社会心态的表达提供了契机，成为精神价值面向的中国赖以存在、表达、形塑、演进的客观环境，也形成了具有网络空间独特逻辑与特征的集体认知，产生大量具有互联网特色的社会心态与文化认同。报告基于近十年微博数据的研究尝试，探讨如何运用以大数据为核心的混合研究方法，在更大趋势、更大范围内以“人”为中心展现网络社会心态涌现与演进的复杂性，为更加深入全面地把握网络社会心态的时代特征、网络社群结构的发展动向与网络空间深层重构的变迁趋势，探索研究路径。

个人简介：郑雯，博士，复旦大学新闻学院副院长，副教授，教育部人文社科重点研究基地复旦大学信息与传播研究中心研究员，上海市青年拔尖人才，中国新闻史学会媒介法规与伦理研究委员会常务理事，浦江国家实验室顾问，新华社瞭望智库首批入驻专家。主要研究领域为媒介社会学、网络社会学、传播与国家治理、社会公共危机舆情治理等，出版《寻找网络民意：网络社会心态研究（第一辑）》《网络空间演进：网络社会心态研究（第二辑）》《媒介化抗争：变迁、机理与挑战》《新时代、新期待：中国人民美好生活观调查报告》等学术著作。

报告摘要：在当下信息爆炸的时代，推荐系统是人类信息获取的重要途径。然而，其个性化精准推荐常常会将人类困于同质化信息之中，使其难以接触到新的话题与观点，逐步陷入“信息茧房”。由于人机交互系统的复杂性，信息茧房产生的底层机制尚不明确，如何理解、建模与遏制信息茧房的产生是学界与业界普遍关注的重要问题。本报告将结合大规模实证数据与理论分析，通过复杂自适应系统的视角来揭示信息茧房产生的底层机制， 进而提出基于实证与理论分析的解决方案，最后讨论社会智能治理背景下人类-人工智能系统亟待解决的问题与未来发展方向。

个人简介：李勇，清华大学电子系长聘副教授、博士生导师，教育部长江学者，国家重点研发计划项目负责人。长期从事数据科学与智能方面的科研工作，在KDD、NeurIPS、WWW、UbiComp等CCF A类国际会议与Nature子刊等国际期刊发表学术论文100余篇，文章引用16000余次，6次获国际会议最佳论文/提名奖，10篇论文入选ESI高被引用论文。先后入选全球“高被引科学家”名单、国家“万人计划”青年拔尖人才计划，获IEEE ComSoc亚太区杰出青年学者奖、教育部科技进步一等奖、湖北省技术发明一等奖、电子学会科技进步一等奖、电子学会自然科学二等奖、吴文俊人工智能优秀青年奖等。

报告摘要：解释能力已被证明对推荐系统至关重要。作为用户和推荐系统之间沟通的桥梁，解释可以有效地提高用户的信任度、满意度以及用户采纳推荐的概率。可解释的推荐被认为是很重要的，并且已经引起了越来越多的关注，但是关于可解释的研究在很大程度上受到了评估问题的阻碍。例如一个关键问题是：我们如何在离线环境下衡量用户对解释的看法？在本报告中，我们将通过总结现有的关于可解释推荐的文献，介绍评价方法的主要类别以及我们如何选择它们。此外，我们将讨论当前评估方法的局限性，主要的挑战，并指出解决这些局限性的潜在机会。

个人简介：王希廷，博士，微软亚洲研究院社会计算组主管研究员，研究兴趣为可解释、负责任的人工智能。王希廷分别于2011和2017年在清华大学获得电子系学士和计算机系博士学位。她的研究成果发表在KDD、ICML、SIGIR、TVCG等各个数据挖掘、机器学习及可视化的顶级会议、期刊上，被引用近1700次，还在微软等多公司的多个产品中落地应用。两次获得CCF-A类期刊TVCG封面论文奖，获得AAAI 2021 Best SPC奖。王希廷同时还是中国计算机学会高级会员，多次担任AAAI和IJCAI的高级程序委员会委员，并且在WWW、ICML、NeurIPS等国际顶级会议中常态化担任程序委员会委员。

个人简介：李东胜，博士，微软亚洲研究院（上海）高级研究经理，复旦大学计算机学院客座教授、兼职博导，中国计算机学会协同计算专业委员会委员。主要研究方向为机器学习及应用。近年来在机器学习相关领域的知名国际会议和期刊上发表论文80余篇。长期担任ICML、NIPS、ICLR、KDD、AAAI、IJCAI、CIKM等知名学术会议的程序委员。曾担任IBM中国研究院高级研究员，开发的认知推荐引擎在2018年获得IBM Corporate Award。

个人简介：顾宁，复旦大学计算机科学技术学院教授、博士生导师，协同信息与系统实验室主任，复旦大学社会计算研究中心主任，中国计算机学会会士，CCF协同计算专委会荣誉主任。长期从事以人为中心的协同计算研究，包括分布式协同、社会化协同和群智协同的理论与技术。围绕上述研究方向，作为负责人先后承担了三项国家自然科学基金重点项目等，成果发表在CSCW、CHI、UbiComp、WWW、TPDS等权威会议和期刊。