时间：2026年4月30日 09:30-11:30

地点：财科馆317会议室

【讲座一】

时间：09:30-10:30

题目：当统计学遇到管理科学

摘要：围绕统计学与管理科学的交叉融合展开，我们重点讨论数据科学方法在库存管理、政策评估和经济预测中的应用。内容结合模型平均、混频合成控制与迁移学习等方法，尝试解决传统管理分析中模型不确定、数据频率不一致和样本不足等难题，并以快递揽收量、减税政策和航空煤油价格预测为例，展示统计方法在管理实践中的现实价值。

个人简介：张新雨，中国科学院数学与系统科学研究院研究员。长期从事管理统计和计量经济学理论与应用方面的研究工作，与合作者解决了模型平均研究中的多个难题，并将模型平均与迁移学习、随机森林等融合提出了新方法，同时将所提出的预测方法应用于实际问题为相关部门的决策提供了参考依据。先后主持国家自然科学基金委杰出青年基金及其延续项目等，曾获中国青年科技奖。

【讲座二】

时间：10:30-11:30

题目: Large Language Models for Optimization Modeling

Abstract：This talk presents recent advances in the application of large language models (LLMs) to mathematical optimization modeling, with a focus on industrial and operational research contexts.

We introduce ORLM (Operations Research Language Model) — the first open-source LLMs fine-tuned specifically for optimization tasks. To mitigate the scarcity of domain-specific training data, the proposed framework includes OR-Instruct, a semi-automated pipeline designed to generate instruction-style datasets across a broad range of problem types. OR-Instruct employs two core strategies: Expansion and Augmentation. Expansion leverages advanced LLMs to generate new problem scenarios and question types from seed data, while Augmentation diversifies the dataset by modifying objectives and constraints, rephrasing problem statements, and incorporating varied modeling techniques. ORLMs trained under this framework achieved superior performance on public benchmarks such as NL4OPT and MAMO, surpassing most of the leading LLMs. We also develop the IndustryOR benchmark, encompassing real-world optimization scenarios from 13 industries, spanning five categories and three levels of complexity.

个人简介：王子卓博士现为香港中文大学（深圳）数据科学学院教授、副院长，同时为杉数科技联合创始人、首席技术官。王子卓本科毕业于清华大学数学系，2012年获斯坦福大学管理科学与工程博士学位。王子卓曾为明尼苏达大学工业与系统工程系终身教授。现担任广东省人工智能数理基础重点实验室主任，为国家海外高层人才青年项目、国家杰出青年项目获得者。

王子卓教授的主要研究方向为机器学习及运营管理。在运筹学和管理科学国际顶尖杂志上发表过超过60篇文章，并担任运营管理方面国际顶尖杂志MS, OR, MSOM, POMS等编委。

2016年起，王子卓与他人共同创立杉数科技并担任CTO，过去九年在国内为超过四百家企业做智能决策方面的咨询与服务，客户包括京东，顺丰，滴滴，华为，南航等国内领头企业。