时 间：2025年11月13日（周四）16：00 -17：00
报告人：周帆，上海财经大学统计与数据科学学院副教授
地 点：普陀校区理科大楼A1514
主持人：章迎莹 华东师范大学副教授
摘 要：
大型语言模型在数学与逻辑推理方面已取得显著进展，但统计学这一独立且高度综合的学科仍缺乏系统性评测。为填补这一空缺，我们提出 StatEval——首个面向统计学的综合性基准，覆盖多层次难度与完整学科体系。该基准包含 2 万余道本科与研究生基础题目，以及 1 万余条来自顶级期刊的研究级证明任务。 我们构建了可扩展的多智能体自动化生成与审校流程，并结合人工验证，确保大规模数据生成的严谨性与质量。同时，提出了面向计算类与证明类任务的统一评估框架，可细粒度衡量模型的统计推理能力。 实验结果表明，即便是先进的封闭源模型（如 GPT5-mini）在研究级任务上准确率仍不足 57%，开源模型表现更低，显示数学推理仍是当前 LLM 的显著短板。 StatEval 旨在为推进大型语言模型的统计智能研究提供权威标准。
报告人简介：
周帆，上海财经大学统计与数据科学学院副教授，国家高层次青年人才，博士毕业于美国北卡罗来纳大学教堂山分校，现担任统计学顶刊JASA的编委。研究兴趣包括深度学习，强化学习的算法与理论，时空网络，因果推断，在包括JASA, JMLR, NeurIPS, ICML, ICLR等统计学，机器学习顶刊和顶会上发表了数十篇文章，曾获泛华统计协会国际会议新研究者奖,UNC James E. Grizzle Distinguished Alumnus Award和Barry H. Margolin Award。
