图机器学习与图神经网络
图表示学习、异质图学习、动态图学习、时序图学习、图持续学习、图生成模型等。

可信与高效机器学习
模型泛化理论、优化理论、数据高效学习、鲁棒学习，以及数据结构和依赖如何影响模型行为。

大规模机器学习系统
分布式训练、异构计算、训练系统优化、自动并行、性能建模，以及面向图学习和大模型的系统设计。

大语言模型与智能体系统
多智能体系统、Agent 记忆与检索、知识增强复杂问题求解、LLM 系统效率与可靠性等。

AI for Science / 运筹与复杂系统建模
将机器学习、图建模和优化方法应用于科学计算、运营研究、社会网络和复杂系统问题。