本期将分享近期全球知识图谱相关
行业动态、近期会议、论文推荐
工业+知识图谱
珠海市自然资源一体化平台面向开发利用与用途管制等关键业务场景，以项目全生命周期管理为目标，以业务治理和数据治理为支撑，建立串联“预审（选址）—报批—供应—用地—工规—验收”等六个环节的“链治理”业务数据实体，形成业务知识图谱，实现任意业务环节项目全生命周期信息的串联共享，提升数据服务效能。
http://u3v.cn/5VOr6n
数据保护+知识图谱
数据保护公司Veeam以17.25亿美元收购安全初创企业Securiti，核心亮点在于知识图谱技术的深度整合。Securiti的"数据指挥中心"通过自研知识图谱构建数据关系网络，可自动识别企业全域数据（包括AI模型、结构化/非结构化数据）及其访问关系，实现数据血缘追溯。该技术突破传统扁平化数据清单，形成"数据社交网络"，为企业提供唯一具备数据关系深度洞察的统一管控平台。
https://t.hk.uy/bXQc
CCF ChinaSoft
2025 CCF中国软件大会（CCF ChinaSoft）于2025年11月在湖北省武汉国际会议中心召开。大会由中国计算机学会（CCF）主办，CCF软件工程专委会、系统软件专委会、形式化方法专委会、武汉大学承办，武汉大学计算机学院具体落实。大会由武汉计算机软件工程学会、华中科技大学、中国地质大学（武汉）、武汉理工大学、华中师范大学、武汉软件工程职业学院（武汉开放大学）、湖北大学、武汉科技大学、中南民族大学、江汉大学协办。本届大会的主题为“软件定义智能互联新世界”。
CCF中国软件大会由全国软件与应用学术会议（NASAC）与全国形式化方法与应用会议（FMAC）两个会议有机组成。NASAC创立于2002年，已举办二十三届，由CCF主办，CCF软件工程专业委员会与CCF系统软件专业委员会共同承办，是中国软件科学与工程相关领域参会人数最多、影响范围最广、涵盖内容最全面的学术会议。全国形式化方法与应用会议（FMAC）创立于2016年，历经九届，由CCF主办，CCF形式化方法专业委员会承办。FMAC聚焦形式化方法理论前沿和最新研究进展，深化拓展形式化方法与相关领域的交叉，促进形式化方法、工具和应用在国内的发展。
https://chinasoft.ccf.org.cn/
ICKG 2025
第16届 IEEE 国际知识图谱会议 (ICKG) 将于2025年11月13-14日在塞浦路斯利马索尔举行。会议提供了一流的展示知识发现和知识发现领域原创研究成果的国际论坛图表学习、机遇与挑战的探讨、交流与传播创新、实用的发展经验。会议涵盖所有从数据中发现知识的各个方面，重点关注图形学习和知识图谱，包括算法、软件、平台。ICKG 2025 旨在绘制来自知识等广泛领域的研究人员和应用程序开发人员工程、表示学习、大数据分析、统计学、机器学习、模式识别、数据挖掘、知识可视化、高性能计算和世界万维网等。通过推广新颖、高质量的研究成果和创新解决方案解决处理具有依赖关系的数据学习的各个方面的挑战。
https://cyprusconferences.org/ickg2025/
CIoTSC 2025
第三届计算机、物联网与智慧城市国际会议（CIoTSC 2025）将于2025.11.7-9在苏州举办，大会聚焦物联网（IoT）作为智慧城市建设的核心驱动力。随着社会经济快速发展，城市规模扩大，需适应社会需求升级，智慧城市理念应运而生。IoT以计算机技术和互联网为基础设施，是实现城市智能化与现代化的关键技术，不仅支撑智慧城市发展，更持续推动其创新与进步。大会将探讨IoT技术如何塑造城市未来，引领新一轮城市变革。
详情访问：
本周推荐的是arxiv 2025.9上的论文：Training Agents Inside of Scalable World Models
问题
以往的世界模型难以在 Minecraft 这种高度动态和开放式环境中准确预测复杂的物体交互和游戏机制。
大型生成模型虽然强大，但通常计算成本过高，无法满足高效强化学习所需的实时、迭代想象训练。
由于缺乏交互式探索和反馈，从固定的离线数据集中学习复杂的、长期的行为仍然是一个主要挑战。
智能体需要高效利用大量的未标记视频数据来学习通用的世界知识和动作条件，同时使用最少的标记样本。
方法
Dreamer 4 采用三阶段训练方法：世界模型预训练、使用任务条件策略/奖励头进行智能体微调，以及使用强化学习进行想象训练。
一种新颖的架构将用于高效视频压缩的因果分词器与基于“高效 Transformer 架构”构建的交互式动力学模型（世界模型）相结合。
动力学模型的关键创新包括带有 x-预测和 x-空间损失的“快捷强制”机制，以实现稳定、高质量和快速的长时间推演，每帧仅需 K=4 个采样步骤。
结果
Dreamer 4 是第一个纯粹从离线数据中在 Minecraft 中获得钻石的智能体，在 60 分钟的剧集中实现了 0.7% 的成功率，显著优于以往最先进的离线智能体。
该世界模型准确预测复杂的 Minecraft 交互，并在单个 H100 GPU 上以 21 FPS 的速度运行，在保真度和上下文长度（9.6 秒）方面超越了 Minecraft 的游戏刻率和以往的世界模型。
它仅从 100 小时的标记数据（总计 2541 小时）中学习准确的动作条件，并将此知识高保真地泛化到视觉上不同的 Minecraft 维度（下界/末地）。
要点
基于想象的强化学习与可扩展的世界模型相结合，可以有效地从纯离线数据集中学习复杂的、长期的行为，即使在 Minecraft 这样的挑战性环境中也同样适用。
能够模拟精确物体交互的高保真世界模型可以实现实时交互式推理，使其在迭代智能体训练中变得实用。
动作条件可以以高数据效率学习，主要来自未标记视频，这表明了动作对视觉上新颖环境的强大泛化能力。
特定的架构选择，如 x-预测、x-空间损失、斜坡损失加权以及高效的Transformer 组件（例如，分解注意力、GQA），对于世界模型中稳健高效的生成至关重要。
论文、讨论和资源链接：https://www.alphaxiv.org/abs/2509.24527，感兴趣的读者可以关注。
更多链接
内容：袁知秋、程湘婷、卢小柯、王图图
诚邀您加入我们的gStore社区，我们将在群内解决使用问题，分享最新成果~
请在微信公众号图谱学苑发送“社区”入群~
微信社区群：请回复“社区”获取
