2025年6月6日至6月7日，由清华大学经济管理学院和清华大学现代管理研究中心联合主办的第十二届“Mostly OM”运营管理前沿国际研讨会在清华大学经济管理学院召开。（编者注：OM指“运作管理”，为Operations Management的缩写。）
Mostly OM研讨会是清华大学经管学院在运营管理领域着力打造的国际顶尖学术交流平台。本次研讨会共有来自海内外50余所高校的近200名教师和学生参会。会议由清华大学现代管理研究中心主任/清华大学经管学院联想讲席教授陈剑、哥伦比亚大学Piyasombatkul家族基金讲席教授姚大卫以及康奈尔大学Leon C. Welch讲座教授/香港中文大学（深圳）数据科学学院院长戴建岗担任联席主席。
第十二届Mostly OM运营管理前沿国际研讨会联席主席（左起：陈剑、姚大卫、戴建岗）
本届研讨会关注人工智能时代下的运营管理研究发展趋势，共邀请了九位国际知名学者做大会报告。其中包括多名运营管理领域的资深教授，如密歇根大学的Xiuli CHAO教授、明尼苏达大学的洪流教授和佐治亚理工学院的George LAN教授，也包括一些近年来非常活跃的中青年学者，如康奈尔大学的Siddhartha BANERJEE教授和Omar HOUSNI教授、香港中文大学的高雪峰教授、斯坦福大学的胡月教授、香港科技大学的王譞教授和加州大学伯克利分校的郑泽宇教授。嘉宾采用专题讲座、特邀报告和讨论组等形式，为与会者分享了运营管理领域的最新研究成果和前沿问题思考。
与会嘉宾合影
本次研讨会首次引入了专题讲座，旨在为青年学者和博士研究生介绍运营管理研究中的重要基础理论和方法。密歇根大学的Xiuli CHAO教授讲解了集中不等式及其在人工智能算法中的应用，康奈尔大学Siddhartha BANERJEE教授介绍了基于补偿耦合与贝尔曼不等式的新型序贯决策框架。
Xiuli CHAO和Siddhartha BANERJEE作报告
优化方法是运营管理研究的重要基础工具，也是历届研讨会的核心关注内容之一。明尼苏达大学的洪流教授提出了一种结合Taylor定律与相关性衰减特征的新型排队模型，以提升系统服务水平和资源利用效率。佐治亚理工学院的George LAN教授系统性地讲解了风险厌恶优化模型的前沿发展，并介绍了一种处理大规模不确定性问题的高效算法。香港中文大学的高雪峰教授则聚焦于生成式人工智能的模型训练，提出了一种结合扩散模型的连续时间强化学习新算法。
洪流、George LAN、高雪峰作报告
数据驱动决策是当前运营管理研究的热点趋势。斯坦福大学的胡月教授介绍了医疗服务系统中的任务动态分配模型及在线学习算法。加州大学伯克利分校的郑泽宇教授则探讨了A/B测试相关理论研究的最新进展。
胡月和郑泽宇作报告
运营管理实践应用也是研讨会的热点话题。康奈尔大学的Omar HOUSNI教授探讨了双边平台中的选择拥堵问题，并提出通过优化选品组合来提升匹配效率的解决方案。香港科技大学的王譞教授则对比分析了货运平台中固定价格机制与混合定价机制的表现差异及各自的优势。
Omar HOUSNI和王譞作报告
研讨会还围绕人工智能与运营管理的结合展开了专题讨论。由陈剑教授主持，邀请戴建岗、姚大卫、洪流、George LAN和郑泽宇五位学者分享了对人工智能技术前沿问题的见解，并就其在运营管理研究中的应用及学科未来的发展方向进行了深入而热烈的探讨。
会议专题讨论
在两天的研讨会期间，与会者们不仅了解了运营管理领域的学术前沿发展，还与国际一流学者进行了直接深入的学术交流。自2010年首次成功举办至今，Mostly OM运营管理前沿国际研讨会得到了国内外学者的广泛认可，已成为国内运营管理学者与国际一流学者进行合作交流的重要平台，累计来自全球各地超过3700人次参加研讨会，会议影响力和知名度与日俱增。本次会议为中国运营管理领域的学术交流和合作提供了一个高质量的平台，为学科发展与人才培养注入了新的动力。
参会人员合影
