报告聚焦流数据背景下高维分位数回归的在线估计难题，针对传统方法在高维情形下计算成本高昂、岭估计偏差易逐期累积等问题，提出了一套系统的解决方案：将两类高斯惩罚合并为单一动态先验，对局部“创新”项进行岭正则化估计并加以去偏校正，再用于更新在线状态。方法的核心优势在于每个数据块的处理仍保持为单次矩阵运算，而非求解完整的分位数回归问题，从而保留了在线分位数回归的计算轻量性。

师生还就惩罚参数在线调节、高维情形下的识别性等问题进行了深入交流，现场学术氛围浓厚。